The Case Against the 'S': Is Functional Neurological Disorder(s) One Condition or Many?

Este estudio utiliza comparaciones de modelos estadísticos en una muestra de 697 pacientes para concluir que el Trastorno Neurológico Funcional (FND) es más probablemente una única entidad patofisiológica con un fenotipo heterogéneo, en lugar de múltiples entidades discretas.

Lo esencial

Aquí tienes una explicación sencilla de este estudio científico, utilizando analogías para que sea fácil de entender.

¿Es el Trastorno Neurológico Funcional (TNF) una sola cosa o muchas?

Imagina que el Trastorno Neurológico Funcional (TNF) es como una gran caja de herramientas llena de síntomas extraños: temblores, parálisis, problemas para hablar, mareos, etc. Durante años, los médicos y científicos han debatido una pregunta fundamental: ¿Esta caja contiene un solo tipo de herramienta defectuosa que se manifiesta de mil formas diferentes, o es una caja llena de herramientas completamente distintas que, por casualidad, se parecen entre sí?

Este estudio de David Palmer y sus colegas decidió no quedarse solo en la teoría, sino usar las matemáticas para encontrar la respuesta.

La Gran Prueba: El "Modelo de la Montaña" vs. El "Modelo de las Islas"

Para resolver el misterio, los investigadores tomaron los datos de 697 personas con TNF y las compararon con dos ideas diferentes:

1. El Modelo de las Islas (Muchas enfermedades): Imagina que el TNF son varias islas separadas por un océano. Si tienes un síntoma de la "Isla A", no deberías tener síntomas de la "Isla B". Son grupos distintos y separados.
2. El Modelo de la Montaña (Una sola enfermedad): Imagina que el TNF es una sola montaña grande. Si subes por un lado, ves rocas; si subes por el otro, ves nieve. Pero es la misma montaña. Los síntomas varían suavemente de un extremo al otro, sin saltos bruscos.

¿Qué descubrieron?
Los matemáticos (usando modelos estadísticos avanzados) dijeron: "¡Gana la montaña!".

Los datos mostraron que los síntomas de las personas no formaban grupos separados (islas). En cambio, se mezclaban suavemente, como si todos estuvieran en la misma montaña, pero en diferentes alturas y lados. Cuando intentaron forzar a los pacientes a encajar en "categorías" o "tipos" distintos, los resultados no encajaron bien. Fue como intentar poner agua en un cubo: el agua se escurre porque no tiene forma fija de cubo.

La Analogía de la "Receta de la Sopa"

Para entenderlo mejor, piensa en el TNF como una sopa:

• La teoría antigua (Muchas sopas): Decía que había "Sopa de Pollo", "Sopa de Tomate" y "Sopa de Calabaza" mezcladas en la misma olla, y que los médicos no sabían distinguir cuál era cuál.
• La nueva teoría (Una sola sopa): Este estudio sugiere que en realidad hay una sola receta base (un proceso biológico común). Sin embargo, dependiendo de los ingredientes que le añadas (genética, estrés, entorno), la sopa puede saber un poco más a sal, un poco más a pimienta o tener trozos más grandes.

Aunque el sabor cambia (los síntomas varían), la base de la sopa es la misma. No hay varias recetas diferentes; hay una sola receta que se adapta a muchos gustos.

¿Qué significa esto para los pacientes?

1. No es "todo o nada": No necesitas encajar perfectamente en una "caja" de síntomas para tener TNF. Es un espectro continuo.
2. Un solo camino: Aunque las causas que inician el problema pueden ser diferentes (un trauma, una infección, mucho estrés), el estudio sugiere que todas esas causas terminan activando el mismo interruptor en el cerebro. Es como si diferentes personas apagasen la luz con diferentes interruptores, pero la luz que se enciende es la misma.
3. El futuro del tratamiento: En lugar de intentar clasificar a los pacientes en "tipos" rígidos (lo cual no funcionó en este estudio), los médicos deberían enfocarse en entender cómo varía el trastorno en cada persona y qué factores la desencadenan.

En resumen

El estudio concluye que el TNF es una sola condición con una gran variedad de formas de presentarse, no un montón de enfermedades diferentes disfrazadas de lo mismo. Es como decir que el "dolor de cabeza" no es una enfermedad, sino un síntoma que puede tener muchas causas, pero en el caso del TNF, el estudio sugiere que detrás de todos esos síntomas hay un solo mecanismo central funcionando de manera desordenada.

Esto es una buena noticia, porque significa que los científicos pueden centrarse en entender y arreglar ese único mecanismo central, en lugar de perderse intentando encontrar docenas de enfermedades que quizás no existen.

Resumen técnico

Resumen Técnico: Estructura Nosológica del Trastorno Neurológico Funcional (FND)

1. Planteamiento del Problema

El Trastorno Neurológico Funcional (FND, por sus siglas en inglés) es una de las condiciones más comunes en neurología, pero también una de las menos investigadas. Existe un debate fundamental no resuelto sobre su naturaleza nosológica:

• ¿Es una sola entidad? Un único trastorno con una manifestación fenotípica heterogénea (variación dimensional).
• ¿Son múltiples entidades? Un conjunto de condiciones distintas que se han amalgamado erróneamente bajo una misma etiqueta diagnóstica debido a la superposición clínica.

Esta distinción es crítica, ya que implica diferentes suposiciones sobre la etiología, el pronóstico y el tratamiento. Si el FND es múltiple, agrupar a los pacientes en una sola categoría podría diluir efectos reales y ocultar diferencias significativas. Si es único, cualquier explicación fisiopatológica debe poder rendir cuentas de su aparente heterogeneidad.

