martes, 19 de mayo de 2020

Perú: Crónica del debate epidemiológico y su conexión con los mensajes y la política del gobierno contra la pandemia


18/05/2020

En la conferencia del 13/05/20 el presidente Vizcarra anunció: “El Perú ya va por el camino del lento descenso de infectados” aludiendo a la famosa meseta de contagios. Su diagnóstico tenía como sustento “el análisis de investigadores independientes y gremios de científicos de distintas partes del mundo”. Al día siguiente la jefa del Comando Covid-19 Pilar Mazzetti señalaba en la misma línea “Se ve a una tendencia donde la curva se aplana en promedio…esta tendencia es a nivel mundial respaldado por estudios de universidades prestigiosas…la Pandemia ahora es heterogénea”, agregando un término que ha engrosado el vocabulario del gobierno para tipificar la pandemia. El actual directivo de EsSalud Óscar Ugarte ya había comentado días antes  que “el país esté llegando a la meseta, puesto que el país vive una pandemia heterogénea y la situación debe evaluarse por regiones, por lo que no se puede hablar de una curva nacional”. Su diagnóstico tenía también como base el análisis de investigadores independientes y gremios de científicos de distintas partes del mundo


De esta forma el discurso del gobierno fue premeditadamente articulado por una serie de declaraciones por parte de sus asesores que revelaban el desarrollo de una profunda controversia en el plano académico y científico, en particular con respecto a los modelos de predicción epidemiológica que más adelante pasaremos a examinar con más detalle. Queda claro que los asesores del gobierno y el propio presidente Vizcarra pusieron de manifiesto el usufructo comunicacional y político a partir de aquellas conclusiones académicas, con el propósito de encubrir la real situación de la emergencia sanitaria a nivel nacional y tomar decisiones sobre la cuarentena a partir de ellas. Conclusiones que prontamente fueron rebatidas por un grupo de científicos y epidemiólogos más o menos independientes. Aunque en un contexto de excepción y crisis como el que vivimos, es imposible que la ciencia sea absolutamente independiente. En su lucha por encontrar la verdad objetiva tiene por necesidad que deshacerse de su aparente ropaje independiente, autárquico, autosuficiente; tiene que combatir abiertamente a los políticos y académicos que tratan de encubrir la realidad a la mayoría de ciudadanos.  

La controversia sobre los modelos epidemiológicos

El 12 de mayo Farid Matuk, Economista y miembro del Grupo Prospectiva COVID 19[1] creado por el gobierno, autor intelectual de la tristemente célebre propuesta de circulación por géneros exhibía un modelo de 54 observaciones con el programa Stata en dónde predecía el descenso del número de muertes por día, llegando a su pico más alto entre el 12 y el 14 de mayo[2]. Lo propio hacia Antonio Quispe, otro miembro activo del Grupo Prospectiva afirmando categóricamente: "Ya es oficial: Los casos y fallecidos por COVID-19 por fin empezaron a disminuir en el Perú" Después de tanto luchar los casos y fallecidos por fin empezaron a disminuir en Perú! Y esto no hubiese sido posible sin el esfuerzo de tantos[3], mostrando  las proyecciones del Instituto de Métricas y Evaluación de la Salud (IHME por sus siglas en inglés) con sede en Washington, un modelo esencialmente estadístico, de alcance global y con gran influencia en la comunidad científica internacional para estimar el número de contagios y muertes por el Covid-19[4]. De hecho el modelo estadístico del IHME sirvió como base al equipo del doctor Anthony Fauci de la Casa Blanca para apoyar las predicciones de cientos de miles de muertos al inicio de la pandemia en EEUU[5]. Es así que las estimaciones diarias del IHME para el Perú en efecto predecían no sólo una “meseta” sino un descenso prolongado de contagios y muertes  durante el mes de mayo, pero con un amplísimo margen de incertidumbre –un promedio de 17 404 infectados por día entre con un rango 16 000 a 78 000, y en el número de muertes diarias este descenso se acentuaba bruscamente: un promedio de 98 con un rango entre 64 y 182– tomando los datos del 13 de mayo, día del anuncio de “la meseta”.

Entre las voces que refutaron estas absurdas predicciones estuvo la del biólogo molecular Ernesto Bustamante: “El presidente se ha dejado llevar por un entusiasmo indebido. Es compresible que quiera terminar con la pandemia, pero sus asesores le están proporcionando información poco confiables”. Refiriéndose al modelo estadístico del IHME, la fuente del Gobierno para asegurar la meseta, mencionó: “El estudio es patético porque al final aparece una suerte de raya interrumpida. Con la data del ministerio de Salud se puede predecir cualquier cosa…Tal es así que ellos predicen un número de muertos que van desde 2 mil hasta 21 mil hasta el 4 de agosto. No tienen certezas porque no tienen rango de confianza en la data que es de baja calidad”[6]. Da la sensación de que como no podemos controlar al virus en la vida real al menos podemos hacerlo sobre el papel echando mano de la “calculadora epidemiológica”.

