An algorithmic process to develop clinical practice guideline recommendations based on meta-analyses of the relevant evidence

Imagina que eres un detective intentando resolver un misterio: "¿Realmente ayuda este tratamiento específico a que los pacientes mejoren?". En el mundo de la fisioterapia, esto no es solo una suposición; se trata de construir Guías de Práctica Clínica (GPC). Piensa en estas guías como el libro de reglas definitivo o un mapa que los terapeutas utilizan para decidir la mejor manera de ayudar a las personas a recuperarse. Para hacer un buen mapa, necesitas observar todas las pistas (estudios científicos) y determinar qué significan realmente en conjunto.

Normalmente, los científicos intentan combinar estas pistas utilizando un método llamado metaanálisis. Imagina que cien personas diferentes te cuentan cuánto duró un viaje específico. Algunos dicen 10 minutos, otros 12 y otros 8. Un metaanálisis es como una calculadora súper inteligente que no solo cuenta cuántas personas dijeron "10 minutos" (lo cual puede ser engañoso); en su lugar, pondera cada informe basándose en cuántas personas había en ese grupo y qué tan confiable es la historia, dándote una respuesta promedio más precisa. El gran problema es que, si bien este "supercalculador" es el estándar de oro para encontrar la verdad, la mayoría de los libros de reglas de fisioterapia lo han estado ignorando. En su lugar, han dependido de un método de "conteo de votos", que básicamente consiste en preguntar: "¿Dijeron más estudios que 'sí' que 'no'?", lo cual es como decidir que el clima está soleado solo porque más personas lo dijeron, incluso si los que dijeron "soleado" estaban parados en la oscuridad. Este artículo aborda la parte desordenada y subjetiva de la creación de estos libros de reglas e intenta reemplazar la conjetura humana con un algoritmo claro y paso a paso.

---

El Algoritmo: Convirtiendo Pistas en un Libro de Reglas

Este artículo es esencialmente un manual de "cómo hacerlo" para un equipo de expertos en fisioterapia que decidió dejar de adivinar y empezar a calcular. Querían crear una nueva forma, súper confiable, de escribir su libro de reglas para ayudar a las personas a volver a caminar después de un accidente cerebrovascular. En lugar de permitir que un grupo de expertos se sentara alrededor de una mesa a discutir sobre qué "se siente" como un buen tratamiento, construyeron una máquina de toma de decisiones (un algoritmo) que toma los números brutos de su "supercalculadora" (el metaanálisis) y arroja una recomendación clara.

Así es como funciona su nuevo sistema, paso a paso:

1. Recopilación de Evidencia y Verificación de Falsificaciones
Primero, encontraron 296 estudios sobre la recuperación tras un accidente cerebrovascular. Pero no todas las pistas son dignas de confianza. Utilizaron una lista de verificación especial (llamada RoB-2) para verificar el "sesgo", que es como comprobar si un testigo tiene motivos para mentir. Si un estudio era demasiado desordenado o tenía demasiadas señales de alerta, lo descartaban. Solo conservaron la evidencia de alta calidad.

2. Agrupar Manzanas con Manzanas
No se puede comparar un estudio sobre "correr en una cinta" con uno sobre "nadar" y esperar un resultado justo. El equipo agrupó cuidadosamente los estudios que estaban haciendo exactamente lo mismo. Observaron aspectos específicos como la "velocidad de marcha" o "qué tan lejos puede caminar alguien en 6 minutos". Incluso tuvieron que hacer algo de magia matemática para convertir diferentes pruebas de marcha (como una caminata de 2 minutos) en una distancia estándar de "caminata de 6 minutos" para que todo pudiera compararse de manera justa.

3. La "Supercalculadora" (Metaanálisis)
Una vez ordenados los grupos, realizaron el metaanálisis. Esto no se limitó a contar votos; combinó los números reales de cada estudio para encontrar el verdadero efecto promedio. Se hicieron dos grandes preguntas:

• ¿Es el resultado real? (Significancia estadística)
• ¿Es el resultado lo suficientemente grande como para importar? (Importancia clínica)

Para responder a la segunda pregunta, utilizaron un umbral de "Diferencia Significativa". Piensa en esto como un reductor de velocidad. Si el tratamiento hace que un paciente camine 0.01 metros/segundo más rápido, es un número real, pero es demasiado pequeño para importar en la vida real. Pero si hace que caminen 0.16 m/s más rápido (un número que eligieron basándose en investigaciones previas), eso cambia las reglas del juego. El algoritmo verifica si el tratamiento supera este reductor de velocidad.

4. La Máquina de Decisión
Esta es la parte más genial. Construyeron un diagrama de flujo (un algoritmo) que toma los resultados matemáticos y la puntuación de "confiabilidad" (llamada GRADE) y asigna automáticamente una recomendación. Hay cinco resultados posibles:

• Recomendación Fuerte: La matemática dice "Sí, funciona", la certeza es alta y la mejora es lo suficientemente grande como para importar. El libro de reglas dice: "Los clínicos deben usar esto".
• Recomendación Condicional: Probablemente funciona, pero tal vez no para todos, o la certeza no es del 100%. El libro de reglas dice: "Los clínicos deberían considerar usar esto".
• Sin Recomendación a Favor o en Contra: Esta es una categoría nueva que ellos inventaron. A veces, la matemática muestra que el tratamiento no marca una diferencia significativa en comparación con el cuidado habitual. Dado que el "cuidado habitual" es lo que los pacientes reciben de todos modos, no puedes decir "No lo hagas". Simplemente dices: "No añade un valor extra, así que prioriza otras cosas si las tienes".
• En Contra: El tratamiento es en realidad perjudicial o peor que no hacer nada. El libro de reglas dice: "No lo use".
• Evidencia Insuficiente: Los datos son demasiado desordenados o faltan. El libro de reglas dice: "Necesitamos más investigación".

5. Manejo de Conflictos
¿Qué pasa si una parte del tratamiento funciona de maravilla, pero otra parte no? El algoritmo también tiene reglas para esto. Si se cumplen los criterios de una recomendación "Fuerte", pero una medida específica no muestra beneficio, el algoritmo reduce automáticamente la recomendación a "Condicional". Es como una red de seguridad que evita que el equipo se emocione demasiado con un tratamiento que solo funciona la mitad de las veces.

Por Qué Esto Importa

Los autores descubrieron que, al utilizar este estricto algoritmo basado en matemáticas, pudieron eliminar gran parte de la "opinión humana" del proceso. En el pasado, diferentes grupos de expertos podrían haber mirado los mismos datos y llegado a diferentes libros de reglas porque tenían diferentes opiniones sobre qué contaba como "suficientemente bueno". Este nuevo método hace que el proceso sea reproducible. Si le entregas los mismos datos a un equipo diferente y usan este mismo algoritmo, deberían obtener la misma respuesta.

También destacaron que este enfoque es un trabajo arduo. Tuvieron que extraer datos de 186 estudios y realizar 309 metaanálisis diferentes. Requirió mucha matemática y programación informática. Sin embargo, compartieron todas sus herramientas y hojas de cálculo en línea para que otros equipos también puedan usarlas.

El artículo no pretende haber resuelto todos los problemas de la medicina. Admiten que encontrar los números perfectos de "diferencia significativa" (los reductores de velocidad) sigue siendo complicado y que el proceso requiere mucho tiempo. Pero demostraron con éxito que es posible construir un libro de reglas donde las matemáticas guíen la decisión, no solo las opiniones de las personas presentes en la sala. Al hacer esto, esperan que la atención de la fisioterapia sea más consistente, justa y efectiva para todos.