Ser gordo es malo por muchas razones, pero tengo dudas de que sea neurodegenerativo. Una razón para dudar es que la asociación negativa entre el IMC y la inteligencia (es decir, las personas gordas tienden a ser más tontas) aparentemente no es causal.

¿Quizás sea causal durante un período mucho más largo de obesidad? No está claro a partir de métodos claramente causales, incluidos los ensayos controlados aleatorios de GLP-1RA. ¡Así que revisemos la evidencia de la Randomización Mendeliana! Primer estudio: Yun et al. 2024. Resultado: Nada.

Segundo estudio: Norris et al. 2023. Resultado: Efectos escasos que parecían ser específicos del test, pero la interacción no fue significativa. Mayor memoria visual -> menos grasa corporal, pero nada de grasa corporal -> ninguna medida.

Tercer estudio: Li et al. 2025. Resultado: -0.14% del volumen total de materia gris por SD de IMC; <-0.04 SDs de inteligencia fluida por SD de IMC; +0.007 SDs de hiperintensidades de materia blanca por SD de IMC. Todos estos son efectos trivialmente pequeños, pero significativos en este tamaño de muestra.

Cuarto estudio: Gong et al. 2025 Resultado: Hay mucho en juego aquí. Grasa a IQ -> 1 SD IMC = -0.288 SDs de inteligencia fluida. 1 SD de porcentaje de grasa corporal -> -0.346 SDs de FIQ. IQ a grasa -> 1 SD IQ = -0.068 SDs IMC. Parecían efectos implausiblemente grandes, y lo eran (ver más abajo).

Los resultados de Gong et al. me confundieron tanto que miré y vi que resulta que en realidad son inválidos. El problema principal: superposición de muestras entre la exposición y el GWAS de resultado. En el MR de dos muestras, asumes independencia, pero en este estudio, sus instrumentos de IMC provenían de MRC-IEU y sus estimaciones de inteligencia fluida del GWAS provenían de... MRC-IEU también. Esta violación sesga hacia la correlación observacional (es decir, sesgo de instrumento débil). Esto hace que el efecto sea SUSTANCIALMENTE mayor que el efecto causal, y, de hecho, increíble. También se basaron en un GWAS que era demasiado antiguo y tenía poca potencia. Luciano et al. (2011) (muy antiguo para un GWAS) tenía solo 2,378 -- basura de la era de genes candidatos, por lo que las estimaciones debían estar sesgadas al alza en sus efectos para la significancia. ¡Tamaños de efecto no utilizables! Y el GWAS de CF, aunque metodológicamente sólido, tenía solo n = 22,593 de un consorcio dentro de la familia, por lo que estaba severamente subpotenciado y llevó a pocos SNPs, lo que significa que cada SNP tenía un alto peso en la estimación IVW, y hasta un solo SNP levemente pleiotrópico puede cambiar todo el resultado. El artículo de Gong et al. necesita ser retractado por ser un artículo de MR inválido. Ahora pasemos a otra cosa.

Quinto estudio: Chen et al. 2026 Resultado: Extremadamente molesto. Cosas plausibles para el accidente cerebrovascular y las regiones cerebrales, con el último resultado que no varió por región, lo cual es sospechoso, y las cosas de inteligencia fluida incluyeron superposición de muestras. Oh, y hay la maldición del ganador para los fenotipos derivados de imágenes cerebrales porque seleccionaron por significancia. Trata cualquier cosa aquí como una estimación de límite superior, y probablemente una estimación sin sentido. Sexto estudio: Luan et al. 2025 Resultado: En realidad, estoy perdiendo la fe en las estimaciones de MR chinas con esto. Problemas enormes de superposición de muestras, exposiciones redundantes enfatizadas, un chequeo de robustez falso (MR-RAPS: el IMC tiene pleiotropía bien documentada con la educación y el SES y si el IMC afecta la capacidad cognitiva a través del SES, RAPS no lo detectará).

Séptimo estudio: Mina et al. 2023 Resultado: ¡Grandes medidas! ¡Gran muestra! ¡Viejos GWAS! Por favor, repita este análisis con GWAS más recientes. ¡Sería realmente muy informativo! De hecho, su Fig. 1C muestra el problema de la muestra única. De todos modos, su resultado no es... tan realista, tal como está. Desafortunadamente, debido a la superposición entre el GWAS de VAT y el GWAS cognitivo, las estimaciones de MR están sesgadas hacia las observacionales, como en otros lugares. Lo que realmente destaca, sin embargo, es que los instrumentos de MR no se salvan con el uso de esta muestra asiática, porque los tamaños del efecto están ligados a los tamaños del efecto de UKBB y las estimaciones deben interpretarse como europeas en lugar de las de esta muestra de Singapur. De todos modos, creo que el efecto tiene algo de sentido. Pasar del 10% más delgado en términos de adiposidad visceral al 10% más gordo lleva 2.2 años de "envejecimiento cognitivo" y 0.10 SDs de g. Pasar del 10% general más alto por IMC al 10% más bajo por IMC lleva a 0.13 SDs de g a través de 2.56 SDs de IMC (es decir, -0.05 por SD), incluso con los sesgos que mencioné. ¿Impresionante? Quizás.

Resumiendo todo esto, tengo que decir que simplemente no hay muchas pruebas de que ser más gordo te haga más tonto en gran medida. El total de la evidencia positiva dice que es un pequeño grado, y que ese grado se sobreestima en una cantidad desconocida según los documentos actuales.