Autor/es reacciones

Ramón Salazar

Jefe de Oncología Médica del Instituto Catalán de Oncología (ICO), jefe del Grupo de Investigación del Cáncer Colorrectal, programa Oncobell (IDIBELL) y profesor agregado de Medicina de la Universidad de Barcelona

Aunque la calidad de la recogida de datos sea alta, se trata de un estudio observacional bastante heterogéneo en cuanto al origen y naturaleza de sus bases de datos.

Desconocía la relación propuesta entre la infección por Helicobacter pylori y cáncer colorrectal, pero puede tener sentido si la bacteria se identifica en el colon, por su capacidad proinflamatoria, pero en este estudio lo han cuantificado o detectado solo en estómago.

El estudio encuentra una asociación entre Helicobacter pylori (detectado solo en estomago) y cáncer colorrectal, pero eso no significa que haya demostrado que la bacteria sea la causa de esos tumores. Además de que la medición en el estómago no tiene por qué implicar su presencia en la mucosa de colon, donde efectivamente podría causar una reacción inflamatoria procancerígena, los resultados de la fuerza de correlación cambian sustancialmente según qué estudios se tengan en cuenta, lo que indica que el resultado no es especialmente estable.

Este es uno de los grandes problemas de la inferencia causal: casualidad no es causalidad. Como plantea Nassim Nicholas Taleb en su libro Fooled by Randomness, podemos construir relatos muy convincentes a partir de asociaciones que en realidad reflejan azar, sesgos o factores que no hemos tenido en cuenta. En ciencia, encontrar una asociación es solo el principio; después debe existir un mecanismo de acción racional que explique la causalidad y finalmente validarlo: lo difícil es demostrar que no estamos siendo engañados por la casualidad.

En resumen, aunque el estudio está bien trabajado y los autores intentan comprobar sus resultados de distintas formas, sigue dependiendo de datos observacionales, estudios muy diferentes entre sí, posibles errores al medir la exposición a H. pylori y varias suposiciones del propio modelo. Por eso, sus resultados deben verse como exploratorios y generadores de hipótesis, no como una demostración definitiva de causalidad.

ES