Severiano Dos Anjos

Tu consulta genera datos cada día: cómo transformarlos en evidencia científica

Fri, 27 Feb 2026 08:43:07 GMT

Cómo estructurar la recogida de datos en tu clínica para publicar, diferenciarte y tomar mejores decisiones terapéuticas

La mayoría de las clínicas privadas de traumatología, medicina del deporte, dolor intervencionista o medicina regenerativa generan cada año suficiente actividad clínica como para producir evidencia científica sólida. Sin embargo, esa actividad rara vez se convierte en conocimiento estructurado.

Se realizan infiltraciones con PRP, técnicas de radiofrecuencia, terapias biológicas o técnicas intervencionistas avanzadas. Se observan resultados. Se acumula experiencia.

Pero sin diseño metodológico y análisis, no hay evidencia. Y sin evidencia estructurada, no hay ventaja competitiva. En medicina privada (y pública), el problema no es la falta de pacientes o resultados. Es la falta de recogida sistemática de datos y el análisis riguroso de los mismos para demostrar eficacia.

La información queda dispersa en historias clínicas narrativas, seguimientos no estandarizados o escalas aplicadas de forma irregular en el mejor de los casos. Desde el punto de vista asistencial, el trabajo está hecho. Desde el punto de vista de RWD (Real World Data), el dato es débil o difícilmente analizable y extrapolable.

La verdadera investigación clínica empieza cuando decides estructurar con criterio lo que ya haces cada día.

Aplicar PRP en artrosis de rodilla o realizar radiofrecuencia facetaria no constituye un estudio clínico por sí mismo.

Un estudio comienza cuando existe:

- Una pregunta clínica concreta.

- Un outcome primario definido.

- Criterios claros de inclusion/exclusión.

- Seguimiento temporal estructurado.

- Y un plan básico de análisis de datos.

No es lo mismo decir:

“Hemos tratado 80 pacientes y la mayoría mejoran.”

Que plantear:

“En pacientes con artrosis grado III, el PRP intraarticular produce una reducción clínicamente relevante de 20 puntos en la escala WOMAC a 6 meses en más del 70% de los casos.”

En el segundo escenario ya existe estructura, métrica y posibilidad de análisis.

Este enfoque es aplicable a terapias biológicas, técnicas quirúrgicas, protocolos de rehabilitación o intervencionismo del dolor. El elemento diferencial no es la técnica. Es el diseño basado en RWD.

Cómo diseñar un estudio RWD viable en consulta privada

La mayoría de clínicas no necesitan ensayos complejos. Necesitan un modelo pragmático y útil:

1.Definir una pregunta concreta.

Sin una pregunta clara, la recogida de datos se vuelve dispersa e improductiva.

2. Utilizar un diseño observacional simple.

Cohorte prospectiva, registro estructurado o serie consecutiva bien documentada. La consistencia es más importante que la sofisticación.

3. Reducir variables y aumentar la calidad del dato.

Es preferible recoger:

- 5–6 variables basales relevantes.

- 1 outcome primario validado (KOOS, WOMAC, ODI, QuickDASH…).

- Seguimientos definidos (por ejemplo, basal, 3 y 6 meses).

Menos variables bien estructuradas generan mayor capacidad de análisis que grandes bases de datos inconsistentes.

4. Pensar en el análisis desde el inicio.
Antes de empezar, la clínica/profesional debería poder responder:

- ¿Qué consideramos un éxito clínico?

- ¿En qué momento lo evaluamos?

- ¿Qué factores pueden influir en la respuesta?

El análisis de datos no debe improvisarse al final. Debe planificarse desde el diseño.

Estructurar datos no es solo una cuestión académica.

Permite:
- Identificar subgrupos de mayor respuesta.
- Optimizar indicaciones terapéuticas.
- Preparar comunicaciones a congresos.
- Publicar resultados propios.
- Diferenciar la clínica frente a competidores que ofrecen las mismas técnicas.

