La jerarquía de evidencia ordena los estudios por su capacidad de establecer causalidad: de la anécdota y el modelo celular en la base, hasta el ensayo controlado aleatorizado y el metaanálisis en la cúspide. Un hallazgo espectacular en el nivel bajo pesa menos que un resultado modesto en el alto.
La pirámide, de abajo hacia arriba
| Nivel | Tipo de estudio | Qué permite afirmar |
|---|---|---|
| 1 (base) | Opinión, anécdota, testimonio | Nada generalizable |
| 2 | Estudio in vitro (células) | Que algo ocurre en un sistema aislado |
| 3 | Estudio en animales | Que algo ocurre en esa especie, en ese modelo |
| 4 | Serie de casos | Que ocurrió en unos pocos individuos, sin comparación |
| 5 | Estudio observacional | Asociación, nunca causalidad |
| 6 | Ensayo controlado aleatorizado | Causalidad, en la población estudiada |
| 7 (cúspide) | Revisión sistemática y metaanálisis | Síntesis de todos los ensayos disponibles |
La regla que resume la pirámide entera: cuanto más arriba, menos margen para que el resultado se explique por algo distinto de lo que se estudió.
Un error frecuente es tratar el nivel como una cuestión de prestigio. No lo es: es una cuestión de qué otras explicaciones quedan descartadas. Un estudio observacional no es peor ciencia que un ensayo; sencillamente deja abiertas más explicaciones alternativas.
Modelo celular, modelo animal y por qué casi nada se traduce
La mayor parte de la literatura sobre péptidos de investigación vive en los niveles 2 y 3. Merece la pena entender qué significa eso.
In vitro significa células en una placa. La concentración de compuesto que se aplica suele ser muy superior a la que alcanzaría un tejido vivo, no hay metabolismo hepático, no hay barrera intestinal, no hay sistema inmune y no hay las otras cuarenta cosas que ocurren en un organismo. Un efecto in vitro es una hipótesis, no un hallazgo.
En animales ya hay organismo, pero hay tres saltos que dar antes de llegar a una persona: la especie es distinta, el modelo de enfermedad es inducido artificialmente y no se parece necesariamente a la enfermedad humana, y las dosis suelen escalarse por peso, lo cual es una simplificación discutible.
La tasa de traslación de hallazgos preclínicos prometedores a fármacos aprobados es baja en todas las áreas terapéuticas. No es una particularidad de los péptidos: es cómo funciona el desarrollo de fármacos. La mayoría de las moléculas que entusiasman en un modelo animal no llegan a ninguna parte, y eso no implica que la investigación estuviera mal hecha.
Las cuatro fases de investigación clínica
| Fase | Pregunta que responde | Participantes típicos |
|---|---|---|
| Fase 1 | ¿Es tolerable? ¿Qué le hace el cuerpo? | Decenas, con frecuencia sanos |
| Fase 2 | ¿Hace algo? ¿A qué dosis? | Cientos, con la condición |
| Fase 3 | ¿Funciona frente a comparador, en una población grande? | Cientos a miles |
| Fase 4 | ¿Qué aparece con uso masivo y prolongado? | Tras la aprobación |
Dos precisiones que cambian cómo se leen los titulares:
Fase 2 no confirma nada. Está diseñada para explorar dosis y detectar señal, no para demostrar eficacia. Un resultado espectacular en fase 2 se atenúa con frecuencia en fase 3, y eso ocurre tanto que tiene nombre propio en la literatura metodológica.
Fase 4 es donde aparecen los efectos raros. Un efecto adverso que ocurre en uno de cada diez mil no se detecta en un ensayo de dos mil personas. Se detecta cuando lo usan millones.
Topline frente a publicación revisada por pares
Un topline es un comunicado del promotor del ensayo con los resultados principales. Es información legítima y con frecuencia exacta, pero tiene dos limitaciones estructurales: no ha pasado revisión independiente y el promotor elige qué destacar.
Una publicación revisada por pares incluye métodos completos, análisis secundarios, efectos adversos detallados y las limitaciones que los revisores exigieron reconocer. Es donde se ve lo que un comunicado no cuenta.
La diferencia no es teórica: cuando este sitio cita datos preliminares, lo declara expresamente precisamente porque una cifra puede matizarse en la publicación posterior.
Las siete señales de alarma
1. Muestra pequeña. Un ensayo con doce participantes puede sugerir; no puede demostrar. Cuanto menor es la muestra, más probable es que el resultado sea ruido.
2. Sin grupo control. Sin comparador no se sabe qué habría pasado sin la intervención. Muchas condiciones mejoran solas, y el efecto placebo es real y medible.
3. Sin cegamiento. Si participantes o evaluadores saben quién recibe qué, la expectativa contamina la medición — sobre todo en desenlaces subjetivos como el dolor.
