Escucha este artículo
Audio generado con IA de Google
0:00
/
0:00
En la noche del sábado 5 de abril, el Ministerio de Salud anunció una decisión drástica: de ahora en adelante todos los que quieran usar el transporte público deberán utilizar tapabocas. Deberán portarlo tanto en buses, Transmilenio o taxis. También en supermercados y bancos y en lugares en lo que no se pueda mantener una distancia de, al menos, un metro.
La medida ya había sido anunciada días antes por el alcalde Medellín, Daniel Quintero. A través de Twitter había manifestado que, a partir del lunes 6 de abril, nadie podría subirse ni al metro, buses, cables ni al tranvía sin su respectivo tapabocas. El propósito, había dicho, era evitar que creciera el número de personas con COVID-19 que, en este momento, es de 1.485 en Colombia. Ha habido 33 fallecidos y 88 recuperados.
La efectividad de usar o no masivamente el tapabocas es un asunto que había vuelto a discutirse con intensidad en el mundo científico antes de la recomendación que acaba de emitir la Organización Mundial de la Salud, (este artículo explica con detalle esa decisión, qué significa y la consistencia de la evidencia que la soporta). Pero en medio de ese mar de información también han aparecido argumentos que no ayudan a despejar el enjambre de dudas generadas en las últimas semanas. Por el contrario, solo generan confusión. Uno de ellos fue utilizado, justamente, por Daniel Quintero.
El viernes 3 abril el alcalde de Medellín publicó en Twitter una gráfica que muestra los casos acumulados de COVID-19 en varios países. En ella, un par de trazos en rojo y azul los agrupa en dos conjuntos: los que, en teoría, “usaron” tapabocas (Corea del Sur, Japón, Singapur y Hong Kong) y los que no (es decir, el resto de países).
Quintero acompañó la gráfica con este comentario: “Los tapabocas nos ayudarán a reducir el avance del COVID-19. Desde el martes será obligatorio para entrar el metro y buses. El lunes haremos trabajo pedagógico”. En el momento en que se escribe este artículo tiene más de 4 mil “Me gusta” y 1.100 “retweets”.
Luis Fernando Gómez, médico y profesor de la Universidad Javeriana, también le respondió a Quintero: “Este es un buen ejemplo del error, muy común, de asumir que correlación es igual a causalidad”. “Asumir que Japón, Singapur y Hong Kong han logrado controlar la enfermedad debido al uso universal de tapabocas, brinda un mal mensaje”, le escribió en otro trino.
A lo que se referían se puede resumir en una vieja frase que suelen usar los epidemiólogos cada vez que alguien hace este tipo de relaciones: “Una asociación no necesariamente implica causalidad”. En este caso, que Corea del Sur, Japón, Singapur y Hong Kong hayan implementado, supuestamente, el uso masivo del tapabocas no significa que esa medida haya sido la responsable de las disminución en los casos de COVID-19.
En otros términos, como explica Fernández Niño, este un buen ejemplo de lo que en el mundo de la Epidemiología llaman un “sesgo de confusión”. Es decir, cuando se separa el efecto de una variable (el “uso del tapabocas”, en este caso) de otras intervenciones que, tal vez, han sido cruciales para contener la epidemia en esos países. “Esas medidas no fueron aplicadas de forma aislada sino en conjunto con otras como la aplicación masiva de pruebas diagnósticas y aislamientos”.
Varios artículos han detallado las estrategias de cada uno de esos países. Singapur, por ejemplo, como lo muestra este artículo publicado en la página de los Centros para el Control y la Prevención de Enfermedades de Estados Unidos (EE.UU.), tomó una serie de decisiones que tuvieron efecto al ser aplicadas de manera conjunta. Luego de un mes de haber detectado el primer caso de transmisión local, el número de casos empezó a disminuir.
“Es probable que esta disminución sea el resultado de la implementación temprana de medidas de vigilancia y detección mientras el número de pacientes aún era pequeño”, dicen los autores. También adoptaron medidas en las fronteras como el control de temperatura a viajeros provenientes de Wuhan e hicieron campañas de educación pública enfocadas a la higiene personal y a la búsqueda de atención médica temprana. Además, señalan, “la búsqueda activa de casos alrededor de pacientes con COVID-19 por medio de un rastreo de contactos, fue útil para detectar nuevos pacientes”.
Corea del Sur, por mencionar otro ejemplo, se embarcó en una estrategia que, junto a otras medidas, le ha dado resultado: hacer pruebas diagnósticas de manera masiva y rastrear con efectividad a los contactos para aislar a las personas infectadas. Hoy es uno de los países que más ha hecho test por cada millón de habitantes.
Otro error más muestra la gráfica compartida por Daniel Quintero. Comparar unas medidas que fueron tomadas en tiempo distintos y en contextos muy diferentes. “Si no es posible comparar lo similar con lo similar, la confusión es inevitable”, escribió en 2009 el epidemiólogo y profesor de la Universidad de Edimburgo, Rah Bhopal, en un popular artículo que tituló “Siete errores y potenciales soluciones en epidemiología”. En él mencionaba otra equivocación frecuente: “La exageración de la causalidad basada en asociaciones”. Es una interpretación, insistía, que se debe hacer con gran rigor.
“Si el alcalde de Medellín tiene la razón, un mal argumento debilita su postura. Es preferible tener buenos argumentos para esta discusión. Así que exhortamos a que se dé un debate más riguroso, como el que se está dando, gracias a la evidencia científica. Si bien es entendible que para comunicar hay que simplificar, es mejor no incurrir en imprecisiones sino contribuir a mejorar la masa crítica”, dice Fernández Niño.
En su listado el profesor Bhopal añadió un último “error” que parecía más un llamado a los investigadores y a quienes toman decisiones para que usen de manera adecuada los datos sobre salud y no hagan cálculos de manera apresurada, tal como ha sucedido con frecuencia en esta pandemia. “Interpretar los datos correctamente”, escribía, “se encuentra entre los esfuerzos intelectuales más importantes de la ciencia. Hacer recomendaciones de salud pública a partir de datos incrementa esta habilidad. Son raras las personas que la tienen”.