Autoexperimento (N=1): cuando la anécdota se disfraza de evidencia

Conviene separar dos cosas que el ecosistema mezcla a diario. Tracking es lo que hace tu dispositivo cuando registra cuántos minutos dormiste. Evidencia es lo que produce ese registro cuando está controlado, cegado, trazable y prerregistrado. No son el mismo objeto con distinto grado de rigor: son categorías distintas.

La estructura argumental que se ha vuelto canon en el biohacking tiene tres piezas: una métrica de wearable, una flecha verde hacia arriba y una conclusión personal sobre eficacia. La fórmula típica es «tomé X durante catorce días y mi puntuación de sueño subió de 82 a 84,2». La narrativa de fondo es democratizadora y por eso funciona: yo no soy un laboratorio, pero llevo cinco años midiéndome cada noche y sé lo que me funciona. La frase es seductora y en la mayoría de los casos es falsa.

El problema no es que la persona mienta. Es que el formato carece sistemáticamente de las condiciones mínimas que un autoexperimento necesita para producir información. No es que sea menos riguroso que un ensayo aleatorizado. Es que ni siquiera cumple el estándar de un autoexperimento serio, que existe, está publicado y es exigente. Lo que se vende como evidencia personal con datos suele ser narrativa decorada con números.

Lo esencial: esto no es un debate metodológico de salón. La confusión entre medir y demostrar produce daño clínico verificable, y ese es el motivo por el que KRECE le dedica una pieza entera.

Consecuencia clínica. Cuando alguien con audiencia enseña un wearable y declara que un compuesto le funciona, los lectores extrapolan. Hay pacientes con patología real empezando protocolos a partir de las métricas de sueño de un desconocido, comprando péptidos sin verificar al proveedor y, en los casos peores, sustituyendo tratamiento médico por compuestos con cero ensayos humanos. La cadena de daño es corta y siempre la misma: métrica anecdótica, protocolo viralizado, decisión clínica sin supervisión.

Consecuencia comercial. El N=1 mal hecho es la herramienta de marketing más eficaz que este ecosistema ha producido en una década, precisamente porque lleva la estética de la transparencia. Gráficos, métricas públicas, datos crudos. Todo lo que parece rigor sin nada de lo que lo constituye. Cuando quien publica es además afiliado comercial del producto que evalúa, y un porcentaje considerable lo es, el formato deja de ser autoexperimento en cualquier acepción razonable.

Consecuencia de calidad. Un N=1 con un producto impuro o falsificado no es un N=1 sobre el compuesto: es un N=1 sobre lo que hubiera dentro del vial. El ecosistema promueve protocolos sin documentación de pureza ni de lote y a la vez publica métricas como si lo probado fuera el principio activo. La lógica se rompe en el primer paso, y es el mismo problema que documentamos en la etiqueta de uso exclusivo en investigación.

Antes de empezar la intervención hacen falta al menos treinta días de medición con el mismo dispositivo, en las mismas condiciones y sin cambios relevantes de hábitos. La razón es estadística y elemental: las métricas de sueño, recuperación, frecuencia cardíaca o estrés tienen una variabilidad diaria y semanal muy alta. Sin una línea base larga no tienes forma de saber cuál es tu rango normal, y sin rango normal cualquier diferencia posterior cae dentro de la fluctuación esperable.

A eso se suma el error del propio aparato. Los wearables de consumo tienen desviaciones del orden del 5 al 15 por ciento en métricas de sueño frente a polisomnografía, que es la referencia, y ese margen varía además de un dispositivo a otro. Con ese margen, una subida de 82 a 84,2 es indistinguible del ruido de fondo. No es un efecto pequeño: es un número que no significa nada sin la varianza personal caracterizada previamente.

Cómo se ve mal hecho: línea base de una o dos semanas, o dispositivo recién comprado, o cambio de modelo a mitad. Cómo se ve bien hecho: mismo aparato, mismo firmware si es posible, treinta días o más, hábitos estables y varianza calculada antes de tocar nada.

Si añades un compuesto mientras tomas otros tres, o cambias de marca de magnesio el mismo mes, o introduces un péptido sin pausar el anterior, los efectos se confunden y ya no se pueden separar. No es que sea difícil: es analíticamente irrecuperable. Cualquier diferencia posterior se puede atribuir a cualquiera de las intervenciones simultáneas o a su interacción, y no hay forma de decidir cuál.

El estándar operativo es una pausa de cuatro a seis semanas entre intervenciones distintas, y más si el compuesto tiene vida media larga o actúa sobre el eje hormonal o circadiano. Una intervención cada vez. El stack, si se quiere, solo después de haber caracterizado los componentes por separado.

