Qué tan común es el COVID prolongado y por qué la ciencia encuentra respuestas diferentes
Martes 21 de
Junio 2022
El epidemiólogo clínico Ziyad Al-Aly tiene acceso a un tesoro con el que muchos investigadores solo pueden soñar: millones de conjuntos de registros médicos electrónicos del Departamento de Asuntos de Veteranos (VA) de los Estados Unidos, que brinda atención médica a los veteranos militares del país.
Con estos datos en la mano, Al-Aly, que trabaja en el Sistema de Atención Médica de VA St. Louis en Missouri, y sus colegas han profundizado en los efectos a largo plazo del COVID-19, desde enfermedades cardiovasculares hasta diabetes. También asumieron el desafío de estudiar el COVID prolongado, una afección en la que las personas experimentan síntomas meses después de que una infección aguda por SARS-CoV-2 parece haberse resuelto, y recientemente publicaron hallazgos que sorprendieron a algunos investigadores. El equipo encontró que la vacunación previa solo reduce el riesgo de desarrollar COVID prolongado después de la infección en aproximadamente un 15%, que es sustancialmente menor que otras estimaciones, que sugirieron que las vacunas redujeron a la mitad el riesgo.
Según una nueva investigación, publicada en la revista científica Nature, es el tipo de resultado de latigazo que las personas que siguen la investigación sobre el COVID prolongado se han acostumbrado a ver, ya que los datos de varios estudios informan de resultados discordantes. Las diferencias en la definición del síndrome, los tipos de datos utilizados para estudiarlo y la forma de analizarlos han hecho que tanto el público como los responsables políticos se enfrenten a respuestas dispares a preguntas básicas. ¿Qué frecuencia tiene el COVID prolongado? ¿Y cómo afecta la vacunación o la reinfección o la última variante del SARS-CoV-2 al riesgo de desarrollar la enfermedad?
Las respuestas a esas preguntas se pueden usar para desarrollar políticas de COVID-19, pero el goteo constante de estudios oscilantes también puede causar confusión, según Al-Aly. Tener tanta incertidumbre no genera mucha confianza, añade Al-Aly: “El público no reacciona muy bien al decir ‘entre el 15% y el 50%’”.
Definición confusa
Parte del problema es la definición del COVID prolongado, que se ha relacionado con más de 200 síntomas, cuya gravedad puede variar de inconveniente a debilitante. El síndrome puede durar meses o años, y tiene una preocupante tendencia a reaparecer, a veces meses después de una aparente recuperación.
Hasta el momento, no hay acuerdo sobre cómo definir y diagnosticar el long COVID. El intento de consenso de la Organización Mundial de la Salud, publicado en 2021, no ha resultado popular entre los defensores de los pacientes o los investigadores, y los estudios continúan utilizando una variedad de criterios para definir la afección. Las estimaciones de su prevalencia pueden oscilar entre el 5 y el 50%.
Un estudio de una afección tan compleja debe ser lo suficientemente grande como para reflejar la variedad de síntomas y el posible impacto de características como la edad y la gravedad de la infección aguda por SARS-CoV-2. Aquí es donde los análisis como el de Al-Aly ofrecen una gran cantidad de ventajas: los datos de las grandes redes de atención médica pueden proporcionar tamaños de muestra enormes. El estudio de Al-Aly de COVID prolongado después de una infección irruptiva, una que sigue a la vacunación, incluyó registros de más de 13 millones de personas. Aunque el 90% de esas personas eran hombres, aún quedan 1,3 millones de mujeres en el análisis, señala Al-Aly, más de lo que muchos otros estudios pueden reunir.
Beneficios de números grandes
“Estos grandes números, así como los tipos de datos disponibles en algunos registros de salud, permiten a los investigadores realizar análisis estadísticos complicados para comparar cuidadosamente la demografía de las personas infectadas con coronavirus con un grupo de control no infectado”, dice Theo Vos, epidemiólogo del Institute for Health Metrics and Evaluation de la Universidad de Washington en Seattle, que ha trabajado con una variedad de fuentes de datos para estudiar el COVID prolongado.
