viernes 7/8/20

Madrid podría estar cerca de la inmunidad grupal

Madrid podría estar cerca de la inmunidad grupal

La pandemia de la enfermedad del coronavirus (cóvid, COronaVIrus Disease) ha llevado a muchas personas a familiarizarse con conceptos científicos que habrían preferido seguir ignorando, ya que evidentemente no es esta la manera que ninguno quisiéramos de aprender ciencia. Pero también es evidente que muchos de los recién llegados a sus primeros pasos en alfabetización científica aún no comprenden, porque quizá nadie se lo ha explicado y quizá ellos tampoco han buscado esta explicación, que la ciencia no solo no lo sabe todo, sino que avanza por ensayo y error, equivocándose y corrigiéndose.

La falta de conocimiento sobre esta naturaleza de la ciencia se ha manifestado infinidad de veces a lo largo de estos meses, con las diatribas hacia Fernando Simón por responder “no sé” –una expresión que para los científicos es, más que habitual, el principio motor de su trabajo– o con las críticas a los científicos por las frecuentes dudas y equivocaciones / rectificaciones sobre los pormenores del virus y su enfermedad, algo que está en la propia esencia de la ciencia.

Así, si algo debería quedar claro para quienes tratan de seguir la información científica sobre la evolución de la pandemia, es que esto no son unas elecciones; no es un proceso humano cuyas reglas las marcamos nosotros, sino un fenómeno natural cuyas reglas tienen que desentrañarse. Y que por lo tanto, cuando algo se divulga en los medios como sabido, es necesario preguntarse: ¿cómo de sabido es?

No todo lo que dicen los científicos alcanza el mismo nivel de certidumbre: en una escala de menos a más, lo que menos credibilidad tiene es la voz del experto, ya que puede tratarse de una simple opinión informada, pero opinión al fin y al cabo. Y a partir de ahí, el grado de confianza crece a lo largo de la escala: informe o documento de trabajo — estudio científico — estudio científico publicado — varios estudios científicos publicados — metaestudio — varios metaestudios — consenso científico.

Por ejemplo, un concepto al que popularmente se le ha supuesto un mayor nivel de certeza del que realmente tiene es el de la inmunidad grupal, o mal llamada inmunidad de rebaño (por traducción literal del inglés “herd”; aunque inicialmente se describió en ratones “herd” se aplica también a una multitud humana, mientras que en castellano el término “rebaño” solo se utiliza para los humanos en sentido peyorativo).

Muchos han aprendido que existe un porcentaje de inmunidad en la población, ya sea por vacunación o por haber pasado la infección, que protege a la comunidad en su conjunto. Esto es cierto. Pero hay dos errores comunes relativos a la inmunidad grupal. El primero es pensar que cada uno de nosotros, individuos, estaremos protegidos contra el contagio una vez que se alcance ese listón. No es así; cuando se llega a la inmunidad grupal, el virus continúa extendiéndose, y aún infectará a a una buena parte adicional de la población. La inmunidad grupal no es un concepto clínico, sino epidemiológico; solo significa que a partir de entonces la curva de contagios descenderá en lugar de ascender.

El segundo error es pensar que se conoce cuál es el porcentaje necesario para alcanzar inmunidad grupal al coronavirus SARS-CoV-2. En los medios se ha repetido una cifra que ha calado: 60%. Este número no lo ha inventado alguien mirando el vuelo de los vencejos, sino que se obtiene de una sencilla fórmula cuya única variable es la tasa de reproducción general básica del virus en una población que se enfrenta a él por primera vez; lo que se llama R0.

Para el virus SARS-CoV-2 se ha estimado un R0 de entre 2,5 y 3. Esto significa que, en la población general al comienzo del brote, cada contagiado infecta a entre 2,5 y 3 personas. La fórmula para calcular el porcentaje necesario para la inmunidad grupal es:

Umbral de Inmunidad Grupal = 1 − 1/R0

Es decir, que para un R0 de 2,5, el resultado es claro: 0,6, o un 60%.

Solo que la fórmula no sirve. Ni siquiera la R0 sirve. Debemos tener en cuenta que la epidemiología, como ciencia que es, funciona a base de predicciones. Pero las predicciones no necesariamente aciertan; deben contrastarse con los resultados reales para saber si el modelo es correcto o si –ensayo y error– debe rectificarse y mejorarse. Y a pesar de que las grandes epidemias no son algo en absoluto desconocido para la ciencia moderna, lo que sí es nuevo es el nivel de atención científica que se está dedicando a esta pandemia. Y los estudios están revelando que ciertas predicciones se basaban en modelos incompletos o mejorables.

