Los conjuntos de datos disponibles públicamente sobre los casos confirmados de COVID-19 –y las muertes– brindan una oportunidad clave para comprender mejor los impulsores de la pandemia. La investigación que utiliza esta información ha crecido a un ritmo muy rápido; sin embargo, se ha prestado poca atención a la fiabilidad de estos datos para hacer inferencias estadísticas.
En un reciente estudio, un equipo de investigadores de la Universidad de Oxford analizó estadísticamente la relación entre las condiciones climáticas y la propagación de COVID-19, una cuestión que ha atraído la atención debido a la posibilidad de que el clima de verano pueda retrasar la propagación del virus.
Limitaciones clave
En el análisis, los investigadores destacaron las limitaciones clave de los datos epidemiológicos disponibles, y concluyeron que actualmente es imposible saber si el clima cálido o frío influye en la tasa de trasmisión del coronavirus.
Después de seguir todos los pasos de dicho análisis, los autores llegaron a la inesperada conclusión de que las limitaciones de los datos disponibles de COVID-19 son tan severas que no que es posible hacer ninguna inferencia estadística confiable.
Como explica el doctor Francois Cohen, investigador afiliado a la Escuela de Ciencias y Medio Ambiente de la Universidad de Oxford y autor principal del estudio:
“Nuestro análisis encontró varios problemas al tratar de comprender la influencia del clima utilizando la información disponible sobre los casos confirmados de COVID-19. Los datos existentes no pueden decirnos de forma fiable si el clima más cálido ralentiza la propagación de COVID-19, como han intentado evaluar algunos estudios anteriores, por lo que instamos tanto a los responsables políticos como al público a actuar con cautela”.
Los investigadores sostienen que hay una serie de problemas potenciales con los datos. El principal de ellos, según el estudio, es que el clima en sí mismo podría estar influyendo en el número de pruebas realizadas y en quiénes son las personas analizadas.
Fiabilidad estadística
Por ejemplo, los pacientes que sufren enfermedades preexistentes podrían desarrollar síntomas no relacionados con COVID-19 debido a las condiciones meteorológicas imperantes y, por lo tanto, ser seleccionados para ser examinados con mayor frecuencia que otros grupos de población. Tales influencias hacen imposible separar estadísticamente este efecto de cualquier influencia del clima en la propagación real del coronavirus.
Además, los datos disponibles son fragmentarios. Durante los primeros meses de la pandemia, las pruebas fueron insuficientes en todas partes y, cuando se realizaron las pruebas, la fiabilidad de algunas de ellas fue cuestionable.
Otros posibles problemas incluyen la necesidad de que las limitadas pruebas disponibles se utilicen para cualquiera que tenga síntomas de COVID-19, incluidos aquellos que no tengan el coronavirus pero sí otra enfermedad respiratoria estacional que provoque síntomas similares, lo que podría aumentar los falsos positivos durante la temporada de frío.
Si bien aún no se puede establecer la influencia del clima en la propagación del coronavirus, una cosa es cierta: el virus ha sido capaz de propagarse por todas partes, incluso en zonas muy cálidas del planeta, como Ecuador, Brasil e India, por lo tanto, concluyen los autores, el buen tiempo no es excusa para arriesgarse con una enfermedad que ya ha matado a cientos de miles de personas.
Referencia: The Challenge of Using Epidemiological Case Count Data: The Example of Confirmed COVID-19 Cases and the Weather. MedRxiv, 2020. https://doi.org/10.1101/2020.05.21.20108803
