Our Evidence Framework

Resumen

PeptideInsight utiliza un sistema estructurado de calificación de evidencia para ayudar a los lectores a evaluar rápidamente la calidad y la cantidad de la investigación científica detrás de cada péptido y sus efectos reclamados. Este sistema se basa en los principios de la medicina basada en la evidencia (MBE) y se adapta específicamente al panorama de la investigación de péptidos, donde muchos de los datos disponibles son preclínicos.

Las calificaciones de evidencia se asignan por péptido y, cuando corresponde, por efecto específico reclamado. Un solo péptido puede tener evidencia sólida para una aplicación, evidencia moderada para otra y solo datos preclínicos para una tercera. Esta granularidad es importante porque los materiales de marketing y las discusiones en línea a menudo generalizan el uso más respaldado de un péptido a todos sus beneficios reclamados.

La Jerarquía de la Evidencia

Antes de explicar nuestro sistema de calificación específico, es importante comprender la jerarquía más amplia de la evidencia científica que lo sustenta. Listados de mayor a menor solidez:

Nivel 1: Revisiones Sistemáticas y Metaanálisis

Una revisión sistemática utiliza una estrategia de búsqueda predefinida y reproducible para identificar todos los estudios relevantes sobre una pregunta, luego evalúa críticamente y sintetiza sus hallazgos. Un metaanálisis va más allá al combinar estadísticamente los resultados cuantitativos de múltiples estudios para producir una estimación del efecto agrupado con mayor precisión que cualquier estudio individual.

Por qué este rango es el más alto: Al agregar datos de múltiples ensayos, los metaanálisis aumentan la potencia estadística, pueden detectar efectos pequeños pero reales y ayudan a identificar la consistencia (o inconsistencia) de los resultados en diferentes poblaciones y entornos.

Advertencias: Un metaanálisis es tan bueno como los estudios que incluye. La agrupación de estudios defectuosos produce una síntesis defectuosa: "basura entra, basura sale". La heterogeneidad entre los estudios (diferentes poblaciones, dosis, puntos finales) puede hacer que la agrupación sea inapropiada.

Nivel 2: Ensayos Controlados Aleatorizados (ECA)

Los participantes se asignan aleatoriamente para recibir el tratamiento o un control (placebo o comparador activo). La aleatorización minimiza el sesgo de selección y equilibra los factores de confusión conocidos y desconocidos entre los grupos. El doble ciego (ni el participante ni el investigador conocen la asignación) reduce aún más el sesgo de medición y notificación.

Por qué este rango es alto: La aleatorización es el método más confiable para establecer la causalidad. Si la única diferencia sistemática entre los grupos es el tratamiento, entonces las diferencias en los resultados se pueden atribuir al tratamiento.

Factores clave de calidad:

Tamaño de la muestra y potencia estadística
Adecuación de la aleatorización y el ocultamiento de la asignación
Ciego (simple, doble o abierto)
Análisis por intención de tratar
Puntos finales primarios predefinidos
Tasa de abandono y manejo de datos faltantes
Duración del seguimiento

Nivel 3: Estudios de Cohorte

Estudios observacionales que siguen a grupos de personas a lo largo del tiempo, comparando a los expuestos a un factor (o tratamiento) con los no expuestos. Los estudios de cohorte prospectivos siguen a los participantes hacia el futuro; las cohortes retrospectivas revisan datos históricos.

Fortalezas: Pueden estudiar resultados a largo plazo, exposiciones raras y múltiples resultados simultáneamente. Útil cuando los ECA serían poco éticos o poco prácticos.

Debilidades: No pueden establecer la causalidad debido a variables de confusión. Las personas que eligen tomar un péptido pueden diferir sistemáticamente de las que no lo hacen.

Nivel 4: Estudios de Casos y Controles

Los investigadores identifican a personas con un resultado (casos) y sin él (controles), y luego retroceden para comparar las exposiciones. Útil para estudiar enfermedades raras.

