Early Cardiac Testing after Emergency-Department ECG: An Observational Target-Trial Emulation

En las salas de urgencias de todo el mundo, los médicos se enfrentan a un rompecabezas constante y de alto riesgo: determinar qué pacientes con dolor torácico están sufriendo un ataque al corazón y cuáles no. Para resolver esto, dependen de herramientas como los electrocardiogramas, que registran la actividad eléctrica del corazón, y análisis de sangre que detectan proteínas específicas liberadas cuando el músculo cardíaco se daña. Basándose en estas pistas iniciales, los clínicos deciden si un paciente necesita pruebas adicionales más invasivas, como una prueba de esfuerzo o un procedimiento de cateterismo para observar el interior de las arterias. Este proceso de toma de decisiones no es aleatorio; los médicos eligen naturalmente probar a los pacientes que parecen estar más graves o en mayor peligro. Esto crea una situación complicada para los investigadores que intentan comprender el verdadero valor de estas pruebas. Si simplemente se comparan los resultados de salud de los pacientes que fueron sometidos a pruebas frente a los que no lo fueron, los resultados serán engañosos. El grupo probado parecerá estar en peor estado, no porque las pruebas les hayan hecho daño, sino porque ya eran las personas más graves de la sala para empezar. Este fenómeno, donde la razón de un tratamiento se confunde con el tratamiento mismo, hace que sea increíblemente difícil determinar si una intervención médica está ayudando o perjudicando.

Para atravesar esta confusión, un investigador llamado Bjørn-Jostein Singstad realizó un estudio que reimaginó cómo observamos los datos médicos del mundo real. En lugar de intentar demostrar que las pruebas cardíacas causan mejores o peores resultados, el estudio planteó una pregunta más específica: si pudiéramos comparar mágicamente a los pacientes que recibieron pruebas dentro de los diez días posteriores a una visita de urgencias contra aquellos que no las recibieron, teniendo en cuenta cuidadosamente qué tan enfermos estaban al principio, ¿cuál sería la diferencia en su salud? El investigador utilizó un método llamado emulación de ensayos dirigidos (target-trial emulation), que es una forma de diseñar un estudio observacional para imitar la estructura de un experimento aleatorizado perfecto. Al vincular datos de más de 71,000 visitas a urgencias en un importante hospital entre 2010 y 2015, el estudio se centró en 51,158 encuentros donde los pacientes tenían tanto un electrocardiograma como registros médicos vinculados. El objetivo era medir el riesgo de un mal resultado —definido como un análisis de proteína cardíaca positivo o la muerte dentro de los treinta días— comparando a quienes se sometieron a pruebas de esfuerzo o cateterismos dentro de los diez días contra aquellos que no lo hicieron.

La mirada inicial a los datos mostró una diferencia marcada y esperada. Los pacientes que recibieron pruebas cardíacas tuvieron una tasa mucho mayor de malos resultados, con casi un 29 por ciento experimentando un análisis positivo o la muerte, en comparación con solo un 7 por ciento de los que no fueron probados. Esta brecha de 22 puntos porcentuales es exactamente lo que uno esperaría cuando se elige selectivamente a los pacientes más graves para las pruebas. Sin embargo, el estudio fue mucho más allá de esta comparación superficial. Utilizando técnicas estadísticas avanzadas que actúan como un filtro sofisticado, el investigador ajustó docenas de factores, incluyendo la edad, el género, la raza y los patrones específicos observados en los electrocardiogramas iniciales de los pacientes. Estos ajustes fueron diseñados para nivelar el campo de juego, creando una comparación justa entre los dos grupos como si hubieran comenzado con el mismo nivel de riesgo.

Después de aplicar estos ajustes, la enorme brecha en los resultados se redujo drásticamente. La diferencia de riesgo cayó de 22 puntos porcentuales a aproximadamente 6 puntos porcentuales. Esto significa que, incluso después de tener en cuenta el hecho de que los pacientes probados estaban más graves, todavía había una pequeña diferencia positiva en el riesgo que favorecía al grupo no probado, lo que sugiere que la estrategia de las pruebas podría estar asociada con resultados ligeramente peores. Sin embargo, el estudio no se detuvo ahí, porque el investigador sabía que la forma en que se organizaban los datos aún podía ocultar problemas invisibles. Un problema importante es algo llamado sesgo de tiempo inmortal, que ocurre cuando la definición de un grupo requiere que un paciente sobreviva lo suficiente para ser clasificado en él. En este estudio, un paciente tenía que permanecer en el hospital o sobrevivir hasta diez días para ser contado como "probado". Si un paciente moría en el segundo día, no podía estar en el grupo de probados, lo que hacía que el grupo probado pareciera artificialmente más sano en los primeros días.

Para probar cuánto importaba este problema de tiempo, el investigador cambió las reglas del juego. Cuando el margen para definir la "prueba" se acortó de diez días a solo un día, la diferencia estimada de riesgo colapsó casi por completo hasta llegar a cero. Esto sugiere que la pequeña diferencia de riesgo vista en la ventana de diez días podría no ser un efecto real de la prueba, sino un artefacto de cómo se definieron los grupos a lo largo del tiempo. Además, el estudio examinó una información específica: si un paciente había sido diagnosticado con un ataque al corazón el mismo día de su visita. Este diagnóstico apareció en el 43 por ciento de los pacientes probados pero en el cero por ciento de los no probados. Cuando el investigador eliminó esta pieza de información específica del análisis, la diferencia de riesgo estimada casi se duplicó, saltando de aproximadamente 6 puntos porcentuales a 11 puntos porcentuales. Este hallazgo resalta cuán frágiles son los resultados cuando se trabaja con datos donde el tiempo de un diagnóstico y la decisión de realizar una prueba están tan estrechamente entrelazados.

El estudio también calculó un valor para medir qué tan fuerte tendría que ser un factor no medido para explicar completamente los resultados. La cifra fue de 2.66, lo que implica que, si hubiera un factor oculto, como la gravedad de los síntomas de un paciente que los médicos no pudieron registrar, que fuera más de dos veces más probable causar tanto la prueba como los malos resultados, podría borrar la pequeña diferencia encontrada en el análisis. Dado que los médicos toman decisiones de prueba basadas en señales clínicas sutiles que a menudo no se capturan en las bases de datos, un factor oculto como este es totalmente plausible. El investigador concluyó que, si bien los métodos estadísticos lograron reducir el sesgo obvio causado por la selección de pacientes más graves para las pruebas, no pudieron eliminar la incertidumbre causada por la información faltante y la compleja sincronización de las decisiones médicas del mundo real.

En última instancia, este trabajo sirve como una poderosa demostración de los límites de los datos observacionales. Muestra que, incluso con las herramientas matemáticas más sofisticadas y los mejores registros disponibles, no podemos replicar la certeza de un experimento controlado cuando los datos provienen de la realidad desordenada de la medicina de urgencias. El estudio no demostró que las pruebas cardíacas sean perjudiciales, ni demostró que sean inútiles. En cambio, reveló que las pequeñas diferencias vistas en los datos son altamente sensibles a cómo se plantea la pregunta y qué piezas de información se incluyen. La lección es de cautela: si bien los métodos modernos pueden ayudarnos a ver a través de la niebla de la confusión, no pueden despejar las sombras del juicio clínico no registrado o la intrincada sincronización de las decisiones de vida o muerte. Los resultados sugieren que la aparente relación entre las pruebas y los malos resultados es probablemente un refleio de la gravedad subyacente de los pacientes y de las complejidades de los datos, más que una simple relación de causa y efecto que pueda corregirse fácilmente ajustando unos pocos números.