Por Eyal Shahar. Profesor Emérito de Salud Pública (Universidad de Arizona); MD (Universidad de Tel-Aviv, Israel); MPH, Epidemiología (Universidad de Minnesota)
¿Cómo podrían las vacunas Covid reducir la mortalidad?
Hay dos mecanismos posibles, cuidadosamente explicados en una revisión exhaustiva y un artículo reciente sobre Brownstone: las vacunas Covid podrían reducir el riesgo de infección o reducir el riesgo de muerte, si están infectadas, o ambas. Podemos explicar los mecanismos en palabras, con referencia a «probabilidades marginales y condicionales», o podemos describirlos en un diagrama causal, una poderosa herramienta metodológica.
El primer mecanismo es simple: si una vacuna Covid reduce el riesgo de infección, también reducirá el riesgo de muerte, porque no hay duda de que infectarse aumenta el riesgo de muerte. Dejando a un lado las excepciones teóricas, si A afecta a B, y B afecta a C, entonces A afecta a C.
¿Qué pasa si A no afecta a B? ¿Qué pasa si una vacuna Covid no reduce el riesgo de infección? Entonces no puede reducir el riesgo de muerte a través de este mecanismo. La cadena causal no existe. Se ha roto un vínculo.
A estas alturas sabemos que las vacunas Covid parecen aumentar temporalmente el riesgo de infección, y cualquier beneficio posterior se anula en cuestión de meses, si no se convierte nuevamente en daño (efectividad negativa de la vacuna). Por lo tanto, según el primer mecanismo, hay un período corto en el que una vacuna Covid aumenta el riesgo de muerte, un período limitado (unos pocos meses) cuando disminuye el riesgo de muerte y un período posterior en el que el efecto es nulo en el mejor de los casos.
El segundo mecanismo es más complicado. Un aspecto fue explicado en el artículo de Brownstone y está relacionado con un concepto causal llamado «modificación del efecto». Al igual que numerosos conceptos epidemiológicos, hay capas de complejidad por debajo de la simplicidad superficial. Lo mantendré simple.
Cuando dos causas, la vacuna Covid y la infección por Covid, operan en un solo resultado (muerte), podemos hacer dos preguntas causales:
- ¿Cuál es el efecto de una vacuna Covid sobre el riesgo de muerte, si está infectada?
- ¿Cuál es el efecto de una vacuna Covid en el riesgo de muerte, si no está infectada?
La segunda pregunta es sobre la muerte relacionada con la vacuna, el peor efecto adverso. (Una vacuna puede ser una causa de muerte incluso cuando alguien está infectado, pero ese es otro problema).
Teóricamente, los dos tipos de efecto podrían ser diferentes, de cualquier manera posible: magnitud y dirección. Ambos pueden ser efectos dañinos, pero de diferente magnitud. Uno podría ser beneficioso y el otro nulo, y así sucesivamente. Agregue a esa complejidad efectos variables en el tiempo, como se señaló anteriormente, y puede ver cuán complicada podría ser la realidad causal.
Casualmente, encontré un estudio relevante casi al mismo tiempo que leí el artículo de Brownstone. Ese estudio proporciona información sobre los dos mecanismos por los cuales las vacunas Covid podrían reducir el riesgo de muerte, aunque los autores omitieron un aspecto de sus datos (con respecto a la reducción de infecciones) y no llegaron al cálculo para el otro (reducción de la mortalidad, si están infectados).
Eso no es sorprendente. En momentos de medios sesgados y ciencia sesgada, a veces encontramos información de publicaciones narrativas que pasaron por alto inferencias interesantes de los datos.
Publicado como una «carta de investigación«, el estudio comparó la mortalidad por Covid con la mortalidad por gripe estacional. Utilizando bases de datos del Departamento de Asuntos de Veteranos (VA) de los Estados Unidos, los investigadores identificaron a los pacientes que fueron hospitalizados con un diagnóstico de admisión de Covid o influenza y determinaron las muertes. La mayoría de los pacientes eran ancianos, el grupo de edad donde se concentra la mortalidad por Covid y se necesitan vacunas efectivas.
