Menu Close
Dibujo de un paraguas rojo sobre el que se precipitan virus

¿Es el coronavirus estacional? Depende de la interpretación de los resultados

Durante este año de pandemia se ha escrito mucho sobre si el coronavirus SARS-CoV-2, causante de la enfermedad COVID-19, es estacional al igual que otros virus respiratorios. Es decir, si su capacidad de infección dependerá del clima y será mayor cada año en otoño o invierno. Pero la respuesta se hace de rogar.

La semana pasada, leía en grandes titulares que al fin se había confirmado que al coronavirus se le puede considerar estacional. “Todo está en el ‘frío’: hallan por qué el coronavirus podría convertirse en un enemigo estacional”, sentenciaba un titular. “Tal y como ocurre con la gripe, los casos se concentrarán fundamentalmente en invierno y casi desaparecerán en verano”, anunciaban muchos medios.

Se puede hacer un gran titular como éste sobre el coronavirus –o sobre cualquier otro tema– basándonos en un único resultado publicado por personas de ciencia en revistas de ciencia. Pero cuidado, porque como mínimo hay que contrastar y validar los resultados del estudio en cuestión. Y asegurarse de que se pueden reproducir, claro.

Flaco favor nos hacemos si sesgamos la interpretación de un resultado científico hacia aquello que, por un motivo u otro, nos interesa. Como puede que haya sido este caso.

Qué sabemos sobre la estacionalidad del coronavirus

Por lo que se sabe, la transmisión del coronavirus SARS-CoV-2 no sólo se ve influida por las condiciones ambientales, sino también por otros factores variopintos entre los que se encuentran los de tipo sociológico, microbiológico y fisiológico.

Sin embargo, hay estudios que obvian por completo estos factores. Y no es el único error metodológico que se repite. Como explicaba hace unos meses el experto en ciencias atmosféricas David Pino en The Conversation, con frecuencia los estudios no consideran otras variables que pueden estar influyendo en el análisis estadístico de los datos, ni tampoco el desfase temporal de los datos analizados, ni siquiera que la temperatura y la humedad son variables dependientes (lo cual influye en los resultados estadísticos). Es más, por regla general se tiende a confundir correlación con causalidad.

No estoy muy seguro de si las personas de ciencia en realidad confundimos la correlación con causalidad o si, simplemente, preferimos obviar ese hecho. Por ejemplo, creo que todo el mundo entiende que el que exista correlación entre la temperatura y la incidencia de la COVID-19 no implica que la temperatura sea la causa de que se produzca una mayor o menor incidencia de la enfermedad.

Un titular llamativo basado en una correlación débil

Hace unos días, una universidad estadounidense lanzaba una nota de prensa con el titular “Global analysis suggests COVID-19 is seasonal” (“Un análisis global sugiere que la COVID-19 es estacional”). Interesado, leí con detalle el contenido de la noticia, que incluía declaraciones del autor responsable del artículo afirmando: “One conclusion is that the disease may be seasonal, like the flu. This is very relevant to what we should expect from now on after the vaccine controls these first waves of COVID-19” (“Una conclusión es que la enfermedad puede ser estacional, como la gripe. Esto es muy relevante respecto a lo que podríamos esperar a partir del momento en el que la vacuna controle estas primeras olas de la COVID-19.”)

Aunque ese “puede ser estacional” no es una aseveración categórica, que a continuación se afirme “Esto es muy relevante” puede hacernos pensar que los análisis realizados han arrojado resultados que nos lleven a darlo por hecho. En busca de argumentos que me permitieran, llegado el momento, hablar con conocimiento de causa, me fui al artículo original (“Temperature and Latitude Correlate with SARS-CoV-2 Epidemiological Variables but not with Genomic Change Worldwide”), y leí con detenimiento su contenido.

Aprovecho para decir que el artículo ha sido publicado en la revista científica Evolutionay Bioinformatics, con buena reputación y con revisión por pares, y con cuyo editor-jefe, Dennis Wall, tengo una gran amistad.

En mi opinión, el artículo está muy bien escrito y argumentado. Los análisis realizados, para la metodología estadística que han utilizado, son adecuados. Los resultados se expresan correctamente y las conclusiones del resumen están en consonancia con los resultados obtenidos. En ellas, los autores son prudentes y utilizan palabras como “las tendencias… sugieren un efecto estacional”. Y también concluyen que “serán necesarios más estudios para poder determinar si las correlaciones son más probables debido a…”. Nada definitivo.

No me explico y me cuesta entender cómo, de cara al público (porque en el artículo científico lo expresa todo adecuadamente), el autor senior del trabajo “vende” los resultados casi como una afirmación categórica. Más aún, y puestos a ser quisquillosos, las correlaciones que se obtienen en el trabajo, aunque estadísticamente significativas, son, en su mayoría, débiles (con un valor medio absoluto de 0,24, en un rango absoluto entre 0 y 1). Y si nos fijamos en las más interesantes, como la relación entre temperatura e incidencia, o entre temperatura y mortandad, los números nos dicen que apenas se puede explicar más allá de un 7% de su posible relación.

Otros estudios con el mismo fin utilizan una metodología que es más adecuada para este tipo de análisis, como los modelos matemáticos bayesianos, y no una simple correlación por muy estadísticamente significativa que sea. Es el caso del artículo “Seasonality and uncertainty in global COVID-19 growth rates” (Estacionalidad e incertidumbre en las tasas de crecimiento global de la COVID-19), publicado en la revista PNAS, por indicar un ejemplo de rigor incluso en el propio título del artículo.

Ya lo dijo Bertrand Russel:

“El concepto de probabilidad es el más importante de la ciencia moderna, especialmente porque nadie tiene la menor idea de lo que significa.”

Want to write?

Write an article and join a growing community of more than 125,100 academics and researchers from 3,982 institutions.

Register now