Pero también hay inconvenientes. “La gente confunde el tamaño del estudio con su calidad y validez”, explica Walid Gellad, médico que estudia políticas de salud en la Universidad de Pittsburgh en Pensilvania. En particular, a Gellad le preocupa que los estudios que se basan en registros de salud electrónicos se vean empañados por diferencias de comportamiento. Por ejemplo, en comparación con alguien que no busca atención médica por COVID-19 agudo, alguien que sí lo hace podría tener más probabilidades de informar síntomas de COVID-19 prolongado.
Además, es posible que los registros médicos y las reclamaciones de seguros de salud no reflejen una población demográficamente diversa, según la epidemióloga computacional Maimuna Majumder de la Escuela de Medicina de Harvard en Boston, Massachusetts. Para ella, esto es particularmente probable en los Estados Unidos, donde la cobertura del seguro de salud varía mucho. “La cantidad de puntos de datos considerados suele ser tan grande que asumimos erróneamente que estos datos deben ser representativos”, detalla. “Pero este no es necesariamente el caso”.
Majumder también se pregunta si el estudio de los datos de reclamos podría llevar a los investigadores a subestimar la cantidad de personas con COVID prolongado, porque es posible que muchas personas no busquen atención médica para su afección.
Lecciones de codificación
Otro tema es cómo se registran los síntomas en los reclamos y registros médicos electrónicos. Los médicos a menudo registran códigos para varios síntomas y condiciones, pero rara vez enumeran un código para cada síntoma que experimenta un paciente, según Vos, y la elección de códigos para una condición dada puede variar de un médico a otro. Esto podría dar lugar a diferencias en cuanto a si se notifica el COVID y durante cuánto tiempo. “Los registros de salud electrónicos contienen información útil, sin duda”, subraya Gellad, quien dice que el estudio de VA estuvo particularmente bien diseñado. “Pero para responder a la pregunta de qué tan común es algo, es posible que no sean los mejores”.
Otros métodos también tienen sus trampas. Algunos estudios se basan en el autoinforme, como la aplicación COVID Symptom Study desarrollada por King’s College London y la empresa de ciencia de datos ZOE, también en Londres. Los datos de la aplicación mostraron que la vacunación redujo el riesgo de las personas de experimentar un COVID prolongado 28 días o más después de una infección aguda en aproximadamente la mitad. Pero los estudios en los que las personas informan voluntariamente sus síntomas pueden estar sesgados, porque es más probable que participen las personas que tienen síntomas, explica Gellad. Y es posible que los estudios que se basan en aplicaciones para teléfonos inteligentes no capturen completamente los datos de las comunidades desfavorecidas.
Para Nisreen Alwan, investigadora de salud pública de la Universidad de Southampton, Reino Unido, una fuente de datos particularmente útil ha sido la Oficina de Estadísticas Nacionales (ONS) del Reino Unido. En mayo, la ONS informó que la variante del SARS-CoV-2 con la que se contagian las personas puede afectar su riesgo de desarrollar COVID prolongado. Entre los participantes con doble vacunación, aquellos que se creía que tenían COVID-19 causado por la variante Ómicron BA.1 tenían aproximadamente un 50% menos de probabilidades de desarrollar síntomas de COVID prolongado de cuatro a ocho semanas después de la infección que los participantes cuyas infecciones probablemente fueron causadas por la variante Delta. Este hallazgo está en línea con los resultados de un documento del 18 de junio basado en datos de ZOE.
Buscando un hilo común
Alwan, que tiene COVID prolongado y ha abogado por la recopilación de datos sobre la afección, elogia el diseño del estudio ONS, que involucró inscribir a un grupo de personas con especial atención en representar a la población del Reino Unido y luego hacer un seguimiento con ellos para preguntarles sobre sus estado de infección y síntomas.
“Otros aspectos del diseño del estudio, como si se usa un grupo de control, pueden afectar fuertemente los resultados”, remarca. Pero tener en cuenta métodos y definiciones dispares no tiene por qué detener la investigación. “Eso no es algo nuevo”, dice. “Es algo que teníamos antes de COVID, para otras condiciones”.
