El gran fallo de los modelos matemáticos de predicción del coronavirus
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
13/04/2020 12:35 - Actualizado: 13/04/2020 18:17
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.
No hay comentarios:
Publicar un comentario