Para evaluar si una vacuna previene el contagio o la enfermedad es necesario diseñar un estudio que permita comparar dos grupos de población de características lo más idénticas posibles. En otras palabras, que la única diferencia sea recibir la vacuna.
Generalmente se recurre a un ensayo clínico aleatorizado. En él se administra a un grupo de personas la vacuna y a otro un placebo, y se les sigue durante un tiempo para observar los efectos de la vacuna. De esta forma se podría concluir que los efectos observados responden a la inmunización. En este caso, el resultado hablaría de su eficacia, pues alude a su impacto en condiciones ideales y controladas.
No obstante, el objetivo principal de una vacuna es su aplicación a la población. Al evaluar su impacto una vez comercializada y administrada hablaremos de efectividad vacunal: queremos medir su impacto en condiciones reales.
En este caso también se siguen y se comparan grupos de vacunados y no vacunados, pero en estas condiciones reales sus características sociales y demográficas pueden diferir. Las personas vacunadas no son iguales que las no vacunadas. Esto dificulta saber si un grupo ha estado más expuesto al virus que el otro.
Podría parecer que las diferencias entre eficacia y efectividad son mínimas, pero es importante utilizar estos conceptos correctamente porque aportan información diferente acerca de la metodología que se ha seguido para el análisis. Por tanto, las consideraciones que deben tenerse en cuenta a la hora de interpretar los resultados también son distintas.
Evaluar la efectividad es difícil
Tras la publicación de los resultados de los ensayos clínicos de las vacunas frente al SARS-CoV-2 comercializadas en la actualidad quedaban por responder preguntas importantes desde el punto de vista epidemiológico:
-
¿Cómo van a funcionar cuando se empiecen a administrar a la población general?
-
¿Cómo vamos a evaluarlo?
Uno de los principales problemas surge a la hora de determinar si los grupos a comparar (vacunados y no vacunados) se parecen entre sí. En este caso nos encontramos ante dos poblaciones dinámicas, a una de las cuales –el grupo de personas vacunadas– los individuos se van incorporando a medida que la campaña de vacunación avanza.
Por ello es necesario reflexionar sobre las posibles diferencias que pueden existir entre los dos grupos, y que pueden influir en el análisis. Esto sucede especialmente cuando las coberturas vacunales, bien en población general o por grupos de edad, son reducidas o muy amplias.
Vamos a poner dos ejemplos hipotéticos que podrían distorsionar los datos de efectividad:
Cuando empieza la campaña de vacunación
Al comienzo de la campaña se vacuna a las personas de más riesgo a las consecuencias de la enfermedad (por ejemplo, personas mayores o con otras patologías), que es probable que adopten más medidas de protección frente a la exposición al SARS-CoV-2. Debido a esto, la población vacunada presentaría un menor riesgo de contagio debido a la vacunación, pero también a su comportamiento.
Esto, a la hora de realizar el análisis, podría dar como resultado una sobreestimación de la efectividad vacunal en fases iniciales.
Cuando avanza la campaña de vacunación
Por el contrario, según avanza la campaña de vacunación podría ocurrir que algunas personas vacunadas varíen su comportamiento por una sensación de seguridad (o porque tienen un certificado que les permite realizar ciertas actividades solamente a ese grupo).
Los vacunados, al sentirse protegidos, podrían realizar más actividades de riesgo y modificar su riesgo de contagio. El resultado es que se expondrían más al virus en comparación a los no vacunados, lo que resultaría en una infraestimación del efecto de la vacuna.
Otra circunstancia que podría darse es que aquellas personas vacunadas acudieran menos al sistema sanitario al presentar un cuadro de leve o asintomático de covid-19, lo que resultaría en una infranotificación de casos leves entre las personas vacunadas.
Esto podría sesgar las comparaciones de casos graves de covid-19 entre personas vacunadas y no vacunadas.
No se puede analizar la efectividad mirando gráficas
El uso de datos hospitalarios para informar de la efectividad vacunal ha sido recurrente desde que se generalizó su administración. El uso exclusivo de este tipo de datos tiene limitaciones importantes.
Una de las ideas clave es que la vacuna no modifica el patrón de riesgo de covid-19 grave. Es decir, que las personas de más edad siguen siendo las que tienen más probabilidad de ingresar por esta patología.
En un contexto de más de un 90 % de población mayor de 40 años con pauta completa, lo esperable es que haya un porcentaje no desdeñable de personas ingresadas con pauta completa ya que, en términos absolutos, hay menos población vulnerable sin vacunar.
En este artículo sobre los datos de Israel sobre hospitalizaciones y vacunas se detallan dos consideraciones básicas a la hora de interpretar los datos:
-
Al presentar riesgos diferenciales para una forma grave de la enfermedad en función del grupo de edad, las comparaciones deben hacerse entre vacunados y no vacunados de grupos que presenten riesgos similares.
-
Es necesario poner en relación los casos al total de la población vacunada y no vacunada. Ambas poblaciones son dinámicas, y su tamaño varía a medida que la campaña de vacunación avanza.
Esta tabla del artículo resume cómo el cálculo de la efectividad (aunque figure como “efficacy”) varía cuando vamos incorporando estos factores al análisis:
¿Están perdiendo efectividad las vacunas?
En las últimas semanas también han circulado datos sobre la pérdida de protección vacunal con el paso del tiempo, que comparan los primeros grupos vacunados frente a los que han recibido la vacuna más recientemente.
Si pensamos en posibles diferencias entre los grupos de vacunación, las personas de mayor edad fueron las primeras en vacunarse y estas suelen tener una menor respuesta inmunitaria. Por tanto, al generalizar la vacunación sería esperable que pudieran presentar un mayor riesgo de contagio en comparación con grupos más jóvenes vacunados posteriormente.
Además, debemos tener en cuenta que la presentación de esta información influye en su interpretación. Cuando se informa de esta aparente diferencia en el riesgo de contagio en términos relativos, pueden magnificar una diferencia mínima entre grupos que presentan un riesgo de contagio reducido en términos absolutos.
Existen otros posibles sesgos a tener en cuenta, como por ejemplo cómo varía la transmisión en función de la localización geográfica y las posibles diferencias en las poblaciones por territorios. También la variación de la transmisión en función del tiempo para el periodo que queremos analizar.
Incorporar la complejidad sin entrar en parálisis
La obtención de toda la evidencia necesaria a partir de datos obtenidos en condiciones ideales no es factible en términos prácticos, ni a veces deseable desde el punto de vista ético, especialmente en el campo de la salud pública. Este hecho tampoco puede llevar a la inoperancia y la parálisis.
Por ello es necesario combinar información de diferentes tipos de estudios para poder tomar decisiones lo más informadas posibles. Sin embargo, la urgencia por comprender la realidad no puede suponer ignorar la existencia de sesgos y factores que complican la interpretación de los datos del mundo real.
No se debe sustituir la rigurosidad por análisis rápidos basados en capturas de pantalla de gráficas que no vienen acompañadas de la información sobre la metodología que ha permitido obtenerlas, como ha sucedido en las últimas semanas en Israel.
Es necesario abrazar la complejidad para avanzar conociendo el suelo que vamos pisando.
Mario Fontán Vela, Doctorando en Epidemiología y Salud Pública, Universidad de Alcalá y Pedro Gullón Tosio, Profesor ayudante doctor en salud pública, Universidad de Alcalá
Este artículo fue publicado originalmente en The Conversation. Lea el original.