Debilidades: Altamente susceptibles al sesgo de recuerdo y al sesgo de selección. No pueden establecer la causalidad.

Nivel 5: Series de Casos y Reportes de Casos

Descripciones de pacientes individuales o pequeños grupos de pacientes. Pueden generar hipótesis e identificar eventos adversos raros, pero no pueden establecer la eficacia o la causalidad.

Nivel 6: Estudios en Animales (In Vivo)

Estudios realizados en animales vivos, comúnmente ratones y ratas. Estos proporcionan información esencial sobre mecanismos, toxicidad y farmacocinética en un sistema biológico completo, pero los resultados frecuentemente no se traducen a humanos. Aproximadamente el 90% de los medicamentos que tienen éxito en estudios en animales fracasan en ensayos clínicos en humanos.

Nivel 7: Estudios In Vitro

Experimentos realizados en cultivos celulares, preparaciones de tejidos o sistemas bioquímicos aislados. Valiosos para comprender los mecanismos moleculares, pero los más alejados de la relevancia clínica.

Nivel 8: Opinión de Expertos y Razonamiento Mecanicista

Argumentos teóricos basados en biología conocida o consenso de expertos sin pruebas empíricas directas. La forma más débil de evidencia, aunque a veces es la única forma disponible para compuestos novedosos.

Nuestros Cuatro Niveles de Evidencia

Basado en la jerarquía anterior, PeptideInsight asigna uno de cuatro grados de evidencia (más una categoría de "Datos Insuficientes") a cada par péptido-indicación.

Evidencia Sólida

Criterios — se deben cumplir todos los siguientes:

Al menos dos ECA bien diseñados en humanos con resultados positivos consistentes
Preferiblemente respaldado por al menos una revisión sistemática o metaanálisis
Resultados replicados por grupos de investigación independientes (no todos del mismo laboratorio)
Publicado en revistas revisadas por pares con factores de impacto establecidos
Tamaños del efecto clínicamente significativos (no solo estadísticamente significativos)
Típicamente tiene al menos una aprobación de la FDA, EMA u otra agencia reguladora importante

Qué significa esto para los lectores: La evidencia respalda que este péptido funciona para esta indicación específica en humanos, con parámetros de seguridad conocidos. Esto no significa que el péptido esté libre de riesgos o sea apropiado para todos los pacientes.

Ejemplos:

Semaglutida para la diabetes tipo 2 y el control del peso (docenas de ECA de Fase III, múltiples metaanálisis)
Tirzepatida para la diabetes tipo 2 y la obesidad (programas de ensayos SURPASS y SURMOUNT)
Bremelanotida para el trastorno del deseo sexual hipoactivo en mujeres premenopáusicas (ensayos RECONNECT de Fase III)
Octreotida para la acromegalia y el síndrome carcinoide

Evidencia Moderada

Criterios — al menos dos de los siguientes:

Uno o más ECA en humanos con resultados positivos, pero limitados en número, tamaño de muestra o alcance
Múltiples estudios observacionales bien diseñados en humanos con hallazgos consistentes
Datos preclínicos extensos y consistentes que respaldan un mecanismo plausible
Al menos ensayos clínicos de Fase II completados o en curso
Datos de más de un grupo de investigación independiente

Qué significa esto para los lectores: Existe evidencia significativa que sugiere que este péptido puede ser efectivo para esta indicación, pero la evidencia aún no es definitiva. Se necesitan más ensayos en humanos.