¿Las vacunas contra el Covid redujeron las infecciones? Aunque el diseño fue una cohorte retrospectiva clásica, los datos basales de la primera tabla pueden verse como datos de un estudio de casos y controles basado en el hospital. (No puedo entrar en una explicación técnica de la «ponderación de la puntuación de propensión», pero se puede ignorar para un análisis básico de casos y controles).
Podemos considerar a los pacientes con Covid como casos (8.996) y a los pacientes con gripe estacional como controles (hay 2.403). En un estudio típico de casos y controles basado en un hospital, los controles se seleccionan de múltiples categorías de enfermedades, pero no veo un problema importante con este grupo de control, y tal vez haya ventajas relacionadas con la derivación.
Muchas cuestiones complicadas surgen de un estudio de casos y controles. No obstante, el análisis básico es simple. Comparamos visualmente la distribución de la variable causal sospechosa (estado de vacunación Covid) en casos y controles y calculamos odds ratios. Si las vacunas redujeran significativamente el riesgo de infección, deberíamos obtener odds ratios mucho menores que 1.
No tenemos tal evidencia en estos datos. Los odds ratios son cercanos a 1 (efectividad cercana a cero de la vacuna) y se alinean en el orden de magnitud «incorrecto» (inesperado): cuanto mayor sea el número de dosis, más débil será el efecto aparente. La cadena causal desde la vacunación hasta la reducción de la mortalidad a través de la reducción de las infecciones por Covid no está corroborada.
Curiosamente, también podemos ver a los pacientes con influenza como casos y a los pacientes con Covid como controles y comparar la distribución del estado de vacunación contra la influenza en los dos grupos. Consulte su tabla anterior. Tampoco hay una asociación significativa.
¿Podrían los sesgos explicar las asociaciones casi nulas? Las rutas de sesgo generalmente conducen a una asociación estadística cuando no existe una relación real de causa y efecto. Dejando a un lado el error aleatorio, es inusual que los sesgos conviertan los efectos fuertes en asociaciones casi nulas.
¿Las vacunas contra el Covid redujeron la mortalidad, si se infectaron? Pasamos ahora al segundo mecanismo por el cual una vacuna Covid podría reducir la mortalidad: reducir el riesgo de muerte, si se infecta. Esa parte se abordó en el diseño original. Todos los miembros de la cohorte fueron infectados, ya sea por SARS-Cov-2 o por influenza.
Los autores se han centrado en una comparación de la mortalidad por Covid con la mortalidad por gripe, pero agregaron una conclusión secundaria:
El aumento del riesgo de muerte fue mayor entre las personas no vacunadas en comparación con las vacunadas o impulsadas, hallazgos que resaltan la importancia de la vacunación para reducir el riesgo de muerte por COVID-19.
¿Qué tan importante es la vacunación? ¿Cuál fue la efectividad de la vacuna, si estaba infectada? No lo dicen.
Si las vacunas Covid ya no reducen el riesgo de infección, esa es la única fuente de efectividad de la vacuna (EV) contra la muerte.
A continuación encontrarás su tabla y mi cálculo:
La EV del 30% o 40% en la población vulnerable está lejos de ser «altamente efectiva», una afirmación perpetuada. El beneficio incremental de la vacuna de refuerzo (una o más dosis, por material suplementario) fue aún menor (cociente de riesgos 0,83, EV 17%).
Además, del 30% al 40% no es necesariamente la verdadera efectividad. Tenemos evidencia clara de «sesgo saludable de vacunados», un tipo de sesgo de confusión, tanto en los Estados Unidos como en el Reino Unido. Las personas de la misma edad que fueron vacunadas contra Covid eran más saludables, en promedio, que sus contrapartes no vacunadas, como lo demuestra la menor mortalidad no Covid. Por lo tanto, la EV imparcial debe ser más pequeña. Por ejemplo, un factor de corrección de sesgo modesto alrededor de 1.5 llevaría la EV del 40% cerca de cero.
Miles de millones de personas han sido vacunadas bajo el lema «seguro y eficaz».
Este artículo fue publicado originalmente en Eyal Shahar – Medium. Lea el original.