Durante toda
la pandemia de COVID-19 hemos intentado buscar las causas por las que los casos
y las defunciones aumentan y cuáles pueden ser las intervenciones no
farmacológicas (NPI en inglés) que pueden conseguir frenar la escalada de casos
y evitar nuevos crecimientos. De hecho, esta es la función básica de la
epidemiología como disciplina en su definición más canónica, donde se define
como “el estudio de la ocurrencia de los estados o eventos de salud en
poblaciones específicas, incluyendo los determinantes que influyen en tales
estados y la aplicación de estos conocimientos para controlar los problemas de
salud.”
Desde los primeros meses hemos encontrado multitud de artículos científicos
analizando estos elementos: por qué nos contagiamos, dónde nos contagiamos, y
cómo impedirlo. Confinamientos de diferente tipo, toques de queda, cierre de
comercios, estrategias de re-apertura… el número de evaluaciones (de variable
calidad) en diferentes territorios ha sido continuo, y sus resultados pueden
ayudar a extraer conclusiones que, siempre contextualizando en las condiciones
concretas de cada territorio, pueden ayudarnos a tomar mejores
decisiones.
Hace unos
días publicamos en Gaceta Sanitaria un resumen de toda esta evidencia en
relación al rol de la hostelería en la transmisión del COVID-19. Los
resultados son bastante abrumadores: hay gran consistencia en la literatura
disponible sobre la efectividad del cierre de la hostelería en disminuir la
transmisión del COVID-19. Desde entonces hemos recibido algunos mensajes del
tipo “¿y cómo se
explica que en Francia ahora haya más muertes que en España cuando ellos tienen
todo cerrado y nosotros todo abierto?”. Estas
aparentes incoherencias, más que negarlas, nos pueden permitir comentar la
complejidad del conocimiento epidemiológico generado en directo durante una
pandemia. De hecho, podríamos hablar de 2 elementos que vienen a colación y que
merecen matizaciones para entender la complejidad del estudio epidemiológico:
la variabilidad y el mantra “correlación no implica causalidad”.
La variabilidad hace referencia a que los
mecanismos en epidemiología no funcionan como de una forma mecanicistas “doy un
interruptor y siempre ocurre lo mismo”. Los procesos de salud-enfermedad son
enormemente más complejos que eso, y la definición de causalidad tiene
múltiples implicaciones filosóficas, teóricas y prácticas. De hecho, la
epidemiología que estudia factores de riesgo, al referirse a agregados
poblacionales, funciona en términos probabilísticos, estudiando cómo diferentes
elementos “aumentan el riesgo” o “aumentan la probabilidad” de que un
determinado evento ocurra, sin dar y certezas absolutas de que un elemento
único vaya a provocar siempre el mismo efecto. Esto ocurre incluso en los
factores de riesgo más conocidos para la salud: no todo el mundo que fuma 2
paquetes al año muere de cáncer de pulmón o EPOC. Todos tenemos un familiar que
fumó hasta los 90 años y no murió por elementos relacionados con el tabaco, pero
no negamos que el consumo de tabaco disminuye la esperanza de vida y aumenta el
riesgo de desarrollar multitud de enfermedades. La epidemiología no genera el
conocimiento más adecuado para hacer predicciones absolutas de situaciones
individuales; más bien genera conocimiento que ayuda a comprender la
complejidad de procesos donde actúan múltiples variables.
De una forma paralela, podemos entender también el estudio de otras
intervenciones en el COVID-19: no siempre hacen el mismo efecto. Una de las razones
principales se encuentra detrás del hecho de que las enfermedades infecciosas
tienen unas dinámicas de infección e inmunidad muy específicas, que
generalmente están ausentes con otros fenómenos de salud pública. Al aumentar
el número de infecciones, por un lado aumenta la probabilidad de contagio (un
mayor número de gente contagiosa) pero por otro disminuye el número de personas
susceptibles. Es decir, la tendencia actual tiene un enorme efecto sobre
tendencias futuras.
El cierre de la hostelería es una medida efectiva si atendemos a la
evidencia a nivel internacional, pero no siempre tendrá el mismo efecto.
