Testar mejor para frenar el ‘Covid-19’

La Estadística no tiene leyes fundamentales, pero si las tuviera, la primera sería: ‘Basura que entra, basura que sale’. Buenos modelos con malos datos producen malas proyecciones y peores decisiones. Por desgracia, la calidad de los datos sobre la Covid-19 es pésima, tanto en España como a nivel global. Sin conocer la prevalencia, las dinámicas de contagio y la fatalidad de la pandemia, los gestores de la crisis pilotan con los cristales tintados.

Necesitamos urgentemente mejores datos y no hay mejor opción que testar más y mejor. Hasta ahora, las pruebas se han centrado desproporcionadamente en diagnosticar a pacientes sintomáticos para tratarlos y prevenir contagios inducidos. Sin embargo, las pruebas pueden, y deben, ayudarnos a relajar, de forma rápida y segura, el confinamiento de trabajadores y a comprender el comportamiento de la Covid-19. Entendiendo el virus, estaremos más cerca de vencerlo. Y tal vez no necesitemos sacrificar nuestra privacidad para lograrlo.

En este artículo, destacamos cinco palancas críticas para testar mejor: (1) realizar pruebas aleatorias, (2) aplicar pruebas en grupo, (3) estandarizar criterios estadísticos, (4) fomentar la transparencia y, a largo plazo, (5) testar a todo el mundo.

Por qué necesitamos datos fiables

Con datos fiables sobre la Covid-19, podríamos estimar la tasa R0 de infecciones, la fatalidad, la prevalencia, el porcentaje de recuperados, las poblaciones de riesgo y las dinámicas de contagio, entre otros. Con esta información, podríamos (i) adaptar la respuesta sanitaria para reducir futuros picos y colapsos y (ii) amortiguar el impacto económico.

[Recibe diariamente los análisis de más actualidad en tu correo electrónico o en tu teléfono a través de nuestro canal de Telegram]

Empecemos por la vertiente sanitaria. Si no mejoramos la calidad de los datos, tomaremos a oscuras decisiones de vida o muerte. Por ejemplo, ¿cuántos ventiladores necesitaremos en un mes?, ¿cuántas mascarillas tendremos que fabricar localmente este año?, ¿cuántos voluntarios tenemos que formar ya para apoyar ante un eventual nuevo pico en otoño?

La incertidumbre es aún mayor al salir del hospital, donde se entremezclan la salud pública, la economía y el bienestar social. Para minimizar el impacto económico del virus, la producción debe reanudarse pronto. Esto implica relajar lo antes posible las medidas de confinamiento, sin provocar un segundo pico de contagios sintomáticos. Ésa es la condición que nos quiebra la cabeza, pues no se retirarían las mismas medidas de confinamiento, ni al mismo ritmo, si un 0,1% de la población ha sido infectada que si fuese un 10% o un 50%. En este caso, la batería de preguntas críticas sin respuesta incluye: ¿hasta cuándo seguiremos en cuarentena? ¿Qué medidas de distanciamiento social son más efectivas para prevenir el contagio? ¿Cuándo abrirán los colegios y las universidades? ¿Cuándo subirán la persiana y nos proporcionarán la borrachera colectiva que llevamos semanas prometiéndonos?

¿Qué tal es la calidad de los datos?

Malísima.

Sabemos que las cifras de casos confirmados subestiman el número de infectados por un factor de 5, 10, 20 o vaya usted a saber. Esto invalida automáticamente las tasas de fatalidad, que están además distorsionadas por los diferentes criterios nacionales y regionales al reportar qué muerte es atribuible a la Covid-19.

La cifra real de infectados es quizás el mayor interrogante de esta crisis. Si desayunas cada mañana analizando la segunda derivada de la curva de casos confirmados, este gráfico es para ti. En él, se aprecia la correlación entre número de tests efectuados y el número de casos confirmados. Pocas veces se ven relaciones tan claras en Ciencias Sociales. El mensaje es que, hasta cierto punto, reportan más quiénes más testan, no necesariamente quienes más casos tienen. Esto no implica que los datos de casos confirmados sean completamente inútiles, pero sí que debemos interpretarlos con precaución.

