miércoles, 15 de abril de 2020

El gran fallo de los modelos matemáticos de predicción del coronavirus

Foto: Un hospital de campaña en Nueva York. (EFE)
Un hospital de campaña en Nueva York. (EFE)


Los encargados de los modelos matemáticos están haciendo lo mejor que pueden con los datos a los que tienen acceso, muchos de los cuales inicialmente llegaron de China e Italia


Algo importante está pasando mientras continúa la crisis por el coronavirus: las estimaciones sobre su letalidad bajan cada vez más. El 31 de marzo, la Casa Blanca estimó que, incluso aplicando políticas de distanciamiento social, entre 100.000 y 240.000 estadounidenses morirían con Covid-19. Anthony Fauci ha indicado recientemente que las estimaciones del Gobierno serán pronto revisadas y actualizadas a la baja.
El modelo (de predicción de la expansión del coronavirus) de la Universidad de Washington, que ha sido citado por la Casa Blanca, predecía que el 26 de marzo, asumiendo que las medidas de distancia social se mantuvieran hasta el 1 de junio, las muertes en EEUU durante los próximos cuatro meses serían muy seguramente cerca de 81.000. Para el 8 de abril, han aplicado más de cinco revisiones hasta obtener el número actual: 60.415. Una cifra similar al número de gente que se estima ha muerto de gripe en la temporada 2019-2020.


¿Qué está pasando aquí? Quizá la distancia social ha funcionado mejor de lo que se imaginaba. Pero, a pesar de todo, sigue habiendo desconcierto con los números. Las predicciones de tasas de hospitalización se han demostrado también sobreestimaciones sustanciales. El 30 de marzo, los investigadores de la Universidad de Washington proyectaron que California necesitaría 4.800 camas el 3 de abril. En realidad, el estado necesitó 2.200. El mismo modelo previó que Luisiana necesitaría 6.400. De hecho, solo usó 1.700. Incluso Nueva York, con el sistema más saturado del país, utilizó solo 15.000 camas frente a la proyección de 58.000. Es mejor prepararse para lo peor, pero esto ha significado que se ha negado atención médica (o no la han buscado) a pacientes con otras enfermedades también graves… Sin una buena razón.
¿Por qué está pasando algo así? Los encargados de los modelos matemáticos están haciendo lo mejor que pueden con los datos a los que tienen acceso, muchos de los cuales inicialmente llegaron de China e Italia.
Un grupo de académicos de la Universidad de Stanford cree que la razón básica de que las estimaciones de muertes han tenido que ser revisadas a la baja es porque sin test de diagnósticos generalizados a la población desde el principio, no son capaces de detectar cuántos casos suaves o asintomáticos habría. Eso significa que el denominador —aquellos que han sido infectados— es mayor que las estimaciones iniciales y que la tasa de mortalidad por Covid-19 es más baja (si dos de cada 100 personas con el virus mueren, la tasa de letalidad es del 2%, si dos de cada 1.000 mueren, es del 0,2%). En marzo, la Organización Mundial de la Salud anunció que el 3,4% de las personas con el virus habían muerto. Esta sería una sorprendentemente alta tasa de mortalidad. Fauci sugirió una semana después que la tasa de mortalidad real era probablemente del 1%, aun así 10 veces superior a la de la gripe. Desde entonces, hemos sabido que muchas personas, quizá tantas como la mitad, no tienen ningún síntoma. Algunos estudios apuntan que entre el 75 y el 80% de los infectados podría ser asintomático. Esto significa que la mayoría de la gente infectada con el virus nunca llegará a ir a una clínica y nunca figurará en la estadística de casos.
John Ioannidis, de la Universidad de Stanford, un epidemiólogo que se especializa en analizar datos y uno de los científicos más citados sobre el tema, cree que hemos sobreestimado masivamente la letalidad del Covid-19. “Cuando tienes un modelo que incluye un crecimiento exponencial, si cometes un pequeño error con los números, acabas teniendo una cifra final que puede ser 10 veces, 30 veces o incluso 50 veces superior [a la real]”, me dijo. Apuntó que ha habido tres ocasiones en las que se practicaron pruebas de diagnóstico a una población en su conjunto: el crucero Diamond Princess, la ciudad italiana de Vo Euganeo y el condado de San Miguel, en Colorado.
En todos estos lugares, el número de infecciones (muchos sin síntomas) —cuando es ajustado a la población de EEUU como conjunto— sugieren una tasa de letalidad similar a la de la gripe estacional. Datos de Islandia y Dinamarca, que han aplicado las mejores políticas de testeo aleatorio a la población, apuntan en la misma dirección, dijo Ioannidis. “Si tuviera que hacer una estimación fundada solo con los datos de los limitados test que hemos hecho, yo diría que el Covid-19 dejará menos de 40.000 muertes esta temporada en EEUU”, sostiene
Hemos ‘cerrado’ la economía basándonos en modelos, con razón preocupados por los peores escenarios. Pero los modelos solo son tan buenos como los datos que les dan forma. Y reabrir la economía dependerá de manera crucial de pruebas de diagnóstico masivas. Corea del Sur ha sido capaz de abordar el virus sin confinamiento precisamente porque ha gestionado las pruebas de diagnóstico de manera magnífica. Seguramente la tarea más urgente del Gobierno federal es conseguir llevar a cabo test generalizados y aleatorios, acumular mejores datos en el mundo y entonces aplicar las medidas basándose en eso. Si no se hace así, continuaremos a ciegas en esta crisis, una crisis que puede acabar durando más de lo que realmente es necesario.


AUTOR
FAREED ZAKARIA. NUEVA YORK    13/04/2020

No hay comentarios:

Publicar un comentario

Nota: solo los miembros de este blog pueden publicar comentarios.