Para Al-Aly, las discrepancias entre los resultados del estudio no son sorprendentes ni condenatorias. Los epidemiólogos a menudo entretejen evidencia de múltiples fuentes de datos y métodos de análisis. Incluso si es difícil cuantificar con precisión el efecto de la vacunación sobre el riesgo prolongado de COVID, por ejemplo, los investigadores pueden buscar tendencias. “Uno busca el hilo común”, concluye Al-Aly. “El hilo común aquí es que tener vacunas es mejor que no tenerlas”.
Según una nueva investigación, publicada en la revista científica Nature, es el tipo de resultado de latigazo que las personas que siguen la investigación sobre el COVID prolongado se han acostumbrado a ver, ya que los datos de varios estudios informan de resultados discordantes. Las diferencias en la definición del síndrome, los tipos de datos utilizados para estudiarlo y la forma de analizarlos han hecho que tanto el público como los responsables políticos se enfrenten a respuestas dispares a preguntas básicas. ¿Qué frecuencia tiene el COVID prolongado? ¿Y cómo afecta la vacunación o la reinfección o la última variante del SARS-CoV-2 al riesgo de desarrollar la enfermedad?
Las respuestas a esas preguntas se pueden usar para desarrollar políticas de COVID-19, pero el goteo constante de estudios oscilantes también puede causar confusión, según Al-Aly. Tener tanta incertidumbre no genera mucha confianza, añade Al-Aly: “El público no reacciona muy bien al decir ‘entre el 15% y el 50%’”.
Definición confusa
Parte del problema es la definición del COVID prolongado, que se ha relacionado con más de 200 síntomas, cuya gravedad puede variar de inconveniente a debilitante. El síndrome puede durar meses o años, y tiene una preocupante tendencia a reaparecer, a veces meses después de una aparente recuperación.
Hasta el momento, no hay acuerdo sobre cómo definir y diagnosticar el long COVID. El intento de consenso de la Organización Mundial de la Salud, publicado en 2021, no ha resultado popular entre los defensores de los pacientes o los investigadores, y los estudios continúan utilizando una variedad de criterios para definir la afección. Las estimaciones de su prevalencia pueden oscilar entre el 5 y el 50%.
Un estudio de una afección tan compleja debe ser lo suficientemente grande como para reflejar la variedad de síntomas y el posible impacto de características como la edad y la gravedad de la infección aguda por SARS-CoV-2. Aquí es donde los análisis como el de Al-Aly ofrecen una gran cantidad de ventajas: los datos de las grandes redes de atención médica pueden proporcionar tamaños de muestra enormes. El estudio de Al-Aly de COVID prolongado después de una infección irruptiva, una que sigue a la vacunación, incluyó registros de más de 13 millones de personas. Aunque el 90% de esas personas eran hombres, aún quedan 1,3 millones de mujeres en el análisis, señala Al-Aly, más de lo que muchos otros estudios pueden reunir.
Beneficios de números grandes
“Estos grandes números, así como los tipos de datos disponibles en algunos registros de salud, permiten a los investigadores realizar análisis estadísticos complicados para comparar cuidadosamente la demografía de las personas infectadas con coronavirus con un grupo de control no infectado”, dice Theo Vos, epidemiólogo del Institute for Health Metrics and Evaluation de la Universidad de Washington en Seattle, que ha trabajado con una variedad de fuentes de datos para estudiar el COVID prolongado.
Pero también hay inconvenientes. “La gente confunde el tamaño del estudio con su calidad y validez”, explica Walid Gellad, médico que estudia políticas de salud en la Universidad de Pittsburgh en Pensilvania. En particular, a Gellad le preocupa que los estudios que se basan en registros de salud electrónicos se vean empañados por diferencias de comportamiento. Por ejemplo, en comparación con alguien que no busca atención médica por COVID-19 agudo, alguien que sí lo hace podría tener más probabilidades de informar síntomas de COVID-19 prolongado.