[Escuche el ‘podcast’ La Semana de Agenda Pública]

En España, de acuerdo con las cifras oficiales a 29 de marzo, había 78,797 casos confirmados, lo que representa un 0,17% de la población. Pero, si cogemos boli y servilleta y asumimos para España la misma tasa de mortalidad que la de Corea de Sur (que ha testado de forma mucho más agresiva), el número de infectados ascendería a cerca de medio millón, equivalente a un 1% de la población, en línea con las estimaciones del matemático Antonio Durán.

Además de la pesadilla logística de construir estadísticas fiables durante una pandemia global, la escasa fiabilidad de los datos sobre infectados responde a dos grandes problemas: (i) la falta de tests, y (ii) el sesgo de selección a la hora de testar.

Las pruebas para el virus Sars-COV-2 (responsable de la Covid-19) son escasas, relativamente costosas y elevar sustancialmente su producción llevará tiempo. Por ejemplo, Estados Unidos está actualmente aumentando la producción de tests hasta 1,2 millones por semana (para una población de 330 millones), Alemania produce 500.000 pruebas semanales (población de 84 millones) y Francia sólo 84.000, aunque espera subir hasta las 210.000 en abril (65 millones de habitantes). Se testa, por lo tanto, menos de lo deseado.

Los escasos tests disponibles se emplean, en su amplia mayoría, en pacientes sintomáticos. Esto genera un sesgo de selección de primera magnitud. Al hacer la prueba, desproporcionadamente, a quien manifiesta síntomas severos (i) subestimamos la tasa real de infectados y (ii) sobrestimamos la fatalidad de la Covid-19. Hasta la fecha, ningún país impactado por la pandemia dispone de una estimación robusta de su número de infectados.

Respecto al número de fallecimientos, la comparación entre países es también delicada, ya que no se reportan estadísticas homogéneas. Por ejemplo, en Francia sólo contabilizan el número de muertes que tienen lugar en hospitales, y en Alemania no se realizan sistemáticamente pruebas post-mortem. También existen discrepancias al determinar el motivo del deceso: en algunos países, si se produce dando positivo en Covid-19, se considera una muerte por esta enfermedad, mientras que en otros países se puede atribuir a complicaciones de salud previas.

Cinco (posibles) palancas para testar mejor

Sintetizando las secciones anteriores, ahora mismo los datos fiables son tan críticos como inexistentes. Necesitamos un cohete y tenemos un triciclo. Podemos superar este reto testando más y mejor, pero antes merece la pena abrir un paréntesis técnico. No hay una sola prueba para detectar la Covid-19, sino múltiples, cada una con sus ventajas e inconvenientes, incluyendo los test PCR (por las siglas en inglés de reacción en cadena de la polimerasa) que encuentra el virus SARS-CoV-2 y las serologías, que identifican anticuerpos y pueden completarse en 15 minutos. Las pruebas más específicas (por ejemplo, menos falsos positivos) suelen ser menos sensibles (más falsos negativos) y viceversa. Además, las pruebas más fiables suelen ser también más lentas y complejas. A efectos de este artículo, no distinguimos entre tipos de tests. Cerramos paréntesis.

Llega el momento de las buenas nuevas: podemos entender mejor la ‘Covid-19’ gracias al testeo. No será fácil, pero es técnica y económicamente factible. A continuación, recordamos las cinco posibles palancas:

1.- Realizar pruebas aleatorias de ‘Covid-19’ en las poblaciones afectadas. El muestreo aleatorio eliminaría el sesgo de selección y nos daría una imagen fiable de la prevalencia de la epidemia. Además, gracias a la magia de la inferencia estadística, una muestra relativamente pequeña podría informarnos sobre las características de la población. En otras palabras, no debemos sacrificar una fracción excesiva de nuestros tests en estas pruebas aleatorias, que serían complementarias, y no sustitutivas, de las realizadas para identificar casos individuales y reducir el contagio.

