Cómo leer una afirmación científica sin ser experto

Caso ficticio. Teresa, nombre inventado, abre una publicación que dice: «Un estudio demuestra que este té acelera el metabolismo». Más abajo, otro anuncio asegura que «la ciencia respalda» una cápsula, y su hermana le manda un video donde alguien afirma que «los científicos descubrieron» la causa de la fatiga. Teresa no quiere volverse experta ni aprender estadística: quiere saber qué preguntar para no comprar por un titular. Le llama la atención que todas las frases usen la palabra estudio y ninguna diga en quién se hizo, con qué se comparó ni cuánto cambió. Esta lección no la convierte en científica; le da cinco preguntas que se contestan en dos minutos y que separan una afirmación con método de una frase con vocabulario científico.

Un estudio es un método, no un veredicto

La palabra estudio no dice nada por sí sola. Debajo caben cosas muy distintas: células en una caja, ratones en un laboratorio, una encuesta a clientes, un ensayo con personas y grupo de comparación. También caben tamaños y duraciones que cambian todo: veinte personas durante dos semanas no permiten lo mismo que miles durante años. Cuando un anuncio dice «un estudio demuestra», está usando una palabra seria para saltarse la parte que importa: qué se hizo, en quién y cómo. La palabra no es una mentira; es un envoltorio.

Los científicos suelen ser más prudentes que la publicidad. En un artículo es raro leer «demuestra»; es más común «sugiere», «se asoció» o «en este modelo observamos». Esa diferencia no es un tecnicismo: marca la distancia entre un resultado y una conclusión. Una sola investigación es una pieza; lo que sostiene una recomendación es el conjunto de piezas que apuntan en la misma dirección. Por eso la primera pregunta útil no es «¿hay un estudio?», sino «¿cuántos hay y qué dicen en conjunto?». El investigador conoce los límites de su trabajo; el titular los borra para que la noticia se vea más grande.

La muestra: a quién se estudió

Toda afirmación científica se apoya en alguien. Pregunta quiénes eran, cuántos y cómo se eligieron. Un grupo de estudiantes jóvenes y sanos no representa a una persona de sesenta años con una condición diagnosticada; un grupo de voluntarios muy motivados no representa a quien abandona el primer mes. La forma de elegir también importa: si participan sólo quienes se ofrecen, suelen ser personas con más tiempo, más interés o más salud que el promedio. Eso no invalida el estudio, pero limita a quién se le puede aplicar.

La duración es la otra mitad de la muestra. Un cambio observado en cuatro semanas describe cuatro semanas, no una vida. Muchos efectos se miden al principio y luego se estabilizan; otros aparecen tarde. Tampoco hace falta calcular nada: basta con preguntar a quién se parece la gente del estudio, cuánto tiempo duró y si el resultado se midió al final o sólo al principio. Si la publicación no lo dice, ya sabes que el titular está contando menos de lo que el estudio hizo. Y recuerda que un promedio no describe a cada persona: dentro del grupo hay quienes mejoran, quienes no cambian y quienes empeoran. El promedio esconde esa diversidad.

El grupo control: la comparación que falta

Para saber si algo funcionó hay que compararlo con algo. Ese algo puede ser no hacer nada, seguir la alimentación habitual, recibir una versión sin el ingrediente activo o probar otra cosa. Si todos los participantes recibieron el producto y todos mejoraron, no se sabe qué habría pasado sin él: quizá el paso del tiempo, la atención recibida o el cambio de estación produjeron la mejora. El grupo de comparación es lo que convierte una anécdota colectiva en un dato. Sin ese contraste, cualquier mejora parece un mérito de lo probado, aunque podría haber ocurrido igual sin ello.

Mejorar no es lo mismo que mejorar más. Imagina dos grupos: uno toma el producto y otro no. Los dos mejoran, pero el primero mejora apenas un poco más. La señal está en la diferencia entre los grupos, no en el entusiasmo del grupo que recibió algo. Un anuncio puede mostrar sólo la mejora del primero y omitir que el segundo también mejoró. Preguntar «¿comparado con qué?» no exige estadística: exige que la publicación nombre el término de comparación. El grupo control tampoco tiene que ser perfecto para ser útil: basta con que permita estimar qué habría pasado sin la intervención.

