Ficha Educativa

Riesgo absoluto vs riesgo relativo: cómo engañan los titulares

Un fármaco que reduce el riesgo de cáncer del 2 % al 1 % muestra una reducción del riesgo relativo del 50 % —matemáticamente cierto pero engañoso. La reducción del riesgo absoluto (1 %) refleja mejor el impacto real. Los medios prefieren cifras relativas porque suenan más dramáticas.

Evalúa9 min de lectura Selección del Editor
Cómo se estructura esta entrada
Primero definiciones, luego mecanismos y finalmente “¿qué implica esto?”. Si tienes prisa, revisa rápidamente los encabezados y los recuadros destacados.
No es asesoramiento médico.
Contenido únicamente educativo. Si los síntomas son graves, persistentes o preocupantes, consulta con un profesional sanitario.

La aritmética detrás de los titulares engañosos

«¡Riesgo de cáncer reducido a la mitad!» dice el titular. El estudio muestra que un fármaco reduce la incidencia de cáncer del 2 % al 1 % en un periodo de cinco años. Técnicamente, el riesgo se redujo un 50 %, pero solo una persona de cada 100 evitó realmente desarrollar cáncer. La reducción del riesgo relativo (RRR, 50 %) y la reducción del riesgo absoluto (RRA, 1 %) cuentan historias opuestas.

La reducción del riesgo relativo (RRR) divide la diferencia de riesgo entre el riesgo basal. Fórmula: (2 % − 1 %) / 2 % = 50 %. Es matemáticamente correcta pero contextualmente incompleta. Los medios prefieren cifras relativas porque suenan más impresionantes. El marketing farmacéutico enfatiza igualmente la RRR al promocionar medicamentos.

La reducción del riesgo absoluto (RRA) simplemente resta: 2 % − 1 % = 1 %. Esto responde a la pregunta real del paciente: «¿Cuántas personas se benefician realmente?» Una RRA del 1 % significa que hay que tratar a 100 personas para prevenir un caso: el número necesario a tratar (NNT).

Consideremos un ejemplo real: un metaanálisis de estatinas en prevención primaria (personas sin enfermedad cardíaca previa) mostró que reducen los eventos cardiovasculares aproximadamente un 30 % en términos relativos a cinco años. Suena excelente hasta que examinamos las cifras absolutas. En poblaciones de bajo riesgo, esto se traduce en prevenir entre 1 y 3 eventos por cada 100 personas tratadas. El NNT oscila entre 50 y 100, lo que significa tratar a muchas personas asintomáticas durante años para prevenir un evento.

Los medios rara vez distinguen estas medidas. Cuando un estudio muestra que «la vitamina D reduce las infecciones respiratorias un 40 %», los periodistas informan fielmente de reducciones relativas espectaculares. Las tasas de infección basales importan enormemente. Si estás en una comunidad donde el 20 % desarrolla infección respiratoria, una reducción del 40 % previene 8 de cada 100. Si la tasa basal es del 2 %, la misma reducción del 40 % previene solo 0,8 de cada 100, lo que cambia por completo el cálculo beneficio-riesgo.

El riesgo basal lo es todo. Comprender la probabilidad pretest de tu población (riesgo de base) es esencial para interpretar cualquier reducción de riesgo. Una reducción del 50 % en una enfermedad rara difiere enormemente de un 50 % de reducción en una enfermedad común.

Convertir entre medidas ayuda a clarificar. Si conoces la RRR y el riesgo basal, calcula la RRA: RRA = riesgo basal × RRR. Si un fármaco muestra una RRR del 30 % y el riesgo basal es del 5 %, entonces RRA = 5 % × 30 % = 1,5 % de reducción absoluta.

Alternativamente, algunos estudios informan de odds ratios (OR) en lugar de riesgos relativos (RR). Estos divergen cuando los riesgos basales son altos. Un OR de 0,5 no equivale a una reducción del riesgo relativo del 50 %: la relación es más compleja. Evaluar críticamente la investigación requiere convertir todas las medidas a términos absolutos para una comparación significativa.

Una comunicación sanitaria mejor especifica ambas medidas y el riesgo basal de forma transparente. La comunicación del NNT («un paciente se beneficia por cada 100 tratados») debería acompañar las afirmaciones de beneficio. Hasta que los medios estandaricen esta práctica, los lectores deben traducir los titulares por sí mismos.

Vota y ayúdanos a mejorar con tus comentarios

Fuentes & referencias

  1. Naylor CD et al. (2022) Understanding and Communicating Risk: Assessing Both Relative and Absolute Risk Is Absolutely Necessary Not clearly identified in search results PMID: 8844685
  2. Newcombe RG et al. (2016) Common pitfalls in statistical analysis: Absolute risk reduction, relative risk reduction, and number needed to treat Not found in search results PMID: 4763519
  3. Godoy P et al. (2013) A critical evaluation of in vitro cell culture models for high-throughput drug screening and toxicity Journal of Internal Medicine PMID: 22252140
  4. Rennert K et al. (2015) Overview of in vitro cell culture technologies and pharmaco-toxicological applications Tissue Engineering Part B Reviews PMID: 20654357
  5. Viennois E et al. (2021) The gut microbiome of laboratory mice: considerations and best practices for translational research Mammalian Genome PMID: 33689000
Estándar Editorial
Every entry is grounded in peer-reviewed research and reviewed for accuracy. Cómo escribimos →