Mises Wire

Home | Wire | El pánico del falso-positivo sobre el COVID-19

El pánico del falso-positivo sobre el COVID-19

  • cases positive testing covid

Etiquetas SaludMedios y cultura

Imaginen a un elocuente jefe lemming presumiendo que no sólo sus seguidores habían saltado de un acantilado, sino que lo habían hecho en mayor número que cualquier otra rebanada de roedores. Esta es la posición que ocupan los EEUU en cuanto a las pruebas de COVID-19. Hemos hecho más pruebas que cualquier otro país y nos jactamos mucho de hacerlo; pero nadie parece haber sobrevivido para dar una interpretación adecuada de los resultados.

Para empezar, las pruebas que se utilizan actualmente no analizan el virus completo, sino sólo varios fragmentos del mismo. Por lo tanto, muchos de los resultados son falsos, a veces falsos positivos y a veces falsos negativos. Esto significa que hay que interpretar sus resultados con cautela. Nuestras autoridades médicas, por no hablar de las políticas, no parecen ser capaces de hacerlo.

A todos los estudiantes de medicina se les enseña los fundamentos de la exploración en su curso introductorio de estadística. El problema es que la mayoría de ellos o no fueron o durmieron durante el curso. El resto olvidó inmediatamente lo que había aprendido.

Cuando se hace una prueba para algo, un profesional médico necesita saber el valor predictivo positivo (VPP) de la prueba así como el valor predictivo negativo. Me centraré en el primero.

Para conocer el VPP —es decir, el porcentaje de probabilidad de que una prueba positiva sea un verdadero positivo— se debe conocer la sensibilidad de la prueba así como la prevalencia de la enfermedad, al menos en un grado aproximado. Según un artículo reciente del New England Journal of Medicine, la sensibilidad de las pruebas de COVID-19 es de alrededor del 70 por ciento. Todavía no se conoce la prevalencia en ninguna de las poblaciones sometidas a prueba, por lo que no podemos calcular el VPP, aunque sí podemos calcular cuál sería en cualquier nivel de prevalencia que queramos asumir. Volveré a esto más adelante.

Una prueba para COVID-19 que sea sensible al 70 por ciento, sólo captará el 70 por ciento de los sujetos probados con la enfermedad. Por lo tanto, el 30 por ciento dará falsos resultados negativos. Además, el teorema de Bayes, cuya mera mención supera el número de todos los médicos, excepto el más resuelto, dice que una prueba con una sensibilidad del 70 por ciento será positiva en el 30 por ciento de la población examinada que no tenga la enfermedad. (Asumo una especificidad que también es del 70 por ciento. No se ha dado la especificidad de las diversas pruebas utilizadas). Considere la posibilidad de hacer pruebas para COVID-19 en 1 millón de sujetos, ninguno de los cuales alberga el virus. Trescientos mil darán positivo.

Esta es la razón por la que dudo de este informe de Asturias, España, que nos dice que la región ha pasado catorce días sin registrar un solo caso nuevo de COVID-19. O bien han dejado de hacer las pruebas—no se puede obtener un cero positivo en una población considerable con una prueba sensible al 70 por ciento—o no están diciendo la verdad.

El rastreador de COVID-19 de Johns Hopkins, ampliamente utilizado y citado, considera que una prueba confirmada es igual a una prueba positiva. Se trata de un error de dimensiones épicas por las razones que acabamos de exponer.

Los departamentos de atletismo profesional y universitario están cometiendo el mismo error. Están probando a sus atletas diariamente o cada dos días usando una prueba que no es mejor que el 70 por ciento de sensibilidad. Eventualmente todos los jugadores darán positivo. Estarán aislados durante catorce días, después de los cuales podrán dar positivo de nuevo, ad infinitum.

¿Cómo se estima el VPP de una prueba de COVID-19? Con un 70 por ciento de sensibilidad no hay necesidad de hacerlo. Tal prueba está tan contaminada con falsos positivos y negativos que su uso es prácticamente inútil. Supongamos que tenemos una prueba que es 95 por ciento sensible y específica. El VPP es el número de verdaderos positivos dividido por la suma de verdaderos y falsos positivos. Para hacer este cálculo debemos asumir una prevalencia del virus en el grupo muestreado. Comencemos con una prevalencia del 1 por ciento. Si hacemos la prueba en 10.000 sujetos, 100 llevarán el virus. De estos, 95 darán positivo. El teorema de Bayes dice que 495 (5 por ciento de los 9.900 pacientes) sin el virus también tendrán un resultado positivo. Eso son 495 pruebas de falso positivo. El VPP en esta muestra hipotética es 95/95+495, o alrededor del 16 por ciento.

Ahora supongamos que nuestra población (de nuevo 10.000 sujetos) tiene un 50 por ciento de positivos verdaderos. Aquí nuestro VPP es del 95 por ciento (4700/ 4700+250). La relación del VPP con la prevalencia se muestra en la siguiente figura. Observe que incluso con una prueba sensible al 95 por ciento nos abrumará con resultados positivos falsos si nuestra población analizada tiene una baja prevalencia del virus. Cuanto más pruebas hagamos, más falsos positivos es probable que obtengamos si nuestras pruebas no están enfocadas.

Debería ser obvio a partir de los datos anteriores que todas las pruebas que hemos hecho y seguimos haciendo probablemente han confundido más que iluminado. El virus es real y está en estado salvaje. ¿Cómo deberíamos enfrentarnos a él de forma efectiva? El mejor indicador de nuestro estado es cuánta gente está en el hospital debido a un diagnóstico clínico de neumonía viral. Más específicamente, cuántos están en la UCI. Tenga en cuenta que las pruebas aquí son innecesarias, ya que hoy en día se asume que cualquier caso de neumonía viral es causado por el coronavirus.

Si nuestra situación con respecto a la epidemia mejora, las pruebas generalizadas no habrán jugado ningún papel en esta mejora. ¿Por qué una mejora? Reconocimos quiénes eran las poblaciones de riesgo y se refugiaron y siguen haciéndolo. Los Centros para el Control y la Prevención de Enfermedades (CDC) estiman que la mortalidad por COVID-19 en pacientes menores de 50 años es del 0,05 por ciento. Prácticamente toda esta mortalidad en pacientes más jóvenes proviene de aquellos con comorbilidad. También hemos mejorado en el tratamiento de pacientes con neumonía severa causada por el coronavirus.

Es probable que el virus esté con nosotros durante algún tiempo. Las epidemias terminan cuando los más susceptibles al patógeno han sido expuestos a él o cuando una vacuna efectiva y segura está disponible. No tenemos tal vacuna. Es difícil saber cuándo o si habrá una disponible. Y la logística de la fabricación y la administración de miles de millones de dosis es formidable. Mientras tanto, tenemos que coexistir con ella sin destruir la sociedad, social y económicamente, en el proceso. También tendremos que admitir que nuestro actual régimen de pruebas ha alarmado al planeta sin aportar un beneficio para la salud.

Author:

Neil A. Kurtzman, MD

Neil A Kurtzman, MD, is Grover E. Murray Professor Emeritus and University Distinguished Professor Emeritus at Texas Tech University Health Sciences Center.

Note: The views expressed on Mises.org are not necessarily those of the Mises Institute.
Image source:
Getty
When commenting, please post a concise, civil, and informative comment. Full comment policy here
Shield icon wire