Lucas Tafur

NUEVO POST: EL DIAGRAMA NUTMOL

🍽Convencionalmente, los factores nutricionales y/o alimentos se muestran en una pirámide, en orden de importancia y sin interrelación aparente.

☝️En realidad, cada uno de los factores que influyen sobre una dieta están interrelacionados, afectando directamente uno al otro.

💡El diagrama Nutmol muestra los cuatro factores principales que influyen en la dieta: Macronutrientes, micronutrientes, ambiente y distribución de comidas. En vez de una pirámide utilizamos un diagrama para mostrar que todos son importantes y relacionados entre sí.

👉La aproximación Nutmol permite integrar estos componentes utilizando los mismos principios metabólicos y optimizar la dieta para cada caso específico.

Leer más: https://www.nutmol.com/blog/pilares-de-una-dieta-adecuada-el-diagrama-nutmol

¿Qué tanto podemos confiar en la evidencia "científica"?

Un nuevo estudio (1) sugiere que generalizar observaciones obtenidas a partir del análisis de grupos de personas (usando valores promedios) es muy impreciso a nivel individual: la variabilidad individual es hasta 4 veces mayor que la variabilidad grupal. Es decir, la aplicabilidad del análisis de un grupo (y su comparación con otro grupo) es bastante limitada y puede producir conclusiones erróneas.

Es muy común observar que la gente dice que tal estudio "ha demostrado que X cosa si/no funciona", especialmente con el auge de las personas "basadas en evidencia".

Lamentablemente, estas mismas personas no son capaces de evaluar adecuadamente la evidencia y qué tanto podemos concluir de ella, considerando que:

- Existe gran individualidad en la respuesta a un tratamiento. Esto es aparente cuando los autores incluyen gráficas con data individual (no agregada), que lamentablemente, es lo menos común.

- Muchos de estos estudios usan un número muy pequeño de sujetos (y suelen ser por periodos cortos de tiempo) y por lo tanto, es muy difícil saber si la falta de una diferencia significativa es real o simplemente porque carece de poder para detectarlo. En la mayoría, la calidad de estos estudios (que tan rigurosos son) es muy baja.

- En otros casos, la data de estos estudios tiene indicios de no ser confiable para inferir conclusiones; sin embargo, igual se utiliza e interpreta.

- Es muy difícil controlar todas las variables cuando se hacen estudios con gente en condiciones normales ("libres"). En algunos casos no es posible confirmar adherencia al protocolo asignado.

- Una diferencia estadísticamente significativa no es necesariamente una diferencia clínicamente útil.

- Los estudios solo pueden disminuir la incertidumbre respecto de un tema, NUNCA comprobar (o desmentir) al 100% una hipótesis.

Por estas y algunas otras razones, es importante considerar las limitaciones de los estudios y su aplicabilidad. Muchas veces los mismos autores sobre-interpretan sus resultados (para aumentar el impacto de su investigación, etc.). Otras veces, es la gente la que sobre-interpreta un hallazgo particular.

En todo caso, hay que ser más cuidadosos y no caer en el error de pensar que porque un estudio de baja calidad concluye algo determinado, esa es la verdad absoluta sobre el tema.

(1)

Lack of group-to-individual generalizability is a threat to human subjects research The current study quantified the degree to which group data are able to describe individual participants. We utilized intensive repeated-measures data—data that have been collected many times, across many individuals—to compare the distributions of bivariate correlations calculated within subjec...