En 2015, un equipo de investigación del King's College London agrupó las mediciones de hasta 15.521 hombres de dieciséis países y reportó una longitud media en erección de 13,12 cm (5,17 pulgadas). Un año antes, un equipo de la Universidad de Indiana había publicado una cifra correspondiente a 1.661 hombres estadounidenses: 14,15 cm (5,57 pulgadas). Un centímetro de diferencia. Ambos revisados por pares. Ambos siguen siendo citados hoy en día.

El instinto nos lleva a elegir un ganador. Alguien debió equivocarse, o simplemente los dos grupos de hombres eran diferentes. Ninguna de las dos resulta ser una respuesta útil. La brecha es casi en su totalidad una historia sobre cómo se realizó la medición: quién sostuvo la regla, dónde la colocaron al inicio, en qué estado se encontraba el cuerpo y qué hombres aceptaron ser incluidos en primer lugar. Una vez que se comprenden esas decisiones, la discrepancia entre los estudios deja de ser confusa y pasa a ser informativa. Nuestro análisis detallado del metanálisis conjunto de 15.521 hombres aborda lo que encontró dicho estudio; este artículo trata sobre por qué halló algo diferente a sus homólogos.

La mejor analogía es la de una receta compartida entre distintas cocinas. Diez cocineros preparan el mismo pastel a partir de la misma ficha, pero uno saca la harina directamente con la taza medidora y otro con cuchara, uno usa horno de convección y otro no, uno pesa los ingredientes y el resto usa tazas. Los pasteles quedan diferentes. Nadie mintió sobre la receta. La receta simplemente no era lo suficientemente específica para producir el mismo pastel dos veces.

Dos estudios, dos cifras, una discrepancia

Comencemos con lo que realmente hizo cada equipo, ya que sus diseños metodológicos no fueron meras variaciones de un mismo tema. Fueron tipos de investigación distintos que respondían a preguntas ligeramente diferentes.

Veale y sus colaboradores, al publicar en BJU International, no midieron a nadie directamente. Llevaron a cabo una revisión sistemática —una búsqueda estructurada en la literatura publicada con criterios de inclusión definidos de antemano— y combinaron los resultados en nomogramas, que son gráficos de percentiles que permiten ubicar una medición individual dentro de una distribución. Su criterio principal de elegibilidad marcó la pauta: la medición debía ser realizada por un profesional de la salud mediante un procedimiento estandarizado, con al menos 50 participantes por muestra. Los datos automedidos quedaron excluidos. También se descartaron las muestras de hombres que acudían por inquietudes sobre el tamaño, disfunción eréctil, cirugías previas o anomalías congénitas.

Herbenick y sus colaboradores, publicando en el Journal of Sexual Medicine, realizaron un estudio prospectivo —datos recopilados hacia el futuro con un propósito definido previamente— con hombres que se midieron a sí mismos para recibir un preservativo adaptado a sus dimensiones. Cada participante tenía una razón práctica para ser preciso: una mala medición significaba un preservativo que no se ajustaría bien. La mayoría se midió en solitario, recurriendo a la estimulación manual para lograr la erección.

Dos diseños metodológicos, dos poblaciones de participantes, dos pares de manos distintas sobre la regla. El centímetro de diferencia entre ellos se explica de forma legítima.

El problema de la taza medidora

He aquí el hallazgo que replantea todo el debate. Un equipo que trabajaba en Arabia Saudita midió a 778 hombres y registró la longitud en erección de dos formas en la misma sesión, en el mismo cuerpo y con el mismo médico. Medida desde la piel suprapúbica —la superficie, donde la mayoría comenzaría de forma natural—, la media fue de 12,53 cm (4,93 pulgadas). Medida desde el hueso púbico, comprimiendo el tejido suprayacente, la media fue de 14,34 cm (5,65 pulgadas).

Esa es una diferencia de 1,81 cm (0,71 pulgadas), originada únicamente por el lugar donde se colocó la regla. Es casi el doble de la discrepancia entre los dos estudios que suscitan tanta controversia.

El mismo artículo contiene una segunda lección oculta dentro de la primera. El índice de masa corporal mostró una correlación negativa débil con la cifra de piel a punta, pero no con la de hueso a punta. El tejido situado delante del hueso varía entre los hombres; si se mide desde la superficie, en parte se está midiendo ese tejido. Si se mide desde el hueso, no. Dos protocolos, dos cantidades distintas, ambas denominadas con rigor «longitud». Nuestra guía sobre técnica y consistencia de medición aborda la aplicación práctica de esto.