4. Endpoint sustituto. Se mide un marcador en lugar del desenlace que importa. Tiene su propio apartado más abajo.
5. Conflicto de interés no declarado. No invalida un estudio, pero es información que el lector necesita para ponderarlo.
6. Sin replicación. Un resultado único es una hipótesis hasta que otro grupo independiente lo reproduce.
7. El resultado no coincide con el registro previo. Los ensayos se registran antes de empezar, declarando qué van a medir. Cuando el artículo publicado reporta un desenlace distinto del registrado, hay que preguntarse qué pasó con el original. Se llama outcome switching y es más común de lo que parece.
Endpoint sustituto frente a desenlace clínico
Esta distinción es probablemente la más útil de todo el artículo.
Un desenlace clínico es algo que le importa directamente a una persona: vivir más, sufrir menos infartos, recuperar función.
Un endpoint sustituto es un marcador que se supone que predice ese desenlace: colesterol, presión arterial, densidad ósea, un valor de laboratorio.
Los sustitutos son atractivos porque se miden rápido y barato. El problema es que mejorar el marcador no garantiza mejorar el desenlace, y la historia de la medicina está llena de casos donde el marcador mejoró y el resultado clínico empeoró.
Un ejemplo concreto y actual está en las lecturas de fase 3 de retatrutide: TRIUMPH-3 mejoró de forma notable varios marcadores de riesgo cardiovascular —triglicéridos, presión, hsCRP— y sin embargo los compuestos de eventos cardiovasculares mayores no alcanzaron significación estadística. Marcadores mejor, eventos sin demostrar. Son dos cosas distintas y confundirlas es el error más caro que se puede cometer leyendo un titular.
Cómo leemos la evidencia aquí
Nuestra política editorial define la jerarquía que aplicamos, y sus tres reglas operativas son:
El nivel se dice en el texto, no en una nota. Cuando un hallazgo viene de un modelo animal, la frase lo dice. No aparece "prometedor" a secas.
Ninguna cifra sin ensayo, población y momento. Un porcentaje sin decir de qué ensayo, en qué población y en qué semana no es un dato: es una impresión con decimales.
Lo que no se resuelve tiene su propio apartado. Cada artículo incluye qué queda abierto, y es obligatorio.
Nada de esto convierte el contenido en literatura científica. Es contenido educativo con las fuentes a la vista, que es una categoría más modesta y, creemos, más honesta.
Preguntas frecuentes
¿Un estudio en ratones no sirve para nada?
Sirve, y mucho: es como se generan las hipótesis que después se prueban en personas. Lo que no permite es afirmar que algo funcionará en humanos. Es un punto de partida, no una conclusión.
¿Qué tamaño de muestra es suficiente?
Depende del efecto que se busque: un efecto grande se detecta con pocos participantes; uno pequeño necesita muchos. Por eso los ensayos calculan su tamaño de antemano. Un estudio que no declara ese cálculo omite información relevante.
¿Un metaanálisis es siempre la mejor evidencia?
Es el nivel más alto de la pirámide, pero hereda la calidad de lo que agrega. Un metaanálisis de estudios malos produce una conclusión mala con más decimales. La expresión que lo resume en la literatura metodológica es contundente: garbage in, garbage out.
¿Por qué un resultado de fase 2 se atenúa en fase 3?
Por varias razones combinadas: las fases 2 suelen usar poblaciones más seleccionadas, los efectos iniciales tienden a regresar a la media al replicarse, y una fase 3 mide en condiciones más parecidas a la práctica real.
Referencias
- Guyatt GH, et al. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ, 2008;336:924–926. DOI: 10.1136/bmj.39489.470347.AD
- Ioannidis JPA. Why Most Published Research Findings Are False. PLoS Medicine, 2005;2(8):e124. DOI: 10.1371/journal.pmed.0020124
- Perel P, et al. Comparison of treatment effects between animal experiments and clinical trials: systematic review. BMJ, 2007;334:197. DOI: 10.1136/bmj.39048.407928.BE
- Prasad V, et al. The strength of association between surrogate end points and survival in oncology. JAMA Internal Medicine, 2015;175(8):1389–1398. DOI: 10.1001/jamainternmed.2015.2829
- Goldacre B, et al. COMPare: a prospective cohort study correcting and monitoring 58 misreported trials in real time. Trials, 2019;20:118. DOI: 10.1186/s13063-019-3173-2
Escrito por el Equipo Editorial Bionic. Última revisión: agosto de 2026.
Cómo trabajamos: nuestra política editorial y jerarquía de fuentes.
Este contenido es exclusivamente educativo y no constituye consejo médico, diagnóstico ni recomendación terapéutica. Los compuestos mencionados son productos de investigación (Research Use Only) y no están aprobados por INVIMA, FDA, EMA ni ANSM para uso terapéutico en humanos. Cualquier decisión relacionada con la salud debe tomarse con un profesional médico habilitado.