Por qu¨¦ no podemos predecir c¨®mo se comportar¨¢ el coronavirus

Los modelos que intentan ayudar a los m¨¦dicos a diagnosticar la Covid-19 o a saber si un paciente puede sufrir complicaciones o morir por la infecci¨®n no funcionan. Es lo que denuncia una revisi¨®n cient¨ªfica de 31 modelos publicados hasta el 24 de marzo, con la pandemia de coronavirus en plena expansi¨®n.

En poco m¨¢s de tres meses, el coronavirus SARS-CoV-2 ha pasado de infectar a animales salvajes a contagiar a 1,5 millones de personas en todo el mundo. La expansi¨®n ha sido tan explosiva que los cient¨ªficos y m¨¦dicos se han apresurado a compartir lo poco que sab¨ªan de la infecci¨®n en un intento de que llegase cuanto antes a otros pa¨ªses en los que la epidemia no estaba tan extendida. Entre los miles de estudios de este tipo, la mayor¨ªa publicados en servidores p¨²blicos sin haber sido revisados por otros expertos, hay muchos modelos que intentan determinar, por ejemplo, qu¨¦ pacientes est¨¢n contagiados y cu¨¢les tienen un mayor riesgo de desarrollar neumon¨ªa.

Un equipo de cient¨ªficos de Holanda, Austria, el Reino Unido y Alemania ha hecho una b¨²squeda exhaustiva de estos modelos en la literatura m¨¦dica y cient¨ªfica, tanto la publicada en servidores sin revisi¨®n, como la que apareci¨® en medios supervisados por expertos independientes. En total han encontrado 31 modelos de este tipo, seg¨²n relatan en un estudio publicado en la revista m¨¦dica British Medical Journal. Todos, dicen, est¨¢n sesgados y tienen una fiabilidad mucho menor de lo que dicen sus creadores. El problema es especialmente preocupante porque muchos de esos equipos han transformado sus modelos diagn¨®sticos o predictivos en aplicaciones online, de forma que un m¨¦dico indeciso sobre un diagn¨®stico pueda introducir la radiograf¨ªa del pecho de un paciente y la aplicaci¨®n tras una serie de preguntas le dir¨¢ si es un positivo por Covid-19, por ejemplo.

Los fallos m¨¢s frecuentes: los modelos no se basan en una cantidad y variedad de enfermos representativas, y adem¨¢s est¨¢n sesgados, pues algunos, dejan fuera a enfermos que se recuperan pronto de la enfermedad o, en el caso de los modelos de mortalidad, se excluye a los pacientes que no mueren. La mayor¨ªa de estos trabajos se basa en datos recogidos en China, lo que tambi¨¦n aumenta su sesgo por las diferencias entre los sistemas sanitarios y de salud p¨²blica entre este pa¨ªs y Europa, por ejemplo.

Los investigadores recomiendan que a partir de ahora los equipos den m¨¢s datos sobre sus pacientes para asegurarse de que los modelos son extrapolables y que sigan las directrices internacionales para este tipo de herramientas m¨¦dicas.

Antoni Trilla, jefe de Epidemiolog¨ªa del Hospital Cl¨ªnico de Barcelona y miembro del comit¨¦ cient¨ªfico asesor del Gobierno, se?ala que esta es ¡°una buena revisi¨®n sobre modelos predictivos de ingreso, diagn¨®stico y pron¨®stico¡±, explica. ¡°En resumen, lo que nos dice este estudio es que son poco cre¨ªbles, especialmente su validez externa. La frase final es contundente y la comparto: ¡®Existe la preocupaci¨®n de que las predicciones de estos modelos no sean fiables cuando se apliquen en la pr¨¢ctica cl¨ªnica¡±, a?ade.

¡°Hay muchas modelizaciones matem¨¢ticas posibles para predecir estos y otros resultados de salud¡±, explica Ricardo Oca?a, experto en matem¨¢ticas y estad¨ªstica de la Sociedad Espa?ola de Epidemiolog¨ªa y de la Escuela Andaluza de Salud P¨²blica. ¡°En la situaci¨®n actual, hay que ser muy cautelosos con cualquier predicci¨®n, ya que un error en la fuente de informaci¨®n o en la especificaci¨®n del modelo matem¨¢tico son especialmente graves por la repercusi¨®n cl¨ªnica, social, pol¨ªtica y econ¨®mica que pueden tener sus predicciones en estos momentos. Desafortunadamente, el uso inapropiado de m¨¦todos estad¨ªsticos en salud no es algo nuevo, pero en esta ocasi¨®n cobra especial relevancia por sus repercusiones en la toma de decisiones¡±, a?ade.

Desde la medicina, el jefe de Urgencias del Hospital Virgen del Roc¨ªo de Sevilla, Jos¨¦ Mar¨ªa Dom¨ªnguez-Rold¨¢n, advierte de las complicaciones de aplicar estos modelos basados en datos de otros pa¨ªses. ¡°La Covid-19 es a¨²n muy poco conocida, tenemos unas fuentes de datos insuficientes y al final lo ¨²nico que tienen en com¨²n todos los pacientes es esa infecci¨®n, el resto de condicionantes que los rodean pueden ser diferentes¡±, resalta. ¡°En China, por ejemplo, la sanidad es p¨²blica, pero los pacientes tienen que pagar por ir al hospital, por lo tanto no todos acuden a los servicios sanitarios, lo que hace que los datos no sean extrapolables a la medicina de un pa¨ªs como Espa?a, donde la sanidad es realmente universal y gratuita¡±, destaca.

En cualquier caso el m¨¦dico advierte de que estos modelos sirven solo como una referencia. Al final lo que m¨¢s cuenta es la propia evoluci¨®n de cada enfermo. ¡°Tener un nivel de ox¨ªgeno en sangre concreto no basta para saber si un paciente tiene que ser intubado, lo que sirve es saber si en unas horas ese paciente ha pasado de niveles m¨¢s altos a niveles m¨¢s bajos¡±, detalla.

Puedes seguir a MATERIA en Facebook, Twitter, Instagram o suscribirte aqu¨ª a nuestra Newsletter.

Informaci¨®n sobre el coronavirus

- Aqu¨ª puede seguir la ¨²ltima hora sobre la evoluci¨®n de la pandemia

- El mapa del coronavirus: as¨ª crecen los casos d¨ªa a d¨ªa y pa¨ªs por pa¨ªs

- Preguntas y respuestas sobre el coronavirus

- Gu¨ªa de actuaci¨®n ante la enfermedad

- En caso de tener s¨ªntomas, estos son los tel¨¦fonos que se han habilitado en cada comunidad