Ejemplos:

BPC-157 para la reparación de tejidos (extensos datos en animales de múltiples modelos, datos muy limitados de ensayos formales en humanos, pero mecanismo plausible)
Timosina beta-4 para la curación de heridas corneales (ensayos de Fase II completados)
GHK-Cu para la regeneración de la piel (múltiples estudios in vivo y algunos estudios en humanos)

Evidencia Preliminar

Criterios — al menos uno de los siguientes:

Estudios tempranos en humanos (Fase I, estudios piloto o pequeñas series de casos)
Resultados positivos consistentes de estudios en animales en múltiples grupos de investigación independientes
Fuerte justificación mecanicista respaldada por datos in vitro, pero confirmación in vivo limitada
Investigación principalmente de una sola región geográfica o grupo de investigación, pero con metodología plausible

Qué significa esto para los lectores: Hay señales de que este péptido puede tener el efecto reclamado, pero la evidencia está lejos de ser concluyente. Los resultados en animales pueden no traducirse a humanos, y los datos tempranos en humanos son demasiado limitados para tener confianza.

Ejemplos:

Semax para la mejora cognitiva (estudios clínicos rusos, replicación occidental limitada)
LL-37 para la curación de heridas (datos de Fase I/II, extensos in vitro)
Ipamorelina para la secreción de GH (datos de Fase II, Fase III limitada)

Solo Preclínico

Criterios:

Evidencia limitada a estudios en animales (in vivo) y/o estudios de laboratorio (in vitro)
No hay datos publicados de ensayos clínicos en humanos para la indicación específica
Se propone un mecanismo basado en hallazgos de laboratorio, pero la traducción a humanos es incierta
Puede tener datos de un solo grupo de investigación o un solo tipo de modelo animal

Qué significa esto para los lectores: Este péptido ha mostrado promesa en el laboratorio, pero no hay evidencia directa de que funcione en humanos para esta indicación. El salto de cultivo celular o modelo de roedor a terapia humana es enorme, y la mayoría de los compuestos que parecen prometedores en esta etapa nunca se convierten en medicamentos exitosos.

Ejemplos:

Epitalón para la activación de la telomerasa y el antienvejecimiento (principalmente datos del laboratorio Khavinson)
DSIP para la regulación del sueño (modelos animales, datos humanos limitados e inconsistentes)
Muchos péptidos novedosos o descubiertos recientemente

Datos Insuficientes

Existe muy poca investigación publicada para hacer una evaluación significativa. El péptido puede ser muy nuevo, o la investigación disponible puede ser demasiado escasa, mal diseñada o contradictoria para sacar conclusiones.

Tipos de Diseño de Estudio que Evaluamos

Al revisar la literatura de un péptido, consideramos los siguientes diseños de estudio y los ponderamos en consecuencia:

Estudios de intervención (experimentos):

Ensayos controlados aleatorizados (grupo paralelo, cruzado, factorial)
Ensayos controlados no aleatorizados
Estudios de intervención de un solo brazo (sin grupo de control)

Estudios observacionales:

Estudios de cohorte prospectivos
Estudios de cohorte retrospectivos
Estudios de casos y controles
Estudios transversales
Estudios ecológicos

Estudios descriptivos:

Series de casos
Reportes de casos

Investigación secundaria:

Revisiones sistemáticas (con o sin metaanálisis)
Revisiones narrativas
Revisiones paraguas (revisiones de revisiones sistemáticas)

Investigación preclínica:

Estudios en animales in vivo (roedores, primates, otros)
Estudios de tejidos ex vivo
Estudios de cultivo celular in vitro
Estudios computacionales in silico

Conceptos Estadísticos que Consideramos

Valores P

El valor p representa la probabilidad de observar resultados al menos tan extremos como los obtenidos, asumiendo que la hipótesis nula (sin efecto) es verdadera. Un valor p de 0.05 significa que hay un 5% de probabilidad de ver tales resultados si el tratamiento realmente no tiene ningún efecto.

Lo que los valores p NO le dicen:

La probabilidad de que la hipótesis sea verdadera o falsa
El tamaño o la importancia clínica del efecto
Si el resultado se replicará

Marcamos estudios que dependen de valores p límite (0.04–0.05) sin tamaños de muestra adecuados, y estudios que prueban muchos resultados sin ajustar por comparaciones múltiples.