Lo que circula es exactamente lo contrario: protocolos con decenas de compuestos simultáneos presentados como si fueran un experimento, cuando por construcción hacen imposible saber qué mueve qué. Un stack puede ser una decisión personal razonable. Como diseño experimental es mudo.

El efecto placebo no es una curiosidad de manual: está documentado y opera con magnitud relevante justo en las métricas que estos experimentos usan, las subjetivas y las semiobjetivas. Cuando sabes qué estás tomando y cuándo, tu sistema de reporte queda sesgado en las dos direcciones: detectas mejor lo que esperas detectar y descartas como ruido lo que no encaja. Esto no es debilidad de carácter, es cómo funciona la cognición bajo expectativa.

El cegamiento perfecto en solitario es técnicamente muy difícil, pero hay una versión operativa que sí está al alcance. Primero, etiquetado opaco: alguien de confianza rotula los envases A y B sin que tú sepas cuál lleva el activo. Segundo, análisis diferido: miras los datos al final del periodo, no cada mañana. Lo segundo se puede hacer siempre, incluso sin colaborador, y ya elimina buena parte del sesgo.

Casi nadie lo hace. El contenido que circula es lo contrario punto por punto: revisión diaria de métricas sabiendo perfectamente qué se está tomando y con expectativa activa de mejora.

Esta es la condición más ignorada y la más decisiva en contexto peptídico. Sin certificado de análisis de laboratorio independiente para el lote concreto que estás usando, tu experimento no es sobre el compuesto declarado. Es sobre el contenido real del vial, que puede ser otra cosa.

Las posibilidades no son teóricas. Puede haber endotoxinas, que producen efectos sistémicos por vía inflamatoria y confunden cualquier lectura. A veces la dosis real está muy por debajo de la declarada. Y hay producto degradado en circulación, con subproductos biológicamente activos que no son lo que creías estar tomando. Cómo se lee un certificado y qué pedir exactamente está en nuestra guía del COA y en los cuatro ejes de la calidad peptídica.

Y hay un matiz que conviene no perder, porque lo hemos documentado aparte: un certificado impecable tampoco cierra el problema si no puedes verificar que corresponde al vial que tienes en la mano. La condición mínima es tener el análisis del lote; la condición suficiente incluye poder trazarlo.

Antes de empezar hay que declarar qué métricas se van a medir, qué magnitud de cambio se considera relevante y qué resultado se declararía como fracaso. En público si se quiere ser auditable, en privado si no, pero declarado antes.

Esto bloquea el vicio central del formato: elegir a posteriori las métricas que apuntan en la dirección esperada y no mencionar las demás. Si alguien prueba un compuesto y reporta solo que su puntuación de sueño subió 2,2 puntos, sin decir nada de la variabilidad cardíaca, de la recuperación, de la frecuencia en reposo ni del peso, el lector tiene que asumir que esas otras métricas no acompañaban. El dispositivo las estaba registrando todas. Que se publique una y se callen seis no es un descuido de formato.

El prerregistro no exige nada sofisticado. Es escribir cinco líneas antes de empezar y comprometerse a publicarlas todas después, salgan como salgan. Es también la condición que más gente omite, porque es la única que impide construir la conclusión después de ver los datos.

Lo que sigue es un caso compuesto a partir de prácticas observadas de forma repetida. No identifica a nadie: identifica un patrón. Quien lo reconozca sabrá de qué hablamos; quien no, se lleva un ejemplo didáctico de por dónde se rompen estas cosas.

Alguien con audiencia media anuncia que ha probado pinealon por vía oral durante catorce días. Adjunta una captura del wearable: la puntuación de sueño pasa de 82 en las dos semanas previas a 84,2 en las dos de la intervención. Concluye que funciona y que va a seguir tomándolo. El mensaje acumula miles de interacciones. Varios lectores compran en la misma tienda que él menciona, de la que es afiliado. Algunos dicen notar mejora. Otros no notan nada y no lo dicen. La conversación pública registra solo los positivos.

Cuántas de las cinco condiciones cumple: ninguna. La línea base es de catorce días, insuficiente frente a una variabilidad personal que ronda el 3 al 5 por ciento. No sabemos qué más estaba tomando, y magnesio, melatonina o un cambio de horario son explicaciones más plausibles que un tripéptido oral. Sabía qué tomaba y miraba las métricas a diario. No hay análisis del producto, y la biodisponibilidad oral de un tripéptido es dudosa de partida porque las peptidasas digestivas lo hidrolizan en minutos, con lo que ni siquiera está establecido que absorbiera nada. Y la métrica reportada se eligió después, entre las seis o siete que el dispositivo registraba.