Además, es posible que los registros médicos y las reclamaciones de seguros de salud no reflejen una población demográficamente diversa, según la epidemióloga computacional Maimuna Majumder de la Escuela de Medicina de Harvard en Boston, Massachusetts. Para ella, esto es particularmente probable en los Estados Unidos, donde la cobertura del seguro de salud varía mucho. “La cantidad de puntos de datos considerados suele ser tan grande que asumimos erróneamente que estos datos deben ser representativos”, detalla. “Pero este no es necesariamente el caso”.
Majumder también se pregunta si el estudio de los datos de reclamos podría llevar a los investigadores a subestimar la cantidad de personas con COVID prolongado, porque es posible que muchas personas no busquen atención médica para su afección.
Lecciones de codificación
Otro tema es cómo se registran los síntomas en los reclamos y registros médicos electrónicos. Los médicos a menudo registran códigos para varios síntomas y condiciones, pero rara vez enumeran un código para cada síntoma que experimenta un paciente, según Vos, y la elección de códigos para una condición dada puede variar de un médico a otro. Esto podría dar lugar a diferencias en cuanto a si se notifica el COVID y durante cuánto tiempo. “Los registros de salud electrónicos contienen información útil, sin duda”, subraya Gellad, quien dice que el estudio de VA estuvo particularmente bien diseñado. “Pero para responder a la pregunta de qué tan común es algo, es posible que no sean los mejores”.
Otros métodos también tienen sus trampas. Algunos estudios se basan en el autoinforme, como la aplicación COVID Symptom Study desarrollada por King’s College London y la empresa de ciencia de datos ZOE, también en Londres. Los datos de la aplicación mostraron que la vacunación redujo el riesgo de las personas de experimentar un COVID prolongado 28 días o más después de una infección aguda en aproximadamente la mitad. Pero los estudios en los que las personas informan voluntariamente sus síntomas pueden estar sesgados, porque es más probable que participen las personas que tienen síntomas, explica Gellad. Y es posible que los estudios que se basan en aplicaciones para teléfonos inteligentes no capturen completamente los datos de las comunidades desfavorecidas.
Para Nisreen Alwan, investigadora de salud pública de la Universidad de Southampton, Reino Unido, una fuente de datos particularmente útil ha sido la Oficina de Estadísticas Nacionales (ONS) del Reino Unido. En mayo, la ONS informó que la variante del SARS-CoV-2 con la que se contagian las personas puede afectar su riesgo de desarrollar COVID prolongado. Entre los participantes con doble vacunación, aquellos que se creía que tenían COVID-19 causado por la variante Ómicron BA.1 tenían aproximadamente un 50% menos de probabilidades de desarrollar síntomas de COVID prolongado de cuatro a ocho semanas después de la infección que los participantes cuyas infecciones probablemente fueron causadas por la variante Delta. Este hallazgo está en línea con los resultados de un documento del 18 de junio basado en datos de ZOE.
Buscando un hilo común
Alwan, que tiene COVID prolongado y ha abogado por la recopilación de datos sobre la afección, elogia el diseño del estudio ONS, que involucró inscribir a un grupo de personas con especial atención en representar a la población del Reino Unido y luego hacer un seguimiento con ellos para preguntarles sobre sus estado de infección y síntomas.
“Otros aspectos del diseño del estudio, como si se usa un grupo de control, pueden afectar fuertemente los resultados”, remarca. Pero tener en cuenta métodos y definiciones dispares no tiene por qué detener la investigación. “Eso no es algo nuevo”, dice. “Es algo que teníamos antes de COVID, para otras condiciones”.
Para Al-Aly, las discrepancias entre los resultados del estudio no son sorprendentes ni condenatorias. Los epidemiólogos a menudo entretejen evidencia de múltiples fuentes de datos y métodos de análisis. Incluso si es difícil cuantificar con precisión el efecto de la vacunación sobre el riesgo prolongado de COVID, por ejemplo, los investigadores pueden buscar tendencias. “Uno busca el hilo común”, concluye Al-Aly. “El hilo común aquí es que tener vacunas es mejor que no tenerlas”.
Con información de
Infobae