Intervalos de Confianza (IC)

Un intervalo de confianza del 95% proporciona un rango dentro del cual es probable que se encuentre el efecto real. Los intervalos más estrechos indican estimaciones más precisas. Preferimos los estudios que informan intervalos de confianza sobre aquellos que solo informan valores p, porque los IC transmiten tanto la magnitud como la precisión del efecto.

Reglas clave de interpretación:

Si el IC del 95% para una diferencia cruza cero (o para una razón, cruza 1.0), el resultado no es estadísticamente significativo al nivel de 0.05
Los IC amplios indican estimaciones imprecisas, a menudo debido a tamaños de muestra pequeños
Dos estudios pueden ser "significativos" pero tener magnitudes de efecto muy diferentes

Número Necesario a Tratar (NNT)

El número de pacientes que necesitan ser tratados para que un paciente adicional se beneficie. Los NNT más bajos indican tratamientos más efectivos. Un NNT de 1 significaría que cada paciente se beneficia; un NNT de 100 significa que necesita tratar a 100 pacientes para que uno se beneficie. Usamos el NNT para contextualizar la significancia clínica cuando está disponible.

Ratios de Hazard (HR)

Se utilizan principalmente en análisis de supervivencia y estudios de tiempo hasta el evento. Un ratio de hazard de 0.5 significa que el grupo de tratamiento tiene la mitad de la tasa del evento (por ejemplo, muerte, progresión de la enfermedad) en comparación con el control en cualquier punto de tiempo dado. Un HR de 1.0 significa que no hay diferencia.

Reducción del Riesgo Absoluto vs. Relativo

Prestamos mucha atención a si los estudios informan reducciones del riesgo absoluto o relativo, ya que las medidas relativas pueden ser engañosas. Si un tratamiento reduce el riesgo del 2% al 1%, la reducción del riesgo relativo es del 50% (suena impresionante) pero la reducción del riesgo absoluto es solo del 1% (menos impresionante). Ambos números son técnicamente correctos, pero la reducción absoluta transmite mejor el impacto práctico.

Tipos de Sesgo que Evaluamos

Sesgo de Selección

Diferencias sistemáticas entre los grupos que se comparan. En los ECA, esto se minimiza mediante una aleatorización adecuada y el ocultamiento de la asignación. En los estudios observacionales, esta es una preocupación importante.

Sesgo de Publicación

Los estudios con resultados positivos tienen más probabilidades de ser publicados que los negativos. Esto crea una literatura distorsionada donde los tratamientos parecen más efectivos de lo que realmente son. Buscamos signos de sesgo de publicación, incluidos gráficos de embudo asimétricos en metaanálisis y ensayos registrados que nunca publicaron resultados.

Sesgo de Financiación

Los estudios financiados por la industria tienden a informar resultados favorables con más frecuencia que la investigación financiada de forma independiente. Notamos las fuentes de financiación y evaluamos si el diseño del estudio podría haber sido influenciado por intereses comerciales.

Sesgo del Observador/Detección

Diferencias en cómo se miden o evalúan los resultados entre los grupos. Se minimiza al cegar a los evaluadores a la asignación del grupo.

Sesgo de Desgaste

Diferencias sistemáticas en las tasas de abandono entre los grupos. Si más pacientes abandonan el grupo de tratamiento (debido a efectos secundarios, por ejemplo), los participantes restantes pueden no ser representativos.

Sesgo de Notificación

Notificación selectiva de resultados. Un estudio puede medir 15 puntos finales pero solo informar los 3 que mostraron resultados significativos. Verificamos los registros de estudios (ClinicalTrials.gov) frente a los resultados publicados para identificar posibles sesgos de notificación.