Qué significa realmente el estado reportado

Los estudios antropométricos de esta región anatómica informan hasta tres estados, y estos no son intercambiables. Las mediciones en estado flácido son las más sensibles a las condiciones ambientales: tanto la temperatura como la actividad física reciente influyen, motivo por el cual los protocolos rigurosos especifican un entorno climatizado. Las mediciones en estado estirado aplican una tracción suave y se adoptaron en parte porque son reproducibles sin necesidad de inducir una erección. Las mediciones en erección responden a la pregunta que más interesa a la mayoría de los lectores y son las más difíciles de recopilar.

El análisis conjunto de 2015 ilustra el coste de esa dificultad. La longitud en estado estirado provino de 14.160 hombres; la longitud en estado flácido, de 10.704; pero la longitud en erección se obtuvo de solo 692 hombres, y la circunferencia en erección, de 381. El famoso tamaño muestral de 15.521 no respalda directamente la famosa cifra. Los propios autores señalaron esto en sus limitaciones, junto con la observación de que la longitud en estado estirado varió más entre estudios que cualquier otro parámetro examinado.

El método de inducción también es determinante. Algunos estudios clínicos inducen la erección farmacológicamente, en una sala controlada y con la medición a cargo de un especialista. El estudio de automedición de 2014 encontró que el método mediante el cual el hombre lograba la erección parecía estar asociado con las dimensiones registradas. Mismo cuerpo, diferente vía hacia la medición, diferente resultado.

La diferencia producida dentro de un mismo estudio, únicamente por la colocación de la regla, fue mayor que la discrepancia entre los dos estudios que todos debaten.

Quiénes terminan siendo medidos

Cada estudio tiene una puerta de entrada, y la forma de esa puerta determina quién la cruza. La revisión conjunta excluyó a los hombres que acudían a clínicas con quejas sobre su tamaño; una decisión justificable, ya que incluirlos reduciría el promedio por un motivo ajeno a la población general. Sin embargo, no deja de ser una elección metodológica y altera el resultado. El estudio de 2014 reclutó a hombres que se tomaron la molestia de solicitar un preservativo a medida, lo cual selecciona a un perfil con un tipo particular de confianza e interés en el tema. La cohorte saudí provino de consultas externas de urología, lo que constituye una población clínica y no una muestra aleatoria del país.

Ninguna de estas muestras representa a la población general, sencillamente porque no existe una forma práctica de obtenerla. No se puede llamar a 10.000 puertas y tomar esta medición. Los investigadores trabajan con voluntarios, y los voluntarios difieren de quienes no se postulan; los propios autores de la revisión plantearon esta posibilidad respecto a su conjunto de datos. Es poco común y loable ver a un equipo de investigación argumentar en contra de la solidez de su propio titular. Nuestro artículo complementario sobre quiénes fueron y no fueron incluidos en ese conjunto de datos profundiza en la cuestión del reclutamiento.

Un breve vocabulario para interpretar los resultados

La redacción científica no es deliberadamente opaca, pero sí es concisa. Cinco términos le permitirán a cualquier lector comprender casi cualquier artículo en este campo.

Este último par de conceptos es el que más a menudo se distorsiona en la divulgación. Una muestra grande puede reducir el valor p a una cifra insignificante, mientras que la relación subyacente sigue siendo demasiado pequeña para notarse en casos individuales. «Estadísticamente significativo» es una afirmación sobre el grado de certeza, no sobre la magnitud. Quien asimile esta distinción estará mejor preparado que la mayoría de quienes redactan titulares sobre investigación.

Representadas una al lado de la otra, las dos curvas revelan algo que los dos titulares ocultan: se superponen en casi todo su rango. El centímetro que separa a las medias es mínimo en comparación con la dispersión dentro de cualquiera de las muestras, lo cual es la condición habitual de la medición humana y la razón por la que un único promedio constituye un baremo tan deficiente para evaluar a un individuo.

Cómo se diseñó el estudio

Algunas etiquetas metodológicas aparecen con frecuencia y son más sencillas de lo que parecen.

