Salud viral

Pedro Femia

22/mayo/2026

🔍 Análisis crítico de contenido de “salud viral”


◼ Analizamos un ejemplo de vídeo divulgativo de “salud viral”, identificando errores comunes en la interpretación de la evidencia científica y sesgos de comunicación.

Caso práctico: vídeo divulgativo en redes

Resumen del contenido del vídeo

  1. Causa única y simplificada
Frase ejemplo: “El colesterol alto se debe a este único alimento que estás consumiendo”
  1. Remedio universal y rápido
Frase ejemplo: “Si tomas esta vitamina todos los días, notarás los resultados en solo unos días”
  1. Lenguaje pseudocientífico
Frase ejemplo: “Esto limpia tu sangre y regenera tu hígado de forma natural”
  1. Misterio y conspiración sutil
Frase ejemplo: “Los médicos no quieren que conozcas este secreto”
  1. Promesas de seguridad por ser “natural”
Frase ejemplo: “Es 100% natural, por lo tanto, es seguro para todos”

❌ Problemas detectados

Falacia naturalista

Realidad clínica

“Natural” ≠ seguro

Ejemplos:

  • Interacciones farmacológicas (ej. hipérico o hierba de San Juan, Hypericum perforatum, acelera la metabolización de otros fármacos)
  • Toxicidad (ej. el tejo, Taxus bacata es altamente tóxico y se considera un potente veneno, la vitamina A en exceso es hepatotóxica, etc.)
  • Efectos adversos reales (muchas platas lo tienen, la efedra, Ephedra sinica, provoca efectos adversos en los sistemas cardiovascular, nervioso,…)

Error:

Confundir origen con seguridad
Falacia monocausal

Realidad clínica

Los procesos fisiológicos son multifactoriales

Error:

  • Se atribuye la patología a una única causa → alto sesgo de simplificación
  • Se ignora la variabilidad interindividual: genética, edad, comorbilidad, tratamientos,…
Ausencia de evidencia científica

Realidad clínica

Sin cuantificación no hay evaluación del impacto

Error:

  • No se citan estudios ni fuentes clínicas, o se hace de manera imprecisa.
  • Nula cuantificación: No se citan estimaciones de tamaños de efecto

Conexión con la inferencia estadística

  • ¿Dónde está la población? → indefinida
  • ¿Dónde está la variabilidad? → ignorada
  • ¿Dónde está el estimador? → no existe

En epidemilogía, se habla de efecto medio, no universal

Confusión asociación/causalidad

Realidad clínica

Asociación no implica causalidad

Que dos sucesos ocurran juntos no implica necesariamente que uno cause al otro.

Error:

  • Interpretar cualquier correlación como causalidad puede llevar a recomendaciones erróneas o peligrosas.
  • Este error es frecuente en contenidos de salud viral, donde se asume que un alimento o vitamina ‘cura’ una enfermedad sin evidencia experimental ni control de factores confusores.

Implicaciones bioestadísticas

Para determinar relaciones causales, es necesario

  • Un diseño adecuado de tipo ensayo clínico, no basta con un estudio observacional. Por otra parte, un mal diseño puede conducir a conclusiones engañosas.
  • Control de factores confusores, hace falta separar el efecto real del “ruido” de otros factores. Para esto hay estrategias estadísticas de modelización.
  • Medir y cuantificar el efecto. La causalidad requiere no solo observar la asociación, sino medir su magnitud y fiabilidad.
  • Los efectos causales deben ser reproducibles en distintos estudios o poblaciones.
    Un hallazgo aislado no confirma causalidad; se necesita evidencia acumulada.
Lenguaje pseudocientífico

Se usan términos como “Desintoxicar”, “limpiar”, “regenerar”

Realidad clínica

  • La “desintoxicación” y la “limpieza” reales las hacen el hígado (biotransformación) y los riñones (excreción).
  • La regeneración de órganos solo ocurre en contextos muy específicos (p. ej., en el hígado parcialmente) y no por consumir alimentos concretos.
Promesas exageradas

Realidad clínica

En términos generales, los cambios fisiológicos son siempre graduales y deben estar contextualizados

Error:

Promesas de efectos rápidos, universales y sin matices

Conexión con la inferencia estadística

El efecto de cualquier tratamiento presenta variabilidad sobre la que, a su vez, influye la variabilidad propia de cada paciente.

Generalización indebida

Realidad clínica

Ninguna recomendación funciona de manera universal para toda la población

Error:

  • Se asume que funciona en toda la población

Conexión con la inferencia estadística

De nuevo, es necesario saber cómo afecta la variabilidad en el perfil de los pacientes para poder inferir en qué contexto un tratamiento puede ser más o menos efectivo.





🔬 ¿Qué es exigible desde la Bioestadística?

  • Definir la población de estudio
  • Basarse en diseños epidemiológicos válidos
  • Evaluar la variabilidad
  • Estimar parámetros que caracterizen la realidad abordada (media, proporción, riesgo,…)
  • Definir y cuantificar el tamaño del efecto, su precisión y su nivel de incertidumbre

  Sin considerar la variabilidad, sin estimar parámetros y sin acumular evidencia \(\rightarrow\) no hay inferencia científica