Incluso puede haber lugares que aplican cierres de alguna forma y tengan
incidencias altas. Para poder comprender la situación individual de cada territorio
habrá que tener en cuenta, al menos, diferentes circunstancias como:
– ¿Cuándo se
produce el cierre? Si se produce con una curva ascendente muy clara, el cierre
ayudará a que no llegue tan alto, pero seguirá subiendo
– ¿Qué
inmunidad tiene ese territorio?
– ¿Qué otros
elementos están entrando en juego? (otros cierres, adherencia a la medida,…)
Es decir, ¿que Francia tenga la hostelería cerrada y tenga ahora mismo más
mortalidad por COVID-19 que España implica que el cierre de la hostelería no
vale? No. El contexto de esa comparación entre España y Francia no puede
comprenderse sin analizar qué pasó en los meses de enero y febrero en ambos
países (con una afectación enorme en España), cuál es la situación social y epidemiológica
cuando en Francia se produce esa decisión, que dentro de cada territorio la
situación es muy desigual… En fin, más allá de negar a la mayor en base a una
excepción, debemos partir del conocimiento complejo y contextualizado. Comparar
la situación de España y Francia ahora mismo y extrapolar la efectividad de una
medida solo con eso es el equivalente a “mi abuelo fumaba 2 paquetes hasta los
90 años, el tabaco no produce problemas de salud”.
El segundo
elemento es el mantra de que correlación no implica causalidad. Y es que
bajo esa frase (tan cierta y necesaria para separar relaciones espúrias de
otras con importancia) se esconden críticas que no se han acercado a ninguno de
los tratados acerca de la complejidad del estudio de la causalidad, y todas las
aristas que tiene. Decíamos en Epidemiocracia en relación a la aparición de la primera
ola del COVID-19 en países que reciben más turistas:
Podríamos estar discutiendo durante gran parte del libro sobre la
limitación de esos datos, y sobre que la correlación no implica causalidad,
pero deberíamos profundizar en esta relación más allá. Desde un punto de vista
epidemiológico, incluso desde las visiones más ortodoxas, se tienen en cuenta
elementos muy diversos para decir que una relación entre dos variables es más
probablemente causal, entre otras: la fuerza de la asociación, la relación
temporal causa-efecto, la plausibilidad de la relación y la coherencia con el
conocimiento previo. Por tanto, reducir la causalidad en la epidemiología, uno
de los campos más complejos dentro de esta disciplina, a “correlación no es
causalidad” es tan problemático como creer que toda relación implica
causalidad. Es más, esta frase suele utilizarse para intentar negar a la mayor
realidades complejas que existen, pero que no encajan en un modelo unicausal,
como es el caso de la relación entre el modelo de turismo internacional masivo
y la expansión de las epidemias. No podemos buscar fenómenos (la pandemia de
COVID-19) que se expliquen exclusivamente por un origen causal (el turismo de
masas), pero parece claro que algunos de estos fenómenos, que muestran una gran
fuerza de asociación estadística y se encuadran dentro de un marco teórico muy
plausible, desempeñan un papel importante a tener en cuenta.
Cuando tenemos evidencia científica a nivel internacional sobre el rol de la hostelería a través de diferentes modelos (estudios de modelaje, series de casos de vigilancia y estudios de inferencia causal), estamos obteniendo una información con una solidez muy grande. Pero esa solidez no implica una uni-causalidad mecanicista, y que en todas las situaciones aplicar la misma medida tenga el mismo efecto. Toda medida de salud pública tiene que ser puesta siempre en su contexto para estudiar su potencial efectividad, además de siempre sopesar sus posibles efectos secundarios.
Autores:
Pedro Gullón. Doctor en Medicina, epidemiólogo y profesor Ayudante en Medicina Preventiva y Salud Pública en la Universidad de Alcalá. @pgullon
Usama Bilal. Epidemiólogo social, actualmente profesor en el Departamento de Epidemiología Bioestadística y en el Centro de Salud Urbana de la Escuela de Salud Pública de la Universidad Drexel, en Filadelfia (EEUU). Estudia los determinantes macrosociales de la salud, especialmente en el contexto de las desigualdades en salud en ciudades. @usama_bilal
Javier Padilla. Médico de familia y comunitaria. Acaba de publicar el libro ¿A quién vamos a dejar morir?, donde aborda la importancia de lo político en la sanidad pública. @javierpadillab