El punto no es que el pinealon no funcione. El punto es que este reporte no dice nada sobre si funciona o no. Es compatible con que funcione, con que no funcione y con que el sujeto durmiera mejor porque en marzo se hace de día más tarde.

La objeción más común al argumento anterior es que la siguiente generación de sensores lo resolverá: monitores continuos de glucosa, medición de inflamación por marcadores indirectos, dispositivos cardíacos de calidad casi clínica. Más datos, mejor calidad, problema resuelto.

No. El problema nunca fue la cantidad ni la calidad del dato, fue el diseño con el que se interpreta. Un sensor continuo que captura 288 lecturas diarias durante un año produce un volumen enorme de datos. Si el sujeto introduce intervenciones simultáneas, sin línea base, sin cegamiento, con producto sin analizar y eligiendo la métrica al final, el resultado sigue siendo un N=1 mal hecho. Y hay algo peor: la densidad de muestreo aumenta el espacio de métricas disponibles para elegir a posteriori y refuerza la apariencia de cientificidad.

La segunda objeción es que los algoritmos detectarán patrones que la persona no ve. Probablemente sea cierto y es editorialmente irrelevante: los patrones espurios son más fáciles de encontrar que los reales cuando se buscan después, y ningún algoritmo tiene filtro contra el ruido si las condiciones no estaban controladas antes. Esto vale igual para los cálculos de edad biológica que la gente encadena mes a mes esperando ver una tendencia.

El principio de fondo es viejo y sigue en pie: la calidad de un experimento la fija su diseño, no su instrumentación. Un mal experimento con mejor aparato produce datos más precisos sobre algo que no es lo que crees estar midiendo.

Aquí conviene ser preciso, porque circula mucha vaguedad. En España, presentar como contenido editorial u opinión personal algo por lo que se percibe una contraprestación es publicidad encubierta, y está prohibida. La norma aplicable es la Ley 3/1991 de Competencia Desleal, que sanciona los actos engañosos y las omisiones de información relevante, y que es la que transpone la directiva europea de prácticas comerciales desleales. La Ley 34/2002 de servicios de la sociedad de la información obliga además a que las comunicaciones comerciales sean identificables como tales.

A eso se ha sumado la autorregulación del sector. El código de conducta de publicidad a través de personas influyentes, promovido por la Asociación Española de Anunciantes, AUTOCONTROL e IAB Spain, tiene en vigor desde el 1 de octubre de 2025 una versión que concreta qué cuenta como contraprestación y cómo hay que identificar el contenido: etiquetas inequívocas y al principio, no escondidas al final ni disueltas entre otras palabras. No crea obligaciones nuevas, pero fija el estándar práctico con el que se juzga el incumplimiento de las que ya existen.

La consecuencia para el lector es sencilla. Si quien te convenció de comprar algo cobra comisión por esa compra y no lo dijo con claridad al principio, no estabas leyendo una experiencia personal. Estabas leyendo un anuncio. Y ese hecho, por sí solo, invalida el reporte como fuente de información sobre eficacia, con independencia de si el compuesto funciona.

Si estás usando algo por un N=1 que leíste. Repasa las cinco condiciones contra aquel reporte. Si quien lo escribía era afiliado del producto, si la línea base era corta, si no había cegamiento y si la métrica la eligió al final, lo que leíste no era evidencia. Ojo con la conclusión: eso no significa que el compuesto no funcione, significa que aquel texto no te decía si funciona. Para decidir, la literatura indexada del compuesto y un médico con conocimiento real del campo.

Si vas a hacer tu propio autoexperimento. Treinta días de línea base como mínimo. Una intervención cada vez, con pausa entre ellas. Etiquetado opaco si tienes a alguien que te ayude, y como mínimo análisis diferido al final. Solo productos con certificado de análisis del lote. Y predeclara qué vas a medir y qué magnitud considerarías relevante. Es trabajo, y es exactamente la diferencia entre un experimento y un ritual.

Si eres médico y te llegan pacientes con esto. El paciente que aparece con una captura de pantalla y un protocolo de internet no está presentando evidencia, está presentando una narrativa que le convenció. La distinción no va contra el paciente, va contra el reporte. Nuestro marco de biomarcadores y el catálogo de péptidos están escritos con ese uso en mente: material con el que encuadrar una conversación difícil en consulta sin desautorizar a quien tienes delante.