En un entorno donde muchas consultas aplican procedimientos similares, la capacidad de demostrar resultados con RWD bien analizado es un factor diferencial real.

La cuestión no es si tienes suficientes pacientes.
La cuestión es si estás utilizando y recogiendo correctamente los datos que ya generas.

¿Tu clínica o consulta está aprovechando su Real World Data?

Si trabajas en traumatología, medicina del deporte, dolor o medicina regenerativa y quieres:
- Estructurar tu recogida de datos.
- Diseñar estudios viables en consulta privada.
- Mejorar tu análisis de datos clínicos.
- Valorar el potencial de publicación o diferenciación estratégica.

Puedes solicitar una auditoria o sesión estratégica inicial conmigo para analizar tu caso en profundidad y tus objetivos.

Transformar actividad clínica en evidencia no requiere más pacientes.

Requiere mejor diseño y mejor análisis, unido a compromiso profesional.

Scientific and Critical Thinking is Not Optional — It’s Essential. Especially in Regenerative Medicine and Orthobiologics.

Fri, 25 Jul 2025 18:54:25 GMT

Scientific and Critical Thinking is Not Optional — It’s Essential. Especially in Regenerative Medicine and Orthobiologics.

Severiano Dos Anjos

July 25, 2025

A published retrospective cohort study published in 2021 explored predictors of response to platelet-rich plasma (PRP) therapy in 517 patients with knee osteoarthritis.

Their conclusion? Disease severity (KL grade) predicts response, while age, body weight, and platelet count do not affect efficacy.

�� But here's the issue: none of these predictors were meaningfully variable in their cohort (you can check their own data).

· All patients received the same type of PRP , produced with same system (LP-PRP), yielding very narrow platelet concentration ranges (~475 ×10⁹/L).

· All were treated with the same protocol (3 injections, same volume, same device).

· BMI and age distributions were narrow , with little representation of extremes.

➡️ So, is it scientifically rigorous to say that platelet count, BMI or age don’t influence PRP outcomes in this population? Or is it more correct to say "under these fixed conditions, no significant differences were detected" ?

In a field where clinicians rely on published evidence to guide their decisions — particularly for PRP and other biologics — we must remain cautious. Scientific conclusions should reflect the actual experimental design and limitations.

Take home message: after reading the abstract and conclusions check methods and results in depth.

The study is available here: https://doi.org/10.3390/jcm10194514

�� What’s your take? Should journals and authors do more to highlight these nuances, especially in fields like orthobiologics, where protocols vary so widely in real life?

#PRP #Osteoarthritis #KneeOA #ClinicalResearch #RegenerativeMedicine #RealWorldData #CriticalThinking #ScientificIntegrity #Orthobiologics

Do you know your platelet-rich plasma (PRP) dose?

Fri, 24 May 2024 18:54:22 GMT

Do you know your platelet-rich plasma (PRP) dose?

May 24, 2024

A recent study published by Peter A. Everts, PhD, FRSM. and colleagues in Biomedicines highlights the crucial importance of quantifying PRP to know exactly what we are using and maximize its effectiveness in tissue repair, including many soft tissue pathologies.

The study shows how variability in the concentration of growth factors can significantly impact therapeutic outcomes. Without proper quantification, treatments can be inconsistent and less effective.

This finding underscores the need to standardize and fully characterize PRP preparations, which will not only improve the safety and efficacy of treatments but also advance the field of regenerative medicine.

10.3390/biomedicines11071922

Effectiveness of PRP based on platelet dose

Based on their review of clinical studies for soft tissues,, it seems that below a dose of 3000 million platelets used the possibility to get no significant outcomes is very high.

Are you above or below that number??

Additionally, by integrating Real World Clinical Data in the clinical practice combined with product characterization, we can better evaluate patients and optimize current biological treatments. This approach will allow us all to advance personalized medicine in the MSK field and provide more precise and effective therapies.

�� Read the full article: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10377284/