Una semana antes, el científico peruano radicado en EEUU Ragi Burhum había presentado su artículo “El martillo y el huayno”[7], una impecable versión peruana del famoso “Hammer of the dance” (El martillo y la danza) de Tomás Pueyo[8] que a su vez es una sinopsis teórica basado en un compendio de conceptos extraídos del influyente seminal study del Imperial College de Londres sobre el coronavirus, que trata de predicción del R titulado: “Impacto de las intervenciones no farmacéuticas (INF) para reducir la mortalidad y demanda de los sistemas de salud frente a Covid-19”[9].

El aporte de Ragi fue importante para plantear la importancia de medir la evolución de R –número básico de reproducción dinámica del Virus por individuo– a nivel departamental y distrital, recomponiendo la dispersa y escasa data a nivel nacional, con la ayuda de un modelo matemático de predicción de enfermedades infecciosas para calcular a partir de ella dos métricas importantes, el R localizado y la capacidad  UCI por departamento. Con pocos datos, las predicciones de Ragi sin duda fueron arriesgadas; la tendencia de R luego de la tercera ampliación de la cuarentena (24 de abril) situaba el valor de R en Lima en 1.5 de manera prolongada. En tanto en zonas críticas como Lambayeque y Loreto, situaban el valor de R en 1.5 y 1.9 respectivamente. El escenario global era la entrada de golpe a la “fase del huayno” con un nivel de R más o menos controlado  en donde el gobierno debería aplicar medidas de “relajamiento y/o restricción” de la cuarentena según el nivel de reproducción del virus en cada localidad.

Lo real es que al día de hoy el número de casos confirmados está próximo a superar los 100 mil, con una tendencia exponencial sobrepasando incluso el número oficial de contagios en China; e incluso reportándose la mayor cifra de fallecidos desde el inicio de la cuarentena, con claros indicios de un alto sub-registro de muertes y el colapso de las capacidades de asistencia sanitaria tanto en Lima como en algunos departamentos. Siendo así, el sentido común nos dice que R en vez de contraerse, se expande, y que los modelos probabilísticos que predicen el descenso de los contagios se alejan olímpicamente de la realidad.  Pero no basta el sentido común. Puede ser aceptable que los modelos de predicción contengan naturalmente ciertos márgenes de error, pero lo que no es aceptable es que, guiadas por estas predicciones erróneas se tomen medidas sanitarias, económicas y políticas que involucren la suerte y el destino de la mayoría de la población. Es por ello que esta cuestión nos lleva a reflexionar acerca del origen de los modelos epidemiológicos y las premisas que usan para predecir el futuro.

El origen de los modelos: la “bola de cristal” para predecir el futuro

Todos los modelos epidemiológicos del presente tienen como tronco común el modelo  SIR de Kermack-McKendric (1927)[10] que mide el comportamiento del virus tomando en cuenta los tres tipos de poblaciones: los S(t): individuos susceptibles; I(t): Individuos infectados y R(t): Individuos recuperados, con un flujo de transición de la enfermedad (S=>I=>R). Es un modelo determinista que mide el contagio aleatorio sobre una población pero sujeta a la “ley de los grandes números” la cual señala que la predicción de la enfermedad se va haciendo mayor a medida que se cuenta con una mayor número de datos, con una muestra más grande –en la coyuntura actual de la pandemia significaría un mayor número de pruebas para calcular con mayor certeza el número de contagios–.  El gran talón de Aquiles de éstos modelos es que se encuentran sujetas al factor tiempo en donde la cantidad cada vez menor de datos hace que pierdan relevancia y los parámetros vayan ganando incertidumbre, aunque sin perder utilidad sobre todo para delimitar la capacidad de recursos disponibles antes que el sistema sanitario colapse. Pero cuando hay mucha demanda sobre los datos disponibles respecto a las características de la población y sus parámetros, éstos van perdiendo grados de libertad; es decir el “gasto” o “deterioro” de la data se hace más evidente a medida que aumentan la cantidad de parámetros sin que se incremente el tamaño de la muestra. Si por el contrario crece la cantidad de datos se obtendrá más información de la población haciendo que los datos aumenten sus grados de libertad.

