El riesgo absoluto y el riesgo relativo en los estudios

Las noticias sobre estudios epidemiológicos están cada día más de moda. No hay semana que no leamos que tal o cual comportamiento aumenta el riesgo de nosequé un X por ciento y en muchas ocasiones estas noticias y comportamientos están relacionados con la nutrición. Lo cierto es que son tantas y tan alarmantes uno podría llegar a la conclusión de que prácticamente todo es malo y que, haga lo que haga, existen gran cantidad de riesgos casi inevitables.

Para evitar esta sensación es necesario hacer una correcta interpretación de todas estas conclusiones y del concepto de "riesgo". Pero no todo el mundo entiende los valores  que suelen aparecer en este tipo de estudios, ni siquiera los periodistas que escriben y los artículos y titulares mencionados, lo cual muchas veces da lugar a información poco rigurosa y a menudo confusa que, más que aclarar ideas, sirve para poco más que para asustar.

Con objeto de intentar aportar mi granito de arena para solucionar esta situación, voy a explicar de forma sencilla y simplificada los dos tipos de riesgo que se utilizan, algo que puede ser de ayuda para entender mejor las conclusiones de estas investigaciones. Espero que los más expertos me perdonen las imprecisiones y generalizaciones que pueda perpetrar, ya que mi objetivo es intentar ser lo más didáctico posible.

Permítanme comenzar con un ejemplo sencillo y ficticio. Imaginemos el siguiente estudio epidemiológico observacional y sin intervención, con los siguientes datos, obtenidos tras unos años de análisis:

• 2000 sujetos estudiados, de los cuales la  mitad (1000) eran bomberos y  la otra mitad (1000) eran policías.
• Del total de 2000, 100 fallecieron prematuramente, de los cuales 40 eran bomberos y 60 eran policías.

Pues bien, en este ejemplo estos serían los dos tipos de riesgo:

Riesgo absoluto: Es el que se calcula teniendo en cuenta la muestra total. Por lo tanto, si han muerto 40 bomberos de cada 1000 y 60 policías de cada 1000, los bomberos tienen un 4 % de riesgo de morir prematuramente y los policías un 6%. Por lo tanto el riesgo absoluto de morir prematuramente es un 2% mayor entre los policías.

Riesgo relativo (RR): Es el que se calcula sin tener en cuenta la muestra total, sino comparando la diferencia de riesgo entre los dos grupos. En este caso, como el riesgo absoluto de un grupo es de un 6% y el del otro un 4%, el segundo número (el 4) es un valor un 33% menor que el primer número (un 6). Así que se dirá que el riesgo de los bomberos  es un 33% menor que el de  los policías.

Podríamos representar estas ideas gráficamente de la siguiente forma:

La comparación de riesgos o "riesgo relativo" también puede expresarse considerando uno de ellos la referencia (a la que se le suele asignar el valor de 1) y el otro la diferencia respecto a esa referencia (y se le asigna un valor menor de 1 si el riesgo se reduce o un valor mayor de 1 si aumenta). Es decir,  si consideramos en nuestro ejemplo el riesgo de los bomberos como 1 (referencia), el de los policías será de 1,5. O, a la inversa, si consideramos el de los policías como 1 (referencia), el de los bomberos será de 0,66.

El riesgo de las conclusiones de los estudios, el que da titulares, suele ser el relativo (RR). Científicamente puede ser más útil porque podría considerarse que amplifica la información y permite destacar con más claridad las diferencias. Y evidentemente impacta bastante más porque suele ser un número mucho mayor. Sin embargo, la información que aporta también es limitada porque no habla del riesgo real existente. En el ejemplo anterior podemos decir que los policías tienen un riesgo un 50% mayor que los bomberos de morir prematuramente, lo cual podría asustar a muchos en su decisión de hacerse policías. Pero también deberíamos informarles del riesgo absoluto, es decir, que la gran mayoría de ellos (entre el 94 y 96% de policías y bomberos), no tienen riesgo de muerte prematura. Así el tema suena mucho menos grave.

