¿Qué tan común es el COVID prolongado? Por qué los estudios dan respuestas diferentes

Un paciente con coronavirus recuperado se sienta en una silla de ejercicio mientras es monitoreado por profesionales de la salud

Trabajadores de la salud monitorean a una mujer en un gimnasio de recuperación de COVID-19 en Génova, Italia.Crédito: Marco DiLauro/Getty

El epidemiólogo clínico Ziyad Al-Aly tiene acceso a un tesoro con el que muchos investigadores solo pueden soñar: millones de conjuntos de registros médicos electrónicos del Departamento de Asuntos de Veteranos (VA) de EE. UU., que brinda atención médica a los veteranos militares del país.

Con estos datos en la mano, Al-Aly, que trabaja en el Sistema de Atención Médica de VA St. Louis en Missouri, y sus colegas han profundizado en los efectos a largo plazo del COVID-19, desde enfermedad cardiovascular1 a diabetes2. También asumieron el desafío de estudiar el COVID prolongado, una afección en la que las personas experimentan síntomas meses después de que una infección aguda por SARS-CoV-2 parece haberse resuelto, y recientemente publicaron hallazgos3 que sorprendió a algunos investigadores. El equipo encontró que la vacunación previa sólo reduce el riesgo de desarrollar COVID prolongado después de la infección en aproximadamente un 15%, cual es sustancialmente menos que algunas otras estimaciones4lo que sugiere que las vacunas redujeron a la mitad el riesgo.

Es el tipo de resultado de latigazo cervical al que se han acostumbrado las personas que siguen investigaciones prolongadas de COVID, ya que los datos de varios estudios informan resultados discordantes. Las diferencias en cómo se define el síndrome, los tipos de datos utilizados para estudiarlo y cómo se analizan esos datos han dejado tanto al público como a los legisladores lidiando con respuestas dispares a preguntas básicas. ¿Qué tan frecuente es el largo COVID? ¿Y cómo afecta la vacunación o la reinfección o la última variante del SARS-CoV-2 al riesgo de desarrollar la enfermedad?

Las respuestas a esas preguntas se pueden usar para desarrollar políticas de COVID-19, pero el goteo constante de estudios oscilantes también puede causar confusión. dice Al-Aly. Tener tanta incertidumbre no genera mucha confianza, añade Al-Aly: “El público no reacciona muy bien al decir ‘entre el 15% y el 50%’”.

Definición resbaladiza

Parte del problema es la definición de COVID prolongado, que se ha relacionado con más de 200 síntomas, cuya gravedad puede variar de inconveniente a debilitante. El síndrome puede durar meses o años, y tiene una preocupante tendencia a reaparecer, a veces meses después de una aparente recuperación.

Hasta el momento, no hay acuerdo sobre cómo definir y diagnosticar COVID prolongado. El intento de la Organización Mundial de la Salud de consenso, publicado en 2021, no ha demostrado ser popular entre los defensores de los pacientes o los investigadores, y los estudios continúan utilizando una variedad de criterios para definir la afección. Las estimaciones de su prevalencia pueden oscilar entre el 5 y el 50%.

Un estudio de una afección tan compleja debe ser lo suficientemente grande como para reflejar la variedad de síntomas y el posible impacto de características como la edad y la gravedad de la infección aguda por SARS-CoV-2. Aquí es donde los análisis como el de Al-Aly ofrecen una gran cantidad de ventajas: los datos de las grandes redes de atención médica pueden proporcionar tamaños de muestra enormes. El estudio de Al-Aly de COVID prolongado después de una infección ‘avance’, una que sigue a la vacunación, incluyó registros de más de 13 millones de personas. Aunque el 90 % de esas personas eran hombres, aún quedan 1,3 millones de mujeres en el análisis, señala Al-Aly, más de lo que muchos otros estudios pueden reunir.

Beneficios de números grandes

Estos grandes números, así como los tipos de datos disponibles en algunos registros de salud, permiten a los investigadores realizar análisis estadísticos complicados para comparar cuidadosamente la demografía de las personas infectadas con coronavirus con un grupo de control no infectado, dice Theo Vos, epidemiólogo del Instituto de Health Metrics and Evaluation de la Universidad de Washington en Seattle, que ha trabajado con una variedad de fuentes de datos para estudiar el COVID prolongado.

Pero también hay inconvenientes. “La gente confunde el tamaño del estudio con su calidad y validez”, dice Walid Gellad, médico que estudia políticas de salud en la Universidad de Pittsburgh en Pensilvania.

En particular, a Gellad le preocupa que los estudios que se basan en registros de salud electrónicos se vean empañados por diferencias de comportamiento. Por ejemplo, en comparación con alguien que no busca atención médica por COVID-19 agudo, alguien que sí lo hace podría tener más probabilidades de informar síntomas de COVID-19 prolongado, dice.

Además, los registros médicos y las reclamaciones de seguros de salud podrían no reflejar una población demográficamente diversa, dice la epidemióloga computacional Maimuna Majumder de la Escuela de Medicina de Harvard en Boston, Massachusetts. Esto es particularmente probable en los Estados Unidos, dice, donde la cobertura del seguro de salud varía mucho. “La cantidad de puntos de datos considerados suele ser tan grande que asumimos erróneamente que estos datos deben ser representativos”, dice. “Pero este no es necesariamente el caso”.

Majumder también se pregunta si el estudio de los datos de reclamos podría llevar a los investigadores a subestimar la cantidad de personas con COVID prolongado, porque es posible que muchas personas no busquen atención médica para su afección.

Lecciones de codificación

Otro tema es cómo se registran los síntomas en los reclamos y registros médicos electrónicos. Los médicos a menudo registran códigos para varios síntomas y condiciones, pero rara vez enumeran un código para cada síntoma que experimenta un paciente, dice Vos, y la elección de códigos para una condición dada puede variar de un médico a otro. Esto podría dar lugar a diferencias en cuanto a si se notifica la COVID y durante cuánto tiempo. “Los registros de salud electrónicos contienen información útil, sin duda”, dice Gellad, quien dice que el estudio de VA estuvo particularmente bien diseñado. “Pero para responder a la pregunta de qué tan común es algo, es posible que no sean los mejores”.

Otros métodos también tienen sus trampas. Algunos estudios se basan en el autoinforme, como la aplicación COVID Symptom Study desarrollada por King’s College London y la empresa de ciencia de datos ZOE, también en Londres. Los datos de la aplicación mostraron que la vacunación redujo a la mitad el riesgo de que las personas experimentaran un COVID prolongado 28 días o más después de una infección aguda4. Pero los estudios en los que las personas informan voluntariamente sus síntomas pueden estar sesgados, porque es más probable que participen las personas que tienen síntomas, dice Gellad. Y es posible que los estudios que se basan en aplicaciones para teléfonos inteligentes no capturen completamente los datos de las comunidades desfavorecidas.

Una fuente de datos particularmente útil ha sido la Oficina de Estadísticas Nacionales (ONS) del Reino Unido, dice Nisreen Alwan, investigadora de salud pública de la Universidad de Southampton, Reino Unido. En mayo, la ONS informó que la variante del SARS-CoV-2 con la que las personas están infectadas puede afectar su riesgo de desarrollar COVID prolongado. Entre los participantes con doble vacunación, aquellos que se creía que tenían COVID-19 causado por la variante Omicron BA.1 tenían aproximadamente un 50 % menos de probabilidades de desarrollar síntomas prolongados de COVID de cuatro a ocho semanas después de la infección que los participantes cuyas infecciones probablemente fueron causadas por la variante Delta . Este hallazgo está en línea con los resultados de un artículo del 18 de junio5 basado en datos de ZOE.

Buscando un hilo común

Alwan, que tiene COVID desde hace mucho tiempo y ha abogado por la recopilación de datos sobre la afección, elogia el diseño del estudio ONS, que involucró inscribir a un grupo de personas con especial atención en representar a la población del Reino Unido y luego hacer un seguimiento con ellos para preguntarles sobre sus estado de infección y síntomas.

Otros aspectos del diseño del estudio, como si se usa un grupo de control, pueden afectar fuertemente los resultados, dice Alwan. Pero tener en cuenta métodos y definiciones dispares no tiene por qué detener la investigación. “Eso no es algo nuevo”, dice ella. “Es algo que teníamos antes de COVID, para otras condiciones”.

Para Al-Aly, las discrepancias entre los resultados del estudio no son sorprendentes ni condenatorias. Los epidemiólogos a menudo entretejen evidencia de múltiples fuentes de datos y métodos de análisis, dice. Incluso si es difícil cuantificar con precisión el efecto de la vacunación sobre el riesgo prolongado de COVID, por ejemplo, los investigadores pueden buscar tendencias. “Uno busca el hilo común”, dice Al-Aly. “El hilo común aquí es que las vacunas son mejores que ninguna vacuna”.

Leave a Reply

Your email address will not be published.