Cómo un viaje de pesca nefasto nos ayudó a comprender el Covid-19


Sin embargo, la amenaza que representa el virus ha hecho que los ensayos aleatorios sean extremadamente difíciles de realizar. Si bien los investigadores asignaron al azar a monos macacos para recibir una vacuna o un placebo y luego los expusieron al virus (aquellos con anticuerpos producidos por la vacuna tenían menos probabilidades de infectarse), no sería ético realizar este experimento en humanos, dado que riesgo de enfermedad grave y muerte. En cambio, los ensayos de vacunas están inscribiendo a miles de personas, dándoles al azar una vacuna o un placebo y esperando meses hasta que, en el curso normal de sus vidas, un pequeño porcentaje de ellos se infecte; en ese momento, sabrán en qué grupo estaban. Este proceso es mucho menos eficiente y proporciona información menos detallada sobre las circunstancias y la biología de cada infección que un experimento en el que los participantes son monitoreados de cerca en un entorno controlado.

Eso hace que casos como el de la dinastía, donde un alto porcentaje de personas en condiciones bastante uniformes se infectaron con el virus, mientras que otras no lo fueron, potencialmente muy útiles. Las pruebas realizadas durante un brote que infectó a unas 700 personas en el crucero Diamond Princess en febrero ayudaron a revelar que muchas infecciones nunca produjeron síntomas notables. “Estamos tratando de aprender con evidencia limitada”, dice Emily Oster, economista de la Universidad de Brown. “Profundizando, ¿Cuáles son los detalles particulares de un incidente del que podemos aprender? Creo que hay mucho valor ahí “.

Tal indagación puede ayudar a generar hipótesis. El ejemplo clásico es el estudio de John Snow, un médico inglés, sobre un brote de cólera en Londres en 1854. Trazar casos de la enfermedad en un mapa y entrevistar a los residentes: “Es como el rastreo de contactos original”, dice Oster. Snow comenzó a Sospecho que una bomba, donde muchos de los que se enfermaron obtuvieron su agua, fue la culpable. Pero Snow también había probado su teoría de que el cólera se transmitía por el agua, obteniendo mapas de hogares que eran atendidos (al azar) por una de las dos compañías de agua rivales, con diferentes fuentes de agua, y observando cuál de ellos experimentó muertes por cólera. Cuando la tasa de mortalidad de una empresa resultó mucho más alta que la de la otra, quedó claro que el agua era la causa. (La contaminación por aguas residuales fue la culpable).

Estos “experimentos naturales”, en los que algún evento o factor ha aleatorizado a los participantes en grupos experimentales y de control, han sido especialmente difíciles de encontrar durante la pandemia. La necesidad urgente de detener la propagación del virus ha llevado a los legisladores a cambiar muchas variables a la vez: cierres y reaperturas de escuelas y negocios, ordenanzas enmascaradas. Esto hace que sea difícil separar sus efectos. Para averiguar si el cierre de las escuelas redujo las tasas de infección en la comunidad al principio del brote, por ejemplo, puede buscar en áreas demográficamente similares donde las escuelas cerraron a mediados de marzo o principios de abril y comparar sus tasas de infección a principios de mayo. “Pero los lugares que se han visto más afectados pueden ser los que están apretando el gatillo antes”, dice Joseph Doyle, economista del M.I.T. Sloan School of Management, lo que puede hacer que parezca que el cierre de las escuelas conduce a altas tasas de infección, cuando en realidad un aumento anticipado de las infecciones provocó el cierre de las escuelas. Aleatorizarlos significaría encontrar aquellos que se cerraron por razones “no relacionadas con nada sobre la salud de la comunidad”, dice Doyle. Por ejemplo, varias escuelas en Tennessee fueron afectadas por tornados en marzo y cerraron temprano, mientras que las vecinas permanecieron abiertas. La comparación de las tasas de infección de la comunidad semanas después podría aproximarse a un ensayo aleatorio, si las tormentas no afectaron de manera significativa otras interacciones locales.



Fuente