2. Metodología

Los autores abordaron la pregunta como un problema de comparación de modelos estadísticos, utilizando datos empíricos de síntomas para evaluar qué estructura subyacente explica mejor la distribución de los síntomas en la población.

• Fuente de Datos: Se utilizaron datos de la base de datos FND Research Connect (fnd-research.org), que incluye a 697 participantes con diagnóstico de FND. Se analizaron la presencia/ausencia de 19 síntomas específicos experimentados en los dos meses previos.
• Enfoque de Modelado:
  1. Modelos de Rasgo Latente (Latent Trait Models): Representan la hipótesis de que el FND es una única entidad con variación dimensional continua. Se probaron modelos con 1 a 5 rasgos latentes (dimensiones).
  2. Análisis de Clases Latentes (Latent Class Analysis - LCA): Representan la hipótesis de que el FND consiste en múltiples entidades discretas (subgrupos categóricos). Se probaron modelos con 1 a 8 clases.
• Técnicas Estadísticas:
  • Ajuste de Modelos: Se utilizaron métodos bayesianos (PyMC para rasgos latentes y Stepmix para LCA).
  • Comparación de Modelos: Se empleó la densidad logarítmica predictiva media cruzada (K-fold CV) a nivel de paciente para determinar qué modelo tenía un mejor rendimiento predictivo fuera de la muestra.
  • Análisis Secundario de LCA: Para descartar que las clases identificadas fueran meras discretizaciones de una variación continua, se evaluaron:
    • Número efectivo de clases ($K_{eff}$).
    • Incertidumbre de pertenencia posterior (masa de frontera).
    • Incrustaciones de baja dimensión (embedding) de la similitud de síntomas.
  • Interpretación: Se aplicó rotación varimax a los factores del mejor modelo de rasgos latentes para identificar patrones de covariación de síntomas.

3. Contribuciones Clave

• Enfoque Empírico: Proporciona evidencia cuantitativa basada en datos reales para un debate que hasta ahora se ha basado principalmente en modelos conceptuales e intuición clínica.
• Marco Comparativo Riguroso: Establece un marco metodológico directo para contrastar la hipótesis de "un solo trastorno dimensional" frente a "múltiples trastornos categóricos" utilizando la misma base de datos.
• Análisis de la Estructura de Síntomas: Demuestra que la estructura de los síntomas del FND no sigue patrones de agrupación discreta, sino de variación continua.

4. Resultados

• Comparación de Ajuste:
  • Los modelos de rasgo latente (entidad única) se ajustaron significativamente mejor a los datos que los modelos de clases latentes (múltiples entidades).
  • Todos los modelos de rasgo latente (excepto el de 1 dimensión) superaron al mejor modelo de clases latentes.
  • La diferencia en la densidad logarítmica predictiva entre el mejor modelo continuo y el mejor modelo discreto fue de 0.12, lo que corresponde a un aumento del 13% en la probabilidad predictiva a favor del modelo continuo.
• Análisis de las Clases Latentes:
  • El mejor modelo LCA (5 clases) mostró un número efectivo de clases ($K_{eff}$) de 1.38, lo que indica que los datos de los pacientes no ocupan clases discretas, sino que se distribuyen a través de un espectro.
  • Hubo una incertidumbre de pertenencia sustancial: el 22.4% de los pacientes tenía una probabilidad posterior de pertenencia a su clase más probable inferior a 0.8.
  • Las incrustaciones bidimensionales mostraron una superposición sustancial entre las categorías sin brechas claras, lo que sugiere que las "clases" son simplemente discretizaciones de una variación continua subyacente.
• Estructura Dimensional:
  • El mejor modelo de rasgo latente tuvo 4 dimensiones. Tras la rotación, estas dimensiones se resumieron en patrones de síntomas:
    1. Debilidad, trastorno de la marcha y síntomas somatosensoriales.
    2. Trastornos del habla.
    3. Despersonalización/desrealización y distonía.
    4. Tinnitus, problemas de eliminación y síntomas visuales.

5. Significado e Implicaciones

• Conclusión Principal: La estructura de los síntomas del FND es más consistente con la visión de que es una sola entidad heterogénea con variación dimensional, en lugar de múltiples condiciones discretas.
• Implicaciones Fisiopatológicas:
  • Los resultados apoyan la hipótesis de un único proceso fisiopatológico que se manifiesta de diversas formas.
  • Alternativamente, si existen múltiples procesos causales upstream (como en la enfermedad de Parkinson), estos convergen en una ruta común que determina el fenotipo. En este escenario, las diferencias en la etiología subyacente actúan como factores de riesgo o desencadenantes, pero no generan fenotipos clínicamente distinguibles por separado.
• Relevancia Clínica y de Investigación:
  • Contra la estratificación categórica: No hay evidencia empírica para dividir a los pacientes en subtipos de FND basados únicamente en la constelación de síntomas.
  • Hacia la estratificación dimensional: Los futuros esfuerzos de investigación y tratamiento deberían centrarse en la variación dimensional, los factores de riesgo, la trayectoria longitudinal y la respuesta al tratamiento, en lugar de buscar subgrupos categóricos de síntomas.
  • Limitaciones: Los datos son autorreportados y binarios (presencia/ausencia), lo que podría ocultar la gravedad. Sin embargo, los autores argumentan que esto sesgaría el análisis hacia la identificación de subgrupos categóricos; por lo tanto, el hallazgo de variación continua es aún más robusto.

En resumen, el estudio sugiere que el uso del plural "Trastornos Neurológicos Funcionales" (FNDs) no está justificado por la estructura de los síntomas observada, y que el FND debe entenderse como un espectro continuo de una sola entidad clínica.