Algunos países ya están implementando esta estrategia: India ha empezado con las serologías aleatorias y Estonia está haciendo pruebas sistemáticas a los trabajadores esenciales y mayores de 60 años. Consultamos al profesor de Epidemiología de Harvard Marc Lipsitch, quien predijo en febrero que entre el 40% y 70% se infectaría del Sars-CoV-2, y se mostró partidario de las pruebas aleatorias, aunque le preocupa su puesta en marcha. En una democracia garantista, el Estado tal vez no pueda, ni deba, imponer tests aleatorios.

2.- Aplicar tests en grupo para maximizar el impacto de cada uno. El matemático y economista Olivier Gossner ha tenido una idea brillante, rescatada de los peores tiempos de la sífilis: mezclar las muestras de diversos individuos y testar si alguno de ellos tiene el virus. La ventaja de este método es que, estadísticamente, puedes testar a muchos más pacientes con menos pruebas y la misma precisión, mientras la prevalencia sea relativamente baja. Dada la escasez actual, esta idea merece una oportunidad. De funcionar, permitiría el retorno acelerado de trabajadores al mundo laboral y una estimación satisfactoria de la prevalencia y fatalidad de la Covid-19.

3.- Estandarizar los criterios estadísticos. No es la iniciativa más glamurosa, pero llamando oveja al lobo nunca conoceremos el número de lobos. Los países, y las regiones en su seno, deben armonizar los criterios para contabilizar muertes e infectados. En la UE, Daniel Gros ha propuesto lanzar un Corona Panel. La idea sería testar a las familias que ya forman parte del Panel de Hogares de la Unión Europea. Así aprovecharíamos la infraestructura estadística existente y contaríamos con datos fiables y armonizados a corto plazo.

4.- Difundir con transparencia todos los datos sanitarios disponibles. Millares de analistas están hoy literalmente en casa, subiéndose por las paredes. Facilitando el acceso a datos desagregados de calidad, las instituciones podrían acelerar el aprendizaje colectivo sobre la pandemia. Sin embargo, en España algunas comunidades autónomas no reportan datos demográficos de los infectados. Tampoco hay claridad sobre cuántas pruebas se realizan al día.

5.- Realizar pruebas a toda la población, a la vez. La idea, de unos investigadores nórdicos del prestigioso Karolinska Institutet y apoyada por el Nobel de Economía Paul Romer, es simple y disruptiva. Implicaría un proceso iterativo en tres pasos: (1) testamos a todo el mundo, (2) imponemos cuarentena a los que den positivo, (3) repetimos. La limitación evidente de este enfoque es que requeriría un crecimiento exponencial de la capacidad para producir tests. Además, las democracias deberían lidiar con la cuestión del consentimiento (¿qué ocurriría si declinas testarte? Sin embargo, los investigadores nórdicos se muestran optimistas sobre la capacidad del ser humano de movilizar recursos frenéticamente y plegarse al interés colectivo cuando hay tanto en juego.

La Covid-19 es posiblemente el mayor reto de nuestra generación. Salimos al campo dormidos y ahora toca remontar. Afortunadamente, la Humanidad nunca ha aprendido tan rápido ni tenido tantos recursos a su disposición. Saldremos de ésta; pero testando más y mejor, saldremos antes.

**

Contra la pandemia, información y análisis de calidad
Colabora con una aportación económica

Autoría

Patrocinado por:

Deja un comentario

X

Uso de cookies

Esta página utiliza cookies propias y de terceros para mejorar nuestros servicios y mostrarle información relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso.. Puede cambiar la configuración u obtener más información aquí.