Un nuevo informe que asegura que el 28 de marzo España tenía 7 millones de personas infectadas por el coronavirus SARS-CoV-2 ha despertado gran expectación. El motivo es que proviene del Centro para el Análisis de Enfermedades Infecciosas Globales del Imperial College de Londres (Reino Unido), dirigido por el epidemiólogo Neil Ferguson. Se trata de uno de los departamentos más reputados del mundo en lo que a modelización de epidemias se refiere.

El trabajo de Ferguson y su equipo analiza el impacto de las medidas contra la epidemia, desde aislamientos a cierre de colegios, en 11 países, incluido España. Para ello, estiman el efecto que dichas intervenciones han tenido sobre el famoso R–el ritmo básico de reproducción que indica el número de casos nuevos que genera cada infectado–, que debe caer por debajo de 1 para que la pandemia finalice.

El informe también calcula el número de infectados en cada uno de esos países y las vidas salvadas por las medidas de contención. En total, consideran que entre 7 y 43 millones de personas se infectaron en esos países (entre el 1,88 y el 11,43 % de la población) y que se han evitado entre 21.000 y 120.000 muertes (entre 5.400 y 35.000 en el caso de España).

Concluyen que las medidas aplicadas por los países "han logrado reducir R". Por ello, "resulta crítico que las intervenciones se mantengan" durante las próximas semanas para "asegurar que la transmisión se está frenando". De hecho, aseguran que "si las tendencias actuales continúan, hay motivos para el optimismo".

¿Es verdad que hay 7 millones de españoles infectados?

El modelo calcula que en nuestro país las personas infectadas representan entre el 3,7 y el 41% de la población. O lo que es lo mismo: entre 1,8 y 19 millones de españoles. Esta amplísima horquilla es lo que se conoce como "intervalo de confianza", rango en el que se encuentra el valor buscado con una probabilidad del 95%. El valor más probable, en este caso, está alrededor de 7 millones (15%).

En estadística, lo más deseable es que este rango sea lo más reducido posible. "Lamentablemente, con la información que tenemos es normal que los intervalos salgan así de gigantes y, por lo tanto, no dicen absolutamente nada", asegura a eldiario.es la matemática de la Universidad Autónoma de Barcelona Alejandra Cabaña, que acaba de publicar su propio modelo para estimar los casos reales de COVID-19 en cada comunidad autónoma.

La matemática aclara que esto no es un fallo de los investigadores británicos: "Su modelo no me parece loco, pero nadie tiene buenos datos. En todas partes hay un caos de cifras, la calidad de los datos es terrible y no hay modelo que pueda contra eso. Por bueno y parecido a la realidad que sea un modelo, se alimenta de datos. Si estos son malos los resultados no se van a parecer a la realidad", añade Cabaña.

La estimación de los infectados españoles es especialmente endeble debido a que los datos nacionales, según Cabaña, "son una porquería" al depender del número de tests que se hacen, en su opinión insuficiente.

¿Cuáles son las buenas noticias?

Intervalos de confianza aparte, el informe del Imperial College es claro sobre la efectividad que las medidas de contención están teniendo a la hora de frenar la pandemia. "[El ritmo básico de reproducción] bajó muchísimo después de la intervención", dice Cabaña.

"Hay una tendencia a mejor más pronto que tarde y tranquiliza ver que esos intervalos apenas difieren, lo que significa que tomar medidas siempre va a paliar el efecto de la pandemia", asegura otro de los expertos. A todo esto hay que sumar los miles de vidas que se han salvado ya en toda Europa.

En el caso de España, intervenciones como el distanciamiento social, la prohibición de eventos públicos y el confinamiento total tras el estado de alarma han logrado reducir el ritmo básico de reproducción desde más de 4 a probablemente menos de 2. De hecho, y dado el gran intervalo de confianza del modelo, es incluso posible que ya haya caído por debajo de 1.

¿Está cerca la inmunidad de rebaño?

El equipo de Ferguson calculó en las etapas iniciales de la pandemia que el 60% de la población debería infectarse para lograr la llamada "inmunidad de rebaño", por la que una mayoría de personas inmunes protege a los individuos más débiles. Aunque no está demostrado que exista inmunidad prolongada contra el coronavirus SARS-CoV-2, es de esperar que los individuos curados no se reinfecten a corto plazo, lo que ayudaría al control de la pandemia.

En cualquier caso, con menos de un 12% de la población infectada, el modelo no considera que la inmunidad de rebaño "esté cerca" en las poblaciones europeas. De hecho, los investigadores temen que debido a que el ritmo básico de reproducción está disminuyendo, "el virus será capaz de extenderse con rapidez cuando las medidas se levanten", algo que ha preocupado a los epidemiólogos británicos desde el principio.

Si hay tantos infectados, ¿la letalidad es menor?

Si los infectados se cuentan por millones, eso supondría que la letalidad real del SARS-CoV-2 estaría lejos del 8,8 % actual de España, ¿verdad? Por desgracia, "esa no es la conclusión del trabajo", asegura el investigador del Imperial College y coautor del estudio, Steven Riley.

Aunque el informe no entre en este tema, el propio Ferguson publicaba esta semana un estudio en la revista ‘The Lancet’ en el que sí estimaba las tasas de letalidad a partir de datos de China.

La tasa de letalidad se puede calcular respecto a los casos clínicos (gente lo suficientemente enferma como para ir al médico y ser contabilizada) o respecto al número de infectados (cifra que solo puede obtenerse mediante estimaciones). Por ese motivo, ambos porcentajes pueden ser muy diferentes según la enfermedad.

En el caso del coronavirus responsable de la COVID-19, el estudio concluyó que la tasa de letalidad por infectado ronda el 0,66 %, mientras que la tasa de letalidad por caso, el 1,38 %.

¿Me puedo fiar de todo esto?

Cabaña defiende el trabajo de los modelizadores: "Los gráficos con el número de casos y muertos y su curva no están mal porque describen la realidad, pero no sirven para predecir. Para predecir hace falta un modelo y mucho trabajo".

"Todos los modelos están equivocados, pero algunos son útiles", dice un aforismo atribuido al estadístico George Box. "No son la verdad revelada sino aproximaciones a la realidad más o menos buenas que debes alimentar con buenos datos", concluye Cabaña. La ventaja de la ciencia es que se perfecciona y actualiza conforme se obtienen nuevas evidencias, y los modelos epidemiológicos no son una excepción.