El modelo basado en el enfoque bayesiano –probabilidad y grados de creencia– primero determina valores y parámetros basado en las observaciones diarias y conocimiento a priori de la pandemia, para luego entrar a la fase de predicción, en dónde el modelo puede dejar de predecir efectivamente el futuro (la bola de cristal) porque los parámetros incorporados no siguen un mismo patrón en tiempo real. No se puede tener la certeza de que seguirán en el futuro el patrón que se sospecha que debe tener. Los resultados de las estimaciones tienen un alto grado de sensibilidad respecto a los supuestos de partida[11].  

Por eso el valor de R0 debe partir de los factores económicos, sociales, políticos y culturales de comportamiento poblacional, movilidad de las personas e intensidad de las interacciones sociales. No podemos abstraer un modelo que parte de asunciones respecto a los parámetros del comportamiento de una sociedad[12] con medianos índices de calidad de vida, y aplicarlos a la compleja y  accidentada realidad peruana con altas tasas de pobreza y pobreza extrema, carencia de suministro de agua potable y desagüe a millones de peruanos, inadecuada alimentación y consecuentemente bajas defensas  inmunológicas, poco nivel de desarrollo industrial, salario muy por debajo de la media a nivel regional, precarización del empleo, altos niveles de informalidad y una cobertura de salud muy limitada a lo largo y ancho del país que montan el conjunto de un país con un capitalismo dependiente y atrasado[13]. Sin duda la epidemiología necesita de la colaboración más estrecha de los campos de la economía, ingeniería, sociología, haciendo uso de los software más modernos, la inteligencia artificial y el Big Data para la construcción de parámetros que se aproximen mejor a la realidad y corrijan las limitaciones y el alcance de los modelos.

Si las estimaciones poseen desde su origen un alto grado de sensibilidad con respecto a los supuestos de partida, como mencionábamos, acentúan su incertidumbre cuando carecen de una información fundamental: el número real de infectados por la enfermedad, una variable que depende estadística y dialécticamente del número de test –pruebas de diagnóstico microbiológico. En esta cuestión se aprecia mejor los niveles de error a los cuáles está expuesta nuestra variable endógena –los infectados–. Al desconocer el número de casos, no podremos conocer con mayor precisión la tasa de letalidad del virus. Y en el Perú, el problema del testeo diario sobre el cuál diagnosticar el número efectivo de contagios ha sido crónico, incurable y vicioso desde inicios de la pandemia, a tal punto que difícilmente es posible hablar en términos de una “curva nacional de contagios”.

La pandemia no es “heterogénea” y la curva no desciende “en promedio”: el colapso de la salud pública es crónica y es a nivel general

En palabras del epidemiólogo Mateo Prochazka –refiriéndose a los modelos que se apoyan en datos de mala calidad utilizados por el grupo Prospectiva del gobierno: “Estamos en un momento polarizante en el que las autoridades y quienes las asesoran indican que la transmisión de COVID19 en Perú está disminuyendo. Esta NO es mi apreciación e interpretación de lo que sucede. Sin embargo: no tengo a mi disposición los mismos datos con los que ellos cuentan, los datos que tenemos son de baja calidad, y puedo estar equivocado, me interesa mucho más que peruanos y peruanas sepan la verdad antes que tener la razón. Hoy más que nunca quiero estar equivocado.”[14] Y aludiendo –aunque no en forma directa, evidentemente– a trabajos como el de Ragi Burhum decía: “El principal problema con los análisis que están encontrando una disminución del Rt de COVID19 en Perú y, con ello, prediciendo una disminución de casos en las siguientes semanas es que no consideran que la disminución en la velocidad de crecimiento de los casos no responde necesariamente a menos TRANSMISIÓN, sino a menor DETECCIÓN de casos por menor cantidad de pruebas realizadas. Asumir que los datos son de calidad constante en el tiempo es una limitación muy importanteLos modelos que estiman el Rt utilizan la data disponible hasta el momento para estimar el crecimiento en los días siguientes, pero solo usan la data que esté disponible. Cuando la data cambia de calidad, se debe considerar como limitación al hacer análisis e interpretaciones”[15].