Para empezar, la R0. Este numerito ha llegado a difundirse tanto en los medios que los expertos han tenido que salir a derribarlo del pedestal: primero, el “0” de la R0 se refiere al tiempo cero de la infección. Es obvio que ese momento ya lo dejamos atrás hace meses, por lo que no tiene sentido seguir hablando de R0; para momentos posteriores se habla de Rt, siendo t el tiempo de la infección en una población. Pero los expertos están también aclarando que en realidad la Rt puede variar enormemente de unos lugares a otros, de unas poblaciones a otras, de unas situaciones a otras, por lo que hablar de una Rt general para la pandemia puede tener valor científico, pero su valor predictivo práctico es nulo. Hay que tener en cuenta que conceptos como la Rt y la R0 se definieron en estudios experimentales con infecciones en animales en un laboratorio; los epidemiólogos llevan meses insistiendo en que una infección natural en las complejas poblaciones humanas es algo completamente diferente.

Uno de los factores que tira por los suelos las estimaciones de un Rt y, en consecuencia, los cálculos del porcentaje de inmunidad poblacional, es algo que los expertos están discutiendo intensamente en los medios científicos: la heterogeneidad de susceptibilidad en la población. Es decir, que no todos somos igualmente susceptibles a la infección por el virus, algo que lleva observándose consistentemente a lo largo de la pandemia: los niños son mucho menos susceptibles que los adultos (en torno a la mitad, según algunos estudios), y hay parejas o familias en las que solo uno de sus miembros resulta contagiado, a pesar de que todos han convivido sin aislarse.

La heterogeneidad de susceptibilidad es clave a la hora de entender cómo va a progresar la pandemia en los próximos meses y años, porque es razonable pensar que la primera oleada ha infectado sobre todo a las personas más susceptibles; dos personas pueden haber estado expuestas en idénticas condiciones a un mismo foco de contagio, y sin embargo solo una de ellas ha contraído el virus. Esto no es necesariamente una resistencia, ya que quizá se trate solo de que la otra persona necesita una exposición más prolongada o una mayor dosis del virus para infectarse. Pero si caen primero los más susceptibles, está claro que en posteriores oleadas y rebrotes el ritmo de propagación descenderá.

Y por lo tanto, esto influirá también en la inmunidad grupal, ya que si con el tiempo las personas que van quedando sin infectar son las menos susceptibles, entonces el porcentaje necesario para alcanzar esa inmunidad grupal será menor de ese 60%, incluso mucho menor. Por ejemplo, un reciente estudio en la revista Science que incluía la heterogeneidad en sus modelos llegaba a una estimación del 43% para la inmunidad grupal. Sin embargo, los autores advertían: “Nuestra estimación debería interpretarse como una ilustración de cómo la heterogeneidad de la población afecta a la inmunidad grupal, más que como un valor exacto o siquiera una buena estimación”.

Pero podría ser aún menor. Otro estudia más sin publicar, dirigido por la matemática epidemióloga de la Universidad de Strathclyde (Reino Unido) Gabriela Gomes, ha tomado el valor de R0 de entre 2,5 y 3, según lo publicado, pero ha introducido un coeficiente de variación de heterogeneidad de entre 0 y 4. En su valor más alto, con una heterogeneidad de 4, el umbral de la inmunidad grupal desciende a menos del 10%. Sin embargo, Gomes y sus colaboradores advierten: en realidad, aún no se sabe cuán variable es la población humana a la susceptibilidad al coronavirus.

Para su estudio, los autores tomaban como ejemplo la evolución de la epidemia en Italia y Austria. Pero en un reportaje  Gomes cuenta que actualmente su equipo está actualizando su preprint (estudio aún no publicado) con datos de España, Portugal, Bélgica e Inglaterra. Y esto es lo que comenta Gomes a la revista: “Estamos llegando a la conclusión de que las regiones más afectadas, como Madrid, podrían estar cerca de llegar a la inmunidad grupal”. Recordemos que Madrid supera el 11% de seroprevalencia.

Para conocer datos más concretos, tendremos que esperar a la actualización del estudio. Y para que este alcance un nivel de credibilidad adecuado, tendremos que esperar a que se publique después de la necesaria revisión por pares. Pero incluso en este caso, toda la explicación anterior debería servir para que se comprenda bien que este es un terreno en el que aún no hay absolutamente ninguna certeza. En el mismo reportaje de Quanta, otros expertos discrepan de las conclusiones de Gomes. Jeffrey Shaman, de la Universidad de Columbia, dice que el bajo umbral sugerido por Gomes “no es consistente con otros virus respiratorios. No es consistente con la gripe. ¿Por qué iba a comportarse [la inmunidad grupal] de forma diferente con un virus respiratorio y con otro?”.

De hecho, tanto es lo que aún no se sabe sobre esta cuestión que el director de la revista ScienceH. Holden Thorp, decía en su blog que entre los responsables de la publicación se discutió mucho si era conveniente publicar el estudio que rebajaba la inmunidad grupal del 60 al 43%, ya que pensaron que la divulgación de este dato a través de los medios y al público en general podría llevar a muchas personas a interpretarlo erróneamente como una certeza, y a que se despreciaran las medidas de seguridad en la falsa creencia de que estamos más cerca de la inmunidad grupal. Por el momento, y mientras la ciencia continúa con su proceso natural de ensayo y error, lo único que va a protegernos del contagio es lo que ya sabemos: mascarillas, distancia, higiene de manos…

Comentarios