La investigación en salud tiempos del COVID-19

Kathya Cordova-Pozo*

La toma de decisiones para responder al COVID-19 son críticas tanto para las empresas como para el gobierno. Lo ideal es tomarlas basadas en la evidencia que nos da la investigación, pero ¿la hacemos? Muchos sí y la clave es seguir un buen procedimiento. En el caso de los resultados diarios del COVID-19 sobre casos y muertes despertó mi curiosidad para saber si realmente ayudaban a tomar buenas decisiones o muchas con alto error. Quisiera mencionar algunos aspectos sobre este tema

1.       Muestra. Cuando mencionan los casos, ¿son de gente enferma que se tomó la prueba o de gente sana? Muchos sólo toman la prueba a gente con síntomas y así es normal que den altos positivos (70% de las pruebas dieron positivo) otros utilizan pruebas que tienen alto error (pruebas rápidas) por lo que “40%” de todas son falsos positivos. Y cuando los laboratorios no tienen pruebas o es feriado se anuncian una bajada de los casos positivos.

 

2.       Colección y procesamiento de datos. ¿Cuánto impacta el COVID-19 a la población? Con resultados sin detalle de edad, sexo, enfermedad de base, lugar de trabajo o estudio, no se puede saber cuánto el COVID-19 impacta a la sociedad o si las medidas que se toman son exageradas o no para la población. Ya muchas ciudades en diferentes países están publicando datos detallados para tomar medidas particulares a la ciudad. Por ejemplo, si esta fue altamente golpeada en la primera ola, es posible que el impacto en la segunda ola no sea tan grave, y las medidas serán menos drásticas.

Otro ejemplo de esto es que, si los niños no fueron afectados, podrían retornar a clases presenciales sin la necesidad de barbijos y tomar como medidas la vacunación inmediata de los profesores.

 

Las decisiones acertadas dependen del detalle de la colección de datos y como se los procesa. Muchos modelos ponen a la población de forma igual sin importar la región, o perfil de edad. Pero, ciertamente hay ciudades con sus particularidades que tienen enfermedades de base prevalentes, o son poblaciones jóvenes, etc. Esto es importante incluir en los modelos.

 

3.       Validez de los resultados. La información que tenemos dará una cierta validez en los resultados. Si nuestra información es detallada, generara resultados particulares y con menos error a estos casos particulares. Pero si la información es irregularmente coleccionada y sin mayor detalle, generará mayor error en los pronósticos.

 

4.       Conclusiones y recomendaciones. Errores en los datos generan errores en la toma de decisiones y medidas que se puedan tomar para el COVID-19.

Hoy se muestra la gran importancia de contar con la información más detallada posible y a disposición de la población para que llegue a las personas que quieren investigar y poder sugerir mejores medidas a tomar para el futuro.

*PhD en economía internacional