En las últimas semanas, se ha acentuado mi sentido del surrealismo. En un momento en que una interpretación racional de los datos de la Covid-19 indica que deberíamos empezar a volver a la normalidad, estamos contemplando antes bien cómo se elaboran respuestas arbitrarias, de las que siempre se aduce que están «basadas en la ciencia». En realidad, están haciendo algo muy distinto: dejarse guiar por modelos matemáticos, malos datos y opiniones subjetivas. Algunos de quienes afirman estar «siguiendo a la ciencia» parecen no entender el significado de la palabra.

Al principio se nos dijo que el virus era tan peligroso que, si no se le hacía frente, podría cobrarse millones de vidas. La Organización Mundial de la Salud estimó que su tasa de mortalidad era del 3,4%. Después, a partir de distintas fuentes, hemos oído hablar de tasas del 0,9%, y después de un 0,6 %. En verdad, estaría más cerca del 0,1% ―similar a la gripe estacional― si comprendemos mejor los casos más leves y no detectados y cuántas muertes causó en realidad (en lugar de las muertes en las que el virus estaba presente). Pero, ¿cómo puede ser así, cabría preguntarse, dado el enorme número de muertes? ¿De verdad esa cifra de 44.000 muertes por Covid-19 probaría que nos ha golpeado una calamidad?

Pero contemplemos los datos. Comparen este mes abril con el del año anterior y sí, encontrarán un enorme número de «exceso de mortalidad». Pero vayan a la página web de la Oficina de Estadísticas Nacionales, busquen las muertes en las temporadas de invierno/primavera de los últimos 27 años, y luego ajusten los datos a la población. Este año se situaría en octavo lugar en cuanto al número de muertes. Así que deberíamos ponerlo en perspectiva.

Los virus han estado persiguiendo a los hombres desde antes de que bajáramos de los árboles. Nuestros cuerpos los combaten y aprenden en el proceso. Enfermamos. Es horrible, a veces fatal. Pero los virus retroceden, las defensas de nuestro cuerpo aprenden y se fortalecen. El proceso lleva teniendo lugar millones de años, por lo que más del 40% de nuestro genoma está hecho de material genético viral que hemos incorporado. La propagación de virus como la Covid-19 no es nueva. Lo que es nuevo es nuestra respuesta.

Ahora tenemos nuevas herramientas que nos permiten detectar (y nombrar) nuevos virus. Observamos su progreso en tiempo real, trazando sus viajes a través del mundo, y luego compartimos en las redes sociales las historias más aterradoras. Así que el progreso estándar de un virus puede, de esta manera, parecerse a una película de zombis. Todo el drama de la Covid-19 ha sido realmente una crisis de conciencia de lo que los virus suelen hacen normalmente, y no tanto una crisis causada por un nuevo bicho extraordinariamente letal.

Volvamos a la idea de que la Covid-19 podría haberse llevado por delante medio millón de vidas: una cifra producida por un modelo matemático. ¿Pero cómo se relaciona dicho modelo matemático con la «ciencia» de la que tanto oímos hablar? Una cuestión fundamental ―y que se suele pasar por alto― es que los modelos matemáticos no son ciencia, por la simple razón de que una predicción hecha por un científico (empleando o no modelos matemáticos) es mera opinión.

Para ser calificada como ciencia, una predicción o una teoría debe poder ser probada, y potencialmente refutada. A Einstein se le considera un gran científico no sólo por la complejidad de la relatividad general sino por la forma en que su teoría permitió a los científicos predecir las cosas. Esta capacidad de previsión, verificada repetidamente, es lo que la convierte en una teoría científica.

La capacidad de mirar hacia atrás y adaptar una teoría a los datos a través de un modelo matemático no resulta, ni de lejos, tan impresionante. Tomemos, por ejemplo, una curva que describe la forma en que un virus afecta a una población en términos del número de infecciones (o muertes). Podemos usar modelos matemáticos para afirmar que el confinamiento tuvo un efecto drástico en la propagación, o ninguno. Podemos usarlos para afirmar que la distancia social fue vital, o inútil. El Imperial College de Londres ha examinado los datos y afirma que el confinamiento ha salvado tres millones de vidas. Un estudio de la Universidad de Massachusetts examinó los datos y concluyó que el confinamiento «podría no haber salvado vida alguna». Tenemos la posibilidad de elegir, en base a un modelo matemático, prácticamente cualquier versión del pasado que queramos.

El único modo de hacerse una idea de la precisión de los modelos matemáticos en el mundo real es usándolos para predecir lo que sucederá, y entonces comprobar dichas predicciones. Y este es el tercer problema con el enfoque actual: una determinación deliberada de ignorar la calidad de la información que se está usando para establecer las políticas tomadas contra la Covid-19.

En la ciencia médica existe una conocida clasificación de la calidad de los datos a la que se denomina «la jerarquía de las pruebas». Este sistema de siete niveles da una idea de cuánto peso se puede dar a un estudio o una recomendación. Cerca de la parte más alta, en el nivel 2, encontramos los ensayos controlados aleatorios (ECA) en los que se prueba un nuevo enfoque en un grupo de pacientes y se compara con (por ejemplo) un placebo. Los resultados de estos estudios son bastante fiables, con poco margen para el sesgo. Una revisión sistemática de varios ECA es la forma más alta y fiable de evidencia médica: nivel 1.

Más abajo (niveles 5 y 6) se encuentra la evidencia de estudios mucho menos convincentes, únicamente descriptivos, que buscan un patrón sin usar controles. Aquí es donde encontramos la práctica totalidad de la evidencia relacionada con las políticas adoptadas con la Covid-19: confinamiento, distancia social, máscaras faciales, cuarentena, números R, segundas olas, lo que sea. Y, como colofón, la mayoría de las investigaciones sobre la Covid-19 no han sido revisadas por pares.

Justo en la parte inferior de la jerarquía ―nivel 7― se encuentra la opinión de las autoridades o los informes de los comités de expertos. Esto se debe, entre otras cosas, a que las «autoridades» a menudo se muestran reacias a cambiar de opinión ante las nuevas pruebas. Los comités de expertos, que contienen diversidad de opiniones e inevitablemente tienden a mostrar cautela, tienden a emitir recomendaciones de compromiso que no tienen validez científica. Los ministros hablan de «seguir a la ciencia». Pero los consejos del SAGE (Grupo de Asesores Científicos frente a Emergencias), o de cualquier comité de científicos, es la forma menos fiable de evidencia que existe.

Así se están tomando las decisiones en el proceso que genera nuestro relato del confinamiento. Una idea expresada en inicio, pero exagerada, sobre la letalidad del virus, reforzada por un modelo matemático casi sin datos, y luego amplificada por un modelo matemático adicional sin valor predictivo probado. Todo ello además con las recomendaciones de un comité basadas en datos cualitativos que ni siquiera han sido revisados por pares.

Al principio de todo esto, los errores eran inevitables. Pero no podremos aprender nada si no los reconocemos.

El doctor John Lee ejerció la docencia y la medicina como patólogo, especializado en histopatología, que trata el estudio de las enfermedades a través del análisis del tejido y de las células.

(Artículo aparecido en The Spectator el 9 de julio de 2020)

2 comentarios en «Los errores fatales que llevaron al confinamiento»

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *