Mises Wire

Home | Wire | Por qué esos modelos del COVID-19 no son ciencia real

Por qué esos modelos del COVID-19 no son ciencia real

  • Science COVID Experts
0 Views

Etiquetas Burocracia y RegulaciónSalud

05/22/2020

Desde el inicio de la crisis del COVID-19, a los estadounidenses se les ha dicho innumerables veces que la política pública se basaba en la ciencia (con S mayúscula) y que el público sólo debía obedecer a los científicos.

Pero la exactitud de sus predicciones y la consecuente adecuación de las políticas parece haber sido poco mejor que «Pregúntale al Dr. Ciencia» y la tasa de exactitud del 0 por ciento de sus respuestas.

De hecho, los errores masivos de medición que han sido parte del show científico de COVID Kops, deberían hacernos recordar lo que Lord Kelvin dijo sobre la ciencia y la medición: «Si no puedes medirlo, entonces no es ciencia» y «tu teoría es propensa a basarse más en la imaginación que en el conocimiento».

Para tener una idea de la gravedad de los problemas de medición del COVID, sólo hay que mirar a los dos expertos médicos que aparecen más a menudo en nuestras pantallas de televisión. El Dr. Anthony Fauci testificó recientemente su creencia de que el número de muertes es «casi seguro más alto» que el reportado, porque «puede haber habido personas que murieron en casa que sí tenían COVID, que no fueron contadas como COVID porque nunca llegaron realmente al hospital». Por el contrario, el Washington Post informó recientemente que Deborah Birx cree que el sistema de contabilidad de los Centros para el Control y la Prevención de Enfermedades (CDC) está duplicando algunos casos, aumentando las mediciones de los casos y la mortalidad «hasta en un 25 por ciento». ¿Y qué podría ser una declaración más clara de los problemas de medición que la afirmación de Birx de que «no hay nada del CDC en que pueda confiar»?

Las mediciones destrozadas han estado con nosotros desde el principio de la crisis de COVID.

Los casos leves fueron (y siguen siendo) frecuentemente no detectados. Eso significa que no hemos contado cuántas personas tienen (o han tenido) la enfermedad. También significa que hemos sobreestimado el riesgo de contagio, que es quizás el determinante más crucial del riesgo de COVID para otros.

Al principio, había un número muy limitado de pruebas y muchas de las primeras eran defectuosas. Por lo tanto, a medida que aumenta el número de pruebas, especialmente de forma sistemática, en lugar de centrarse únicamente en aquellos que ya se sospecha que tienen COVID, debemos desenmarañar la parte del aumento de los casos notificados, y el ajuste implícito a la baja de las probabilidades de muerte y el riesgo de propagación, causado por las pruebas a un mayor número de personas para determinar si hay una incidencia creciente de la enfermedad. Cuando se empezaron a hacer pruebas de anticuerpos contra el COVID, también se sugirió que ya se habían expuesto más personas, cambiando de nuevo las cifras críticas. Y luego hay preguntas sobre la inmunidad de la manada, incluyendo si el refugio en casa realmente socava su desarrollo. De manera similar, los números constantemente actualizados de casos de COVID en áreas particulares exageraron el riesgo para otros, ya que aquellos que han mejorado y no son una fuente potencial de contagio aún están incluidos en esos conteos.

Esta continua evolución de lo que la ciencia nos dice revela que lo que se nos dice en un momento dado es muy probable que sea revisado, si no revertido, pronto, y quizás repetidamente. Eso debería hacernos recelar de todas las afirmaciones, incluyendo los pronósticos, basados en la verdad de la ciencia actual. Y por si fuera poco, incluso la exactitud de los datos básicos se ha visto comprometida.

En algunos lugares, las muertes por COVID reportadas han incluido a todos los que lo tienen cuando mueren, exagerando (hasta un grado que no podemos saber sin información más detallada que la que tenemos ahora, y que puede que alguna vez tengamos, para muchos casos) los riesgos de COVID. La directora del Departamento de Salud Pública de Illinois, la Dra. Ngozi Ezike, ilustró el problema cuando dijo: «si usted estuviera en un hospicio y ya le hubieran dado unas semanas de vida, y luego también se descubriera que tiene COVID, eso se contaría como una muerte por COVID...[E]n caso de que usted muriera por una causa alternativa clara, pero tuviera COVID al mismo tiempo, sigue figurando como una muerte por COVID». Además, el recuento erróneo no suele deberse a juicios sobre los tonos de gris. Por ejemplo, Colorado contó a un hombre que murió de intoxicación alcohólica aguda (su contenido de alcohol en la sangre (BAC) era de 0,55, cuando 0,30 se considera letal) como una muerte por COVID. Y cuando el estado contó para incluir sólo las muertes causadas por COVID, su total cayó de 1.150 a sólo 878.

Nueva York también ha contabilizado como muertes por COVID los casos que implican síntomas de gripe, incluso cuando las pruebas postmortem de COVID han sido negativas. La guía de los CDC aconseja explícitamente que los casos «sospechosos», incluso en ausencia de pruebas, pueden ser reportados como muertes por COVID. Por eso el New York Times pudo informar que el 21 de abril el número de muertes de la ciudad se incrementó en «3.700 personas más que se presumía que habían muerto por el coronavirus pero que nunca habían dado positivo en las pruebas».

Entonces también hay muchas pruebas que apoyan la política apropiada de COVID. Por ejemplo, Charles Murray ha demostrado que «La relación de la densidad de población con la propagación del coronavirus crea conjuntos de opciones políticas que son radicalmente diferentes en las áreas de alta y baja densidad», de modo que «demasiada gente en los lugares altos, en el gobierno y en los medios de comunicación, han estado actuando como si hubiera una política correcta y moral hacia la pandemia que se aplica en toda América». Eso está mal».

Randal O'Toole también ha citado estudios en los que se constata que «los sistemas de transporte masivo ofrecen una forma eficaz de acelerar la propagación de las enfermedades infecciosas», que «las personas que utilizan el transporte masivo tenían casi seis veces más probabilidades de padecer infecciones respiratorias agudas que las que no lo hacen», que los metros de la ciudad de Nueva York eran «un importante difusor —si no el principal vehículo de transmisión— de la infección por coronavirus», y que existe «una fuerte correlación, estado por estado, entre el tránsito y el coronavirus», para preguntarse por qué no se cerraron los sistemas de transporte masivo para detener el daño. En otro lugar, señaló que «El jefe de la Autoridad Metropolitana de Tránsito de Nueva York fue infectado por el virus y el jefe de Tránsito de Nueva Jersey en realidad murió a causa de él».

Toda esta evidencia revela que la ciencia COVID y las conclusiones que se suponía que los americanos debían seguir sin cuestionar han sido increíblemente incompletas o equivocadas, con la estabilidad de las arenas movedizas. Tal ciencia es una caña demasiado frágil para depender en la elaboración de políticas con precios multimillonarios. Lo que sí apoya es mucha más humildad, reflejando el reconocimiento de Kelvin de que:

Cuando se puede medir lo que se dice y expresarlo en números, se sabe algo al respecto; pero cuando no se puede medir, cuando no se puede expresar en números, el conocimiento es de tipo escaso e insatisfactorio; puede ser el comienzo del conocimiento, pero apenas se ha avanzado en el pensamiento hasta la etapa de la ciencia.

Author:

Gary Galles

Gary M. Galles is a professor of economics at Pepperdine University. He is the author of The Apostle of Peace: The Radical Mind of Leonard Read.

 

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

Add Comment

Shield icon wire