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