En efecto no es suficiente que el número de pruebas supere el medio millón sino que tenga buen soporte técnico para que no deje de aumentar frente al aumento exponencial de contagios. Hasta hace una semana el número de casos y el número de testeo iban a la par –20 336 pruebas–, hasta que este último se estancó –18 548 diarios–[16]. Así es como el promedio de casos positivos fue de 16% del total de pruebas, una cifra que debería ser menor al 15% como ocurrió en las semanas anteriores; una clara muestra de falta de grados de libertad en los datos. “Desde el primer día hemos dicho que la curva es la herramienta fundamental para tomar decisiones epidemiológicas. Con la calidad de la curva de la última semana, que muestra un aumento en el sub-registro de casos y fallecidos, estamos ciegos”[17]. No nos debe sorprender que a estas alturas de la pandemia, luego de la tercera ampliación de la cuarentena, se reporten los mayores niveles de muertes diarias. Y los acontecimientos de Loreto hacen un escandaloso honor a ésta fúnebre realidad: 801 casos de fallecidos reportados por los médicos frente a 92 del gobierno[18]. La protesta de los investigadores  para que el MINSA reemplace la exigua y secreta muestra de imágenes y PDFs de la sala situacional sobre el coronavirus y transite hacia una base de datos de calidad y dominio público, sin secretismo, tuvo su expresión durante la semana pasada en los hashtag #DatosAbiertosPe o #Liberenlosdatos.

Por eso no puede ser menos equivocada la afirmación que el pico de contagios esté comenzando su lento descenso en promedio. Con un retroceso de las pruebas semana tras semana y un alto sub-registro de casos, el promedio se convierte en un resultado sobrevalorado, alimentado con data de mala calidad frente a una curva de contagios con parámetros dinámicos que aumenta día a día, encubriendo la real situación de la pandemia con un malintencionado manejo de la información.

Naturalmente los modelos epidemiológicos deben tomar en cuenta las distintas realidades de cada localidad o de cada departamento, pero no por ello podemos hablar de una pandemia focalizada o heterogénea, como si las raíces de los problemas para combatirla fueran de distinta naturaleza, como si el colapso del sistema sanitario se esté dando por partes y cucharadas y no a nivel global. El colapso del precario sistema público de salud en el país no es un fenómeno circunstancial ni particular, sino crónico y general. Son las clases trabajadoras las que más sufren los estragos de la pandemia a consecuencia a la destrucción de la cobertura sanitaria por el capitalismo neoliberal en casi treinta años en el poder. La pandemia viene a develar su rostro más inhumano. Evidencia la caducidad de un sistema desintegrado y burocratizado de Salud –encarnado en el  MINSA y el seguro social de salud– que no garantiza el acceso universal a millones de trabajadores y se cobra la vida de miles de personas en condición vulnerable. Tampoco el manejo oportunista de la opinión pública por parte del gobierno partiendo de erróneas predicciones en los modelos epidemiológicos podrá encubrir la real situación de la emergencia sanitaria.

Bryan Serrano
(Movimiento ciudadano Renovemos-base Lima)



[1] Grupo Prospectiva: quiénes integran el segundo equipo para frenar el COVID-19 en Perú https://bit.ly/36bwEq1
[3] Antonio Quispe https://bit.ly/2zOBfT0
[4] IHME COVID-19 Projections https://covid19.healthdata.org/peru
[5] Que como vimos en  esta nota fueron desacreditadas por los doctores Erickson y Masshisi de California criticando los exagerados niveles en sus pronósticos de mortalidad sobre la población de EEUU. https://bit.ly/3bPZTAd
[6] Ernesto Bustamante: “El presidente se deja llevar por un entusiasmo indebido” https://bit.ly/2WIHgtF
[7] Ragi Burhum: “El matillo y el huayno” https://bit.ly/2ZgbUfy
[8] Tomás Pueyo: “El martillo y la danza” https://bit.ly/2ZhA5KE
[9] Reporte 9: Impacto de las intervenciones no farmacéuticas (INF) para reducir la mortalidad y demanda en los sistemas de salud frente a COVID-19 https://bit.ly/2WGjuhC
[10] W.O. Kermack and A.G. McKendrick: “Contribución a la teoría matemática de las Epidemias” https://bit.ly/2ZgcE4k
[11] COVID-19: pandemia de modelos matemáticos https://bit.ly/3fXQF8h
[12] El noveno reporte del Imperial College anteriormente citado asume por ejemplo determinadas características de movilidad dela población a partir de datos sobre la distribución del tamaño del área de trabajo y la distancia entre los centros de trabajo. Si quisiéramos aplicar los mismos parámetros al estudio de la movilidad poblacional en el Perú tendríamos que considerar los niveles de contacto que se producen en una economía con más del 70% de informalidad laboral entre otras particularidades.
[13] Ver el Manifiesto “LA PANDEMIA REAL ES EL CAPITALISMO”, de la Coordinadora de Organizaciones publicada el 27 de marzo del 2020 mediante las redes sociales.
[18] Coronavirus en Loreto: Reportes identifican nueve veces más muertes que cifras oficiales https://bit.ly/2X61VXm


No hay comentarios:

Publicar un comentario