Cómo leer un estudio sobre cannabis sin que te engañen

Por qué los titulares sobre cannabis fallan tanto

El cannabis es un tema en el que casi todo el mundo tiene opinión antes de leer nada. Eso afecta a todos los eslabones: la nota de prensa, el medio y quien lo comparte. Cada uno recorta matices, y un estudio que decía "se observó una asociación en una muestra concreta" acaba convertido en "el cannabis provoca X" o en "el cannabis es la solución para X". Las dos versiones suelen estar equivocadas, aunque apunten en direcciones opuestas.

Esta guía no te dice qué creer sobre el cannabis. Te da una rutina corta para comprobar si lo que te cuentan se sostiene. Es una guía de método, no de salud: si tienes dudas sobre tu salud, la respuesta está en una consulta, no en un titular.

1. ¿Quién lo hizo y quién lo paga?

Busca en el artículo original, no en la noticia, la institución de los autores, la financiación y los conflictos de interés declarados. En PubMed, la ficha de cada artículo enlaza con el texto de la revista, donde suelen constar la financiación y los conflictos declarados.

• Financiación pública o independiente: no garantiza nada, pero reduce un tipo de sesgo.
• Financiación de una empresa con algo que vender: no invalida el estudio, pero pide leerlo con más cuidado.
• Sin declaración de conflictos: es una señal para mirar más.

Beetle Print vende accesorios. Por eso esta guía no incluye consejos de consumo ni de producto.

2. ¿Qué tipo de estudio es?

No todos los estudios pesan lo mismo, y el diseño marca qué se puede concluir.

Que un ensayo aleatorizado sea un buen diseño no significa que todo ensayo sea bueno. La herramienta RoB 2 evalúa el sesgo en cinco dominios, entre ellos las desviaciones de las intervenciones previstas y la medición del resultado. Según sus autores, el riesgo de sesgo global "generalmente corresponde al peor riesgo de sesgo en cualquiera de los dominios" (Sterne JAC et al., BMJ 2019;366:l4898 (RoB 2)).

3. ¿Cuánta gente y qué gente?

Una muestra pequeña da resultados ruidosos. Una muestra grande pero muy particular (solo estudiantes, solo pacientes de una clínica) da resultados limpios que no se pueden generalizar. Mira el tamaño, quiénes son, cuánto duró y cuántos abandonaron por el camino.

En 2005, Ioannidis JPA, PLoS Medicine 2005;2(8):e124 resumió el problema: la probabilidad de que un hallazgo sea cierto depende de la potencia del estudio y del sesgo, del número de estudios sobre la misma pregunta y de la proporción de relaciones verdaderas frente a falsas en un campo. Entre los factores que reducen esa probabilidad enumera estudios más pequeños, efectos más pequeños, más flexibilidad en diseños y análisis, y más intereses económicos. Sus simulaciones indican que, "para la mayoría de diseños y escenarios", es más probable que un hallazgo sea falso que cierto.

4. Correlación no es causa (un ejemplo real)

Que dos cosas aparezcan juntas no significa que una produzca la otra: puede haber una tercera, puede ser al revés o puede ser casualidad. Un ejemplo real y sin relación con el cannabis para practicar la pregunta: en 2012, la revista N Engl J Med publicó un artículo cuyo título ya enlaza tres cosas, el consumo de chocolate, la función cognitiva y los premios Nobel (Messerli FH, N Engl J Med 2012;367:1562-1564). La ficha de PubMed indica que no tiene resumen.

No hace falta leerlo entero para entrenar el criterio. Ante un titular que enlaza dos cosas, pregunta:

• ¿Se compara a personas o a grupos grandes, como países?
• ¿Qué más distingue a esos grupos entre sí (riqueza, inversión en ciencia, tamaño)?
• ¿La relación podría ir al revés?
• ¿Hay un mecanismo que se haya comprobado, o solo una coincidencia de números?

Una asociación entre promedios de grupos no dice lo que le pasa a una persona concreta. Así se leen también muchos titulares: una asociación como si fuera una causa.

5. El p-valor no dice lo que crees

Muchos estudios resumen su resultado con "p < 0,05" y la noticia lo traduce a "es significativo, luego es cierto". La Asociación Estadounidense de Estadística (ASA) publicó en 2016 un comunicado sobre esto (Wasserstein RL, Lazar NA, The American Statistician 2016;70(2)). Entre sus puntos:

• El p-valor "no mide la probabilidad de que la hipótesis estudiada sea cierta, ni la probabilidad de que los datos se hayan producido solo por azar".
• Las conclusiones científicas no deberían basarse "solo en si un p-valor supera un umbral".
• El p-valor "no mide el tamaño de un efecto ni la importancia de un resultado".

"Significativo" es una palabra técnica, no un adjetivo de importancia. Por eso conviene mirar también el tamaño del efecto y el intervalo de confianza.

6. Riesgo relativo y riesgo absoluto

Es el truco más habitual de los titulares, a veces sin mala fe. Un ejemplo inventado, solo para ilustrar el mecanismo:

"El doble" y "una persona más de cada mil" describen el mismo dato; el primero impresiona y el segundo informa. Cuando leas "aumenta un 50 %", "se multiplica por 3" o "reduce un 40 %", pregunta sobre qué base y cuántos casos son en realidad.

7. "Cannabis" no es una sola cosa

Un estudio puede hablar de flor, resina, aceite o comestibles, de distinto contenido de THC y de distintas frecuencias de uso. Mezclarlo todo bajo la palabra "cannabis" da conclusiones borrosas. Por eso un buen estudio define con precisión qué producto y qué patrón de uso midió, y lo separa en lugar de promediarlo todo.

Al leer un estudio, comprueba qué producto, qué potencia y qué frecuencia midió, y si lo midió de verdad o lo preguntó. Si no lo dice, no puedes comparar ese estudio con otro.

8. Las 10 preguntas en una lista

1. ¿Dónde está el artículo original?
2. ¿Quién lo hizo y quién lo financió?
3. ¿Qué tipo de estudio es?
4. ¿Cuánta gente y qué gente?
5. ¿Cuánto duró y quién abandonó?
6. ¿Habla de asociación o de causa?
7. ¿Qué dice el p-valor, y qué tamaño tiene el efecto?
8. ¿Es riesgo relativo o absoluto, y sobre qué base?
9. ¿Qué producto, potencia y frecuencia se midieron?
10. ¿Lo ha repetido alguien más?

9. Dónde buscar algo mejor que un titular

• PubMed (pubmed.ncbi.nlm.nih.gov): busca el título del estudio y lee el resumen original, no la nota de prensa.
• Cochrane Library (cochranelibrary.com): revisiones sistemáticas con metodología publicada.
• EUDA (euda.europa.eu): datos europeos sobre consumo y mercado, con edición y año.
• Si dudas, espera: un resultado nuevo, de un solo estudio y sin replicar es una hipótesis.

Si quieres datos europeos del mercado, mira nuestro análisis del mercado del cannabis en Europa. Para entender la parte biológica, tenemos el artículo sobre el sistema endocannabinoide.

Preguntas frecuentes