El tamaño del efecto: cuánto, para quién y por cuánto tiempo

Una diferencia puede ser real y, al mismo tiempo, tan pequeña que no cambie tu vida. La pregunta no es sólo si hubo diferencia, sino de qué tamaño, en quién y durante cuánto tiempo. Un cambio en un análisis de laboratorio no equivale a sentirse mejor, y sentirse mejor durante un mes no equivale a un beneficio que se sostiene. Cuando una fuente honesta habla de «beneficios modestos», está diciendo justamente eso: hay algo, pero no es lo que promete el anuncio. El tamaño se mide en la unidad que el estudio eligió: kilos, minutos, puntos de una escala o un valor de laboratorio. La unidad importa, porque un cambio enorme en una medida sin importancia puede no significar nada para tu día.

La publicidad tiende a comprimir el tiempo y a ampliar el tamaño. Convierte un resultado medido en un marcador en una promesa sobre el cuerpo entero, y un mes de observación en una solución para siempre. Para no caer en esa traducción, pide tres datos: cuánto cambió, en quién se midió y durante cuánto tiempo. Si la respuesta es «mucho, en todos y para siempre», la afirmación dejó de sonar a ciencia y empezó a sonar a venta. Hay además una diferencia entre un marcador y un desenlace: bajar un número en un análisis es distinto de vivir más años o de sentirse mejor. Muchas promesas saltan de uno a otro sin avisar.

Animales, células y humanos

Una parte importante de la investigación empieza en células o en animales, y eso es legítimo: sirve para explorar mecanismos y decidir qué vale la pena probar después. Pero un resultado en una célula no dice qué ocurre en un cuerpo completo, y un ratón no metaboliza igual que una persona, vive menos y recibe cantidades que no se traducen directamente. Cuando una afirmación dice «en modelos animales», está hablando de una pista, no de una promesa para humanos. Tampoco es lo mismo una célula aislada que un tejido, ni un ratón sano que uno con una condición parecida a la humana.

Llamar «preliminar» a esa evidencia no es despreciarla: es ubicarla. Preliminar significa que está al principio, que todavía falta comprobar si el efecto aparece en personas, con qué magnitud y sin daños. El problema no es que exista evidencia temprana; el problema es venderla como si fuera la última palabra. La pregunta concreta es sencilla: ¿ya se probó en personas, cuántas eran y durante cuánto tiempo? Si la respuesta es no, la promesa para tu cuerpo todavía no existe. La investigación avanza por capas: primero el mecanismo, luego el animal, después grupos pequeños y al final estudios amplios. Saltarse capas es lo que convierte una hipótesis en eslogan.

Asociación no es causalidad, y la revisión por pares no es un sello de verdad

Que dos cosas aparezcan juntas no significa que una cause la otra. Quienes toman cierto suplemento pueden dormir mejor, ganar más o ir más al médico; cualquiera de esas diferencias podría explicar parte del resultado. También puede ocurrir al revés: quizá las personas con más energía son las que buscan el suplemento. A esto se le llama asociación, y es útil para generar hipótesis, no para afirmar una causa. Para acercarse a una causa hace falta comparar grupos parecidos y descartar explicaciones alternativas.

La revisión por pares ayuda, pero no es una garantía. Antes de publicar, otros especialistas leen el trabajo y señalan fallas evidentes; eso filtra errores y mejora la calidad. No repite el estudio, no comprueba cada dato y no impide que un resultado se caiga años después. Un artículo revisado puede describir un hallazgo cierto y pequeño que el anuncio convierte en promesa enorme. Leer la afirmación completa —quién, cuántos, cómo, comparado con qué, cuánto, cuánto tiempo y si se repitió— sigue siendo la mejor defensa, y no requiere calcular nada.