Consideraciones Especiales: Péptidos de Khavinson

Varios péptidos discutidos en PeptideInsight, incluidos Epitalón, Vilon, Timallin y otros péptidos cortos, se originan principalmente en el laboratorio del Profesor Vladimir Khavinson en el Instituto de Bioregulacion y Gerontología de San Petersburgo. Aplicamos un escrutinio adicional a estos compuestos porque:

La mayoría de la investigación publicada proviene de un solo grupo de investigación
Muchos estudios se publican en revistas en idioma ruso con revisión por pares internacional limitada
Algunos mecanismos reclamados (por ejemplo, interacción directa con el ADN por tetrapéptidos) no están bien respaldados por la investigación bioquímica independiente
Los péptidos se comercializan en Rusia, lo que crea posibles conflictos de intereses
La replicación independiente por parte de grupos de investigación occidentales es muy limitada

Esto no significa que estos péptidos sean ineficaces, sino que la evidencia debe interpretarse con mayor cautela. Notamos explícitamente esta limitación de fuente única en nuestras evaluaciones de evidencia.

Categorías de Estatus Regulatorio

También rastreamos el estado regulatorio de cada péptido:

Aprobado por la FDA: El péptido ha sido aprobado por la Administración de Alimentos y Medicamentos de EE. UU. para al menos una indicación específica
Aprobado por la EMA: Aprobado por la Agencia Europea de Medicamentos
Aprobado en otras jurisdicciones: Aprobado en países específicos (por ejemplo, Rusia, Japón, Australia) pero no por la FDA/EMA
En ensayos clínicos: Actualmente en pruebas en ensayos clínicos registrados en humanos (Fase I, II o III)
Investigacional: En investigación activa pero aún no en ensayos clínicos formales
Compuesto de investigación: Disponible para investigación de laboratorio; no aprobado para uso humano
Descontinuado: Desarrollo detenido debido a preocupaciones de seguridad, falta de eficacia o razones comerciales

Cómo Asignamos y Actualizamos las Calificaciones

Nuestro proceso de calificación sigue estos pasos:

Búsqueda de literatura: Buscamos en PubMed, Google Scholar, ClinicalTrials.gov, Cochrane Library y EMBASE toda la investigación publicada sobre cada par péptido-indicación.
Catalogación de estudios: Catalogamos cada estudio relevante por diseño, tamaño de muestra, calidad y fuente de financiación.
Evaluación de calidad: Evaluamos la calidad del estudio utilizando marcos establecidos (herramienta Cochrane Risk of Bias para ECA, Escala Newcastle-Ottawa para estudios observacionales).
Verificación de replicación: Evaluamos si los hallazgos han sido replicados por grupos de investigación independientes en diferentes entornos.
Evaluación de consistencia: Evaluamos si la totalidad de la evidencia apunta en la misma dirección o es contradictoria.
Asignación de calificación: Asignamos una calificación basada en la totalidad de la evidencia disponible, ponderando más la evidencia de mayor calidad.
Revisión por pares: Las calificaciones son revisadas por al menos un miembro adicional del equipo antes de su publicación.
Actualizaciones periódicas: Revisamos y actualizamos las calificaciones a medida que se publica nueva investigación significativa, con la fecha de la última revisión que se muestra en cada página de péptido.

Limitaciones de Nuestro Sistema

Las calificaciones de evidencia reflejan el estado actual de la investigación publicada y pueden cambiar a medida que surgen nuevos estudios.
Una calificación de evidencia baja no significa que un péptido sea ineficaz; significa que existe investigación insuficiente para sacar conclusiones firmes.
Una calificación de evidencia alta para una aplicación no se extiende a otros usos reclamados del mismo péptido.
Nuestro sistema no puede tener en cuenta completamente los datos no publicados, los ensayos en curso que aún no se han informado o la investigación en idiomas a los que no podemos acceder.
Buscamos la objetividad, pero todos los sistemas de calificación implican cierto grado de juicio.
Nuestra calificación no sustituye la toma de decisiones clínicas por parte de proveedores de atención médica calificados.