Como estudiante de medicina de tercer año, siempre llevé tres elementos esenciales durante mi pasantía en medicina de emergencia: un estetoscopio, un Celsius y, al alcance de mi mano, MDCalc. Con unos pocos toques, puedo traducir la incertidumbre en marcos: criterios de Wells para la embolia pulmonar, Nexus para las imágenes de la columna cervical, CAM para el delirio, COWS para la abstinencia de opioides. Estas herramientas no reemplazaron mi razonamiento clínico, pero sí lo aumentaron. Me permitieron justificar y presentar mis decisiones ante mi presencia o los residentes.
Adopté esta práctica de mis rotaciones anteriores durante la clínica de cirugía ambulatoria después de asistir a la cita del ensayo CODA en evaluación directa y planes para justificar los antibióticos sobre la cirugía para la apendicitis no complicada, un ensayo controlado aleatorio publicado en el NEJM que solicita cirugía. CODA2002000000000000000000000000000000000000000000000000000000000 0000000000000000000000000000000000000000000000000000000000000000. Ese momento se quedó grabado en mí. La prueba no fue sólo académica; Fue funcional. Puede legitimar la moderación. Puede evitar la desviación de la tradición. Me sentí segura sabiendo que mi juicio clínico estaba respaldado por datos. El riesgo se puede estratificar. La decisión se puede defender.
Las puntuaciones clínicas son cajas negras.
Sin embargo, cada vez que abro MDCalc y recorro su catálogo, me pregunto quién los hizo y cómo. La puntuación de Wells, formalizada en una regla de decisión derivada de la gestalt clínica, mejora las estimaciones de probabilidad previas al tiempo que conserva elementos subjetivos (Wells et al., 1997). NEXUS redujo sustancialmente las imágenes innecesarias de la columna cervical con una tasa de errores pequeña pero aceptable, lo que refleja una compensación intencional a nivel de la población (Hoffman et al., 2000). La CAM, aunque ampliamente aceptada, ha demostrado una sensibilidad variable según la formación del usuario y el entorno clínico (Inouye et al., 1990). Estas herramientas han logrado validación a través de validación rigurosa, significación estadística, intervalos de confianza y métricas de desempeño diagnóstico, pero ninguna es imprecisa o está destinada a ser aplicada sin juicio clínico.
Lo que me preocupaba no era que estos modelos tuvieran limitaciones; Con qué facilidad se retroceden estas limitaciones a medida que los modelos se institucionalizan. Lo que comenzó como ayudas potenciales se convirtió gradualmente en protocolos. Los protocolos, a su vez, empiezan a parecer reglas. Desde el punto de vista de un estudiante, la doctrina de la prueba tenía una manera de ser vaga.
De consumidor a crítico
Casi al mismo tiempo, un grupo de compañeros de clase y yo desarrollamos algo paralelo a esta comprensión. Bajo la dirección de un asesor docente y un bioestadístico, desarrollamos un plan de estudios de acceso abierto en análisis e interpretación de datos. El objetivo era modesto: capacitar a los estudiantes de medicina para que hicieran mejores preguntas para comprender mejor sus datos, no para reemplazar a los estadísticos profesionales, sino para colaborar de manera más significativa con ellos. Hemos combinado este plan de estudios con tutoría estadística gratuita dirigida por pares para estudiantes que participan en investigaciones.
El descargo de responsabilidad era claro: esto no reemplazaba la supervisión de expertos. Más bien, fue una solución prometedora a la inacción. A menudo, los estudiantes que participan en la revisión de gráficos actúan como trabajadores subvencionados en lugar de pensadores, extrayendo datos sin comprender cómo se analizarán, interpretarán o, en última instancia, utilizarán. A medida que se amplió el plan de estudios, incluimos módulos de diseño de estudios, recopilación de datos basada en REDCap y análisis prácticos utilizando R y SPSS. Estudiantes seleccionados que alguna vez consideraron la investigación como opaca comenzaron a diseñar sus propios estudios. Pasaron del desempeño a diseñar preguntas, seleccionar resultados, predecir sesgos y comprender cómo un resultado estadísticamente significativo puede no siempre traducirse en relevancia clínica.
Este cambio de consumidor a crítico, de seguidor a interrogador me resultó profundamente familiar. Refleja la aprensión que estoy empezando a sentir en los departamentos de emergencia, donde los equipos elegantes a veces enmascaran la incertidumbre en lugar de iluminarla. En ambos espacios, la lección fue la misma: la evidencia es más sólida cuando se comprende cómo se elabora.
Los peligros de los medicamentos de receta
Esta comprensión cristalizó para mí mientras leía Blind Spot, donde el Dr. Marty Macari invoca al Dr. David Sackett, a menudo llamado el padre de la medicina basada en la evidencia. El Dr. Sackett advirtió que la medicina basada en evidencia nunca puede ser un libro de cocina. Advirtió contra la arrogancia de la medicina preventiva, impulsada por más autoridad que hechos, con intervenciones promovidas agresivamente antes de ser probadas rigurosamente, causando a veces daños masivos. Criticó las directrices acientíficas y el silenciamiento de la disidencia en busca de certezas.
La historia no ha sido amable con la supremacía médica.
La tesis central sigue siendo esencial: la buena medicina requiere tanto la mejor evidencia externa disponible como experiencia clínica individual. Cualquiera de los dos por sí solo es insuficiente.
Como aprendiz, esta tensión se manifiesta todos los días. Nos enseñan algoritmos, vías y puntuaciones, herramientas que sin lugar a dudas mejoran la atención a escala. Al mismo tiempo, mi presencia en EM nos recordará acertadamente que «tratemos al paciente, no al número». El desafío no es rechazar la evidencia sino resistir la tentación de subcontratarla.
La medicina basada en la evidencia es poderosa precisamente porque abarca la incertidumbre. El valor P no nos exime de responsabilidad; Exigen explicaciones. Un hallazgo estadísticamente significativo no es un imperativo moral. Las directrices son estimaciones congeladas en el tiempo, a la espera de revisión.
Aquí es donde el escepticismo saludable se convierte en una cualidad profesional.
Hacer preguntas no debe considerarse un insulto. Es fidelidad al método científico. ¿Por qué se diseñó este estudio de esta manera? ¿Quién queda fuera? ¿Qué resultados se seleccionaron y por qué? ¿Qué incentivos dan forma a esta recomendación? ¿Qué daño puede desaparecer el promedio?
Cuando la medicina hace recomendaciones basadas en estudios rigurosos, datos transparentes y humildad sobre lo que aún no sabemos, nuestra profesión brilla. Minimizamos los daños. Nos ganamos la confianza. Pero cuando el cuestionamiento se vuelve tabú y la certeza se vuelve funcional, corremos el riesgo de repetir los errores que la medicina basada en la evidencia debía prevenir.
Todavía uso MDCalc a medida que avanzo en el entrenamiento. Todavía cito el juicio. Sigo creyendo firmemente en el poder de los datos. Pero ahora veo la evidencia no como un escudo contra la incertidumbre, sino como una lente a través de la cual examinarla con mayor honestidad.
La medicina no es un libro de cocina. Es un diálogo entre datos y juicios, pasado y presente, humildad y convicción. Nuestra responsabilidad como médicos en formación no es sólo seguir la evidencia, sino comprenderla lo suficientemente bien como para cuestionarla cuando sea necesario.
Jay Pendiala es estudiante de medicina.
