La semana pasada se publicó en Science un artículo recogiendo los resultados de un estudio en asintomáticos realizado en el Reino Unido. En dicho estudio, cuyas muestras se tomaron entre mayo y septiembre de 2020, pretendían analizar cual era la incidencia real de coronavirus más allá de lo que se detectaba con las pruebas habituales.
Quizá a los oídos de algunos esto no suene extraño. Se trata de un cribado masivo en el que se llama a gran parte de la población y se analizan los resultados. Hay que tener en cuenta, y esto es muy importante, que las muestras se las tomaba uno mismo, y que la participación rondó el 25%. Los resultados son interesantes, y se pueden encontrar aquí: Resurgence of SARS-CoV-2: detection by community viral surveillance pero yo os voy a dar un resumen digerido.
Por qué hacer estudios en asintomáticos
Aunque sabemos ya que los asintomáticos y/o presintomáticos tienen un papel en la transmisión, podríamos simplemente esperar a detectarlos como contactos o estimarlos. Pero no es tan fácil, porque en los cribados también se encuentran sintomáticos.
La capacidad de detección depende de muchos factores, incluso más allá de la capacidad de cada país para hacer test PCR. Esto no debería ser una sorpresa para nadie, porque todos hemos escuchado a estas alturas historias de sintomáticos que negaban sus síntomas, o que no se podían permitir dar positivo. Así es como una pandemia se expande, y esas personas eran las que había que detectar. Aunque obviamente algunos no iban a participar, aquellos que negaban la realidad quizá sí, y desde luego algunos que tenían el virus pero no presentaban ningún síntoma.
Lo que observaron
Según sus datos, dado que tomaron muestras en cuatro rondas, se puede observar la subida de incidencia antes que con los métodos tradicionales. Esto tiene sentido, ya que si el virus se mueve durante un tiempo en una población que (por lo que sea) no se hace un test, la incidencia irá subiendo y para cuando llegue a los que sí se hacen test hay muchas personas que pueden haberse contagiado y estar contagiando. Esto es lo que muchos creen que pasó en marzo de 2020, que se detectó sólo cuando empezó a llegar a los hospitales.
Así, en UK, la subida de septiembre que los llevaba a su gran segunda ola se veía ya antes en sus datos. Su R ya era sustancialmente mayor que 1, pero en la población todavía reinaba la calma y se creía que la incidencia era mucho más baja. Por otra parte, los aplanamientos con sus datos son más lentos, ya que quedan todavía casos sueltos que no se han detectado.
Por último, también detectan que los grupos de edad en los que se produce una mayor diferencia entre lo detectado normalmente y lo de su estudio es en los jóvenes. Algo más que esperable, ya que a estas alturas deberíamos tener claro que los menores de edad se contagian igual, pero se detectan mucho menos si solo valoramos los síntomas, ya que tienden a ser más asintomáticos o a confundirse con otras cosas.
¿Podemos aprender algo?
En la misma línea que otros estudios, este nos enseña que con un análisis de una muestra representativa de la población es suficiente para conocer la situación de un lugar en un momento concreto. Pese a las limitaciones del tipo de test, además de detectar casos que eran desconocidos, han podido estimar la evolución de la pandemia.
Este tipo de análisis se mueven en la línea de los análisis de aguas, que interpretados correctamente nos permiten conocer la evolución de los casos y si hay subidas o bajadas. Y es que sin duda no podemos estar haciendo un test a todo el mundo cada cinco días, pero sí podemos hacer estimaciones con una muestra adecuada.
No tenemos que olvidar, en cualquier caso, que este estudio se realizó en un contexto en el que se estaban realizando pruebas de forma casi exclusiva a personas con síntomas. Otros países, aunque estuviesen realizando un rastreo lejos de perfecto, ya estaban en ese momento detectando hasta el 50% de los casos en asintomáticos. Pero quizá esto sea lo que nos espere en el futuro, y en lugar de los grandes cribados masivos, acabemos enfrentándonos a una aleatorización para asegurarnos de que mantenemos la incidencia baja.
¿Te ha resultado interesante? ¡Comparte? ¿Quieres que escriba más? ¡Apóyame!
Deja una respuesta Cancelar la respuesta