Por otro lado, además de esta interpretación de riesgo real o relativo, hay un factor más importante y serio que también puede verse influido cuando las diferencias de tamaño entre la muestra total y el número de afectados es grande (algo bastante habitual en epidemiología nutricional). Es la deducción de la causalidad.

Para que lo entienda mejor, le voy a poner un ejemplo con otro estudio ficticio, con datos inventados pero con  dimensiones y proporciones similares a los habituales.

• Se observa a un grupo de 10.000 vegetarianos, 1000 de los cuales tienen un infarto.
• Simultáneamente, entre la misma población se observa a otro grupo de 10.000 no-vegetarianos, 1200 de los cuales tienen un infarto.

Si calculamos el riesgo absoluto de tener un infarto, obtenemos que en el caso de los vegetarianos es un 10% y en el de los no vegetarianos un 12%. Hay una pequeña diferencia entre ambos del 2%. Sin embargo, si calculamos el riesgo relativo comparando ambos valores, obtendremos que los no vegetarianos tienen un riesgo un 20% mayor. Visualmente se representaría así:

Como he comentado en muchas ocasiones (y como puede leerse en este estupendo artículo en Naukas o en este otro de Xataka Ciencia), los estudios observacionales analizan si existe una relación, pero no deducen necesariamente la causalidad. Aunque se haya encontrado una asociación entre dos factores, no se puede deducir con seguridad que uno está causando el otro, un error que se ha cometido a menudo en el pasado (por ejemplo con la ingesta de grasas, a la que se les ha achacado gran cantidad de problemas de forma injusta). Si además el error absoluto es pequeño, las posibilidades de estar cometiendo este error son aún mayores.

Pues bien, se ha demostrado en numerosos estudios que, en general, las personas que practican el vegetarianismo, además de no comer carne también suelen tener otras costumbres que podrían influir en la prevención de infartos: van más al monte, tienen menos estrés, practican más deporte, fuman menos, beben más agua, caminan habitualmente, toman menos sal… Son las llamadas variables de confusión. No todos los vegetarianos son super-modélicos, pero en la globalidad suelen tener estos buenos hábitos con más frecuencia. Y desde el punto de vista epidemiológico alguno de ellos puede estar influyendo en esa pequeña diferencia de riesgo absoluto de los vegetarianos del 2%.

Para minimizar estas posibles influencias - el efecto de estas “variables de confusión” - se suelen aislar mediante ajustes estadísticos, un método relativamente eficaz si los números y las muestras acompañan. Cuantas más variables de confusión se utilicen en los ajustes, más posibilidades tendremos de aislar el efecto de todas. El problema es que también este ajuste pierde precisión y fiabilidad si el error absoluto es muy pequeño, ya que en ese caso las variables de confusión que puedan estar afectando al resultado pueden ser muchas y no estar identificadas.  Ese 2% de ventaja de los vegetarianos en infartos sufridos podría deberse a la poca sal que comen o al menor estrés que suelen percibir, dos variables de confusión que no suelen tenerse en cuenta en los ajustes estadísticos.

Para complicarlo todo un poquito más, la falta de precisión de los datos que se utilizan en este tipo de estudios (obtenidos mediante cuestionarios a menudo autocompletados por los propios pacientes) aumentan la incertidumbre y también podrían estar afectando a los riesgos calculados.

En definitiva y como conclusión, creo que a la hora de valorar e interpretar los resultados de riesgo de un estudio epidemiológico habría que tener en cuenta todos estos factores y, sobre todo, los dos tipos de riesgo, el absoluto y el relativo. Aunque, lamentablemente, a menudo los investigadores no suelen aportar información sobre el primero. Sospecho que, entre otras razones, porque es mucho menos espectacular que el segundo.

Como siempre, si quiere leer algo más sobre el riesgo relativo y absoluto, le incluyo unos enlaces con algún texto sencillo e interesante:

• Tips for learners of evidence-based medicine: 1. Relative risk reduction, absolute risk reduction and number needed to treat (2004)
• Relative risk, relative and absolute risk reduction, number needed to treat and confidence intervals (2008)