Los estudios prospectivos deciden qué datos recopilar y luego proceden a recogerlos. Los estudios retrospectivos trabajan hacia atrás analizando registros recabados con otro propósito. El enfoque prospectivo suele ser más riguroso porque el protocolo se estableció antes de conocer los resultados; el retrospectivo suele ser la única forma viable de reunir una muestra amplia de manera económica, que fue lo que hizo el equipo saudí con 778 historias clínicas.

Los estudios unicéntricos se realizan en un solo lugar, con un único equipo y, por lo general, con un protocolo uniforme. Esa consistencia es tanto una fortaleza —el error de medición es al menos homogéneo— como una debilidad, ya que los pacientes de una sola clínica no representan al mundo entero. El trabajo multicéntrico aporta amplitud a expensas de posibles variaciones de protocolo entre centros.

Luego está el diseño metodológico que domina la investigación médica y que apenas figura en este ámbito. Un ensayo controlado aleatorizado asigna a los participantes a distintas condiciones por azar, que es como los investigadores determinan si un tratamiento causó un efecto determinado. No es posible asignar al azar una dimensión corporal. La antropometría descriptiva es observacional por necesidad: describe lo que existe. Esto no es una deficiencia del campo, pero sí implica que los criterios de calidad sean distintos. Mientras que los ensayos clínicos dependen de la aleatorización para controlar el sesgo, los estudios de medición dependen de un protocolo estricto y de un reclutamiento transparente. Al evaluar un estudio en esta materia, esos dos factores son precisamente lo que se analiza.

Lo que el registro publicado no puede decirle

La literatura científica no es un espejo neutral. Históricamente, las revistas han preferido resultados que muestren algún hallazgo frente a aquellos que no muestran nada; por ende, los hallazgos que alcanzan significación estadística convencional tienen más probabilidades de ser redactados, enviados y aceptados que los que no. Los estudios que nunca llegan a publicarse a menudo se describen como archivados en el «cajón de archivos», y una revisión solo puede compilar lo que efectivamente se ha publicado. Conviene decirlo con franqueza y sin caer en el cinismo: esto significa que el promedio publicado se construye a partir de una muestra de estudios, no de todos los estudios jamás realizados, y las revisiones mitigan esto explicitando sus términos de búsqueda y criterios de inclusión para que otros puedan auditar dichos límites.

El idioma constituye otro filtro sutil. Una revisión que solo busque publicaciones en inglés infrarrepresentará las investigaciones de países que publican en otras lenguas, lo que resulta de gran relevancia en una disciplina que realiza comparaciones entre poblaciones. A esto se suma la limitación práctica que subyace a todo lo anterior: los datos en erección medidos por médicos son costosos, lentos y complejos de obtener, por lo que existen en mucha menor cantidad que cualquier otra medida. La escasez, más que el desacuerdo, es la descripción más acertada de gran parte de esta literatura. Para profundizar en estos sesgos, consulte nuestra guía para interpretar estudios de medidas corporales sin caer en equívocos.

Cinco preguntas que formular ante cualquier cifra

Nada de esto requiere formación estadística avanzada. Exige un hábito: antes de aceptar una cifra, pregúntese qué la produjo. La lista de verificación que figura a continuación trasciende este tema: resulta igualmente útil ante afirmaciones sobre nutrición, estadísticas de sueño o cualquier otro dato presentado como un promedio único y simplificado.

Ambas cifras son correctas

Volvamos a los dos estudios. Uno informa lo que clínicos capacitados registraron bajo condiciones estandarizadas en muestras seleccionadas por su consistencia metodológica. El otro informa lo que un amplio grupo de hombres motivados registró sobre sí mismos, en su casa, con un propósito práctico. Son respuestas a preguntas distintas, y una lectura rigurosa indica que ambas son válidas dentro de su propio marco.

Lo que demuestra esta comparativa es que, en la investigación de mediciones corporales, el método no es la parte tediosa que precede a los hallazgos: en gran medida, el método es el hallazgo. La cohorte saudí lo demostró dentro de un único conjunto de datos: con solo cambiar el punto de origen de la regla, el promedio varía más que toda la discrepancia debatida entre dos estudios célebres.

Esto sitúa a los lectores en una posición más ventajosa de lo que sugieren los debates. No es necesario actuar como árbitro entre estudios. Basta con advertir qué hizo cada uno y tomar cualquier cifra aislada con mayor cautela de la que sugiere el titular. No se trata de un escepticismo impostado, sino simplemente de una lectura crítica: esa es la diferencia entre consumir investigación y comprenderla realmente.