Las matemáticas no opinan
Cómo los números separan los hechos médicos de nuestras intuiciones y demuestran el valor de las vacunas
Hay cuestiones sobre las que podemos discutir durante horas.
Podemos debatir si El padrino es mejor que El padrino. Parte II, si la tortilla de patatas debe llevar cebolla o si el vecino necesita realmente un taladro percutor los domingos a las ocho de la mañana.
Pero hay terrenos en los que la opinión tiene poco recorrido.
Dos más dos son cuatro.
Un número primo solo es divisible exactamente por uno y por sí mismo.
El número π expresa la relación entre la longitud de una circunferencia y su diámetro, aunque dibujemos la circunferencia en Madrid, en Marte o en un planeta situado al otro lado de la galaxia.
Si existiera una civilización extraterrestre inteligente, seguramente utilizaría símbolos diferentes. Tal vez no escribiría “2”, “4” o “π”. Pero, si desarrollara una matemática equivalente, descubriría las mismas relaciones.
Los símbolos son convenciones humanas.
Las relaciones matemáticas que representan no dependen de nuestras modas, nuestras ideologías ni nuestros gobiernos.
Esta universalidad ha alimentado durante siglos una pregunta filosófica fascinante: ¿inventamos las matemáticas o las descubrimos?
Los realistas matemáticos consideran que las entidades matemáticas existen independientemente de nosotros.
Otras corrientes entienden las matemáticas como sistemas formales creados a partir de axiomas, definiciones y reglas lógicas.
No hay una respuesta filosófica definitiva.
Lo que sí resulta difícil discutir es su extraordinaria capacidad para describir la realidad y servir de herramienta a las ciencias naturales.
La física, la química, la ingeniería, la informática, la epidemiología y buena parte de la medicina moderna serían impensables sin matemáticas.
Ahora bien, conviene introducir desde el principio un matiz importante.
Las matemáticas pueden ser exactas.
La medicina, no.
Una ecuación puede ser infalible dentro del sistema formal en el que ha sido construida. Un paciente, por desgracia, no suele haber leído el manual.
Matemáticas puras y ciencias experimentales
Las matemáticas son una ciencia formal.
Parten de axiomas, definiciones y reglas de inferencia.
Si aceptamos los axiomas y seguimos correctamente las reglas, una demostración matemática establece necesariamente su conclusión.
En medicina trabajamos de otra manera.
No partimos únicamente de axiomas.
Observamos personas, enfermedades, microorganismos, tratamientos y resultados.
Realizamos experimentos, recogemos datos y tratamos de distinguir qué parte de lo observado se debe a una intervención, qué parte al azar y qué parte a otros factores que no habíamos previsto.
La medicina es una ciencia empírica.
No suele proporcionar certezas absolutas del tipo:
“Este tratamiento funcionará siempre en todas las personas”.
Lo habitual es que formule conclusiones como:
“En una población de determinadas características, este tratamiento reduce la probabilidad de sufrir este desenlace en cierta proporción, con este margen de incertidumbre y durante este periodo”.
Parece menos rotundo.
También es mucho más honrado.
Las matemáticas no convierten la medicina en geometría.
No eliminan la variabilidad biológica, los errores de medición, los sesgos ni los factores desconocidos.
Lo que hacen es permitirnos medir la incertidumbre, detectar patrones y comprobar si una diferencia observada es compatible con un efecto real o puede explicarse razonablemente por el azar.
La medicina sin matemáticas sería una colección de anécdotas con bata blanca.
La experiencia personal no es una estadística
Nuestra mente funciona especialmente bien contando historias.
Recordamos al paciente que tomó un remedio y mejoró.
Al vecino que fumó hasta los noventa años.
Al niño que tuvo fiebre el día siguiente a vacunarse.
A la persona que pasó la COVID sin apenas síntomas y concluyó que todo aquello fue una exageración.
Estas experiencias pueden ser completamente ciertas.
Pero no permiten establecer una regla general.
Que una persona mejore después de tomar un producto no demuestra que haya mejorado gracias a él.
Podría haberse recuperado espontáneamente.
Podría haber recibido simultáneamente otro tratamiento.
Podría haber sido diagnosticada incorrectamente.
Podría haber experimentado una fluctuación natural de los síntomas.
También podría haber mejorado realmente gracias al producto.
Para distinguir unas posibilidades de otras necesitamos comparación.
Cuando afirmamos que una intervención funciona, estamos comparando dos escenarios:
-
lo que ocurre cuando se aplica;
-
lo que habría ocurrido sin aplicarla.
El segundo escenario presenta un inconveniente bastante molesto: no podemos observar simultáneamente ambos mundos en la misma persona.
No podemos vacunar y no vacunar al mismo individuo al mismo tiempo, exponerlo al mismo virus en las mismas condiciones y comprobar las dos consecuencias.
Por eso recurrimos a grupos de personas y a la estadística.
Cómo se construye una evidencia médica
De una sospecha a un ensayo clínico
Antes de administrar una vacuna de manera generalizada, debe atravesar varias etapas de investigación.
En la fase preclínica se estudia en el laboratorio y, cuando corresponde, en modelos animales.
Se analiza su capacidad para inducir una respuesta inmunitaria y se buscan problemas de toxicidad.
Los primeros estudios en humanos suelen centrarse principalmente en la seguridad, la tolerabilidad y la dosis.
En fases posteriores aumenta el número de participantes y se estudian más detalladamente la respuesta inmunitaria y los efectos adversos.
Finalmente, los ensayos de fase III comparan la vacuna con un placebo o con otra intervención en miles o decenas de miles de participantes.
Su objetivo es medir la eficacia y obtener una estimación más precisa de la seguridad.
Esta clasificación por fases es útil, aunque no siempre constituye una sucesión rígida.
Algunas fases pueden solaparse, especialmente durante una emergencia sanitaria, sin que ello implique eliminar los requisitos fundamentales de evaluación.
Lo importante no es que transcurran muchos años por obligación litúrgica.
Lo importante es que se respondan adecuadamente las preguntas sobre calidad, dosis, respuesta inmunitaria, eficacia y seguridad.
La aleatorización: dejar que decida el azar
En un ensayo clínico aleatorizado, los participantes se asignan al azar a los grupos que se comparan.
¿Por qué?
Porque las personas que deciden recibir un tratamiento pueden diferenciarse de quienes lo rechazan.
Pueden ser más jóvenes.
Más sanas.
Más cuidadosas.
Tener mejor acceso al sistema sanitario.
O, al contrario, pueden recibirlo precisamente porque presentan más enfermedades y mayor riesgo.
Si comparáramos directamente unos grupos con otros, podríamos atribuir al tratamiento diferencias que en realidad ya existían previamente.
La aleatorización intenta repartir los factores conocidos y desconocidos de manera equilibrada entre los grupos.
No garantiza que los grupos sean idénticos, especialmente si la muestra es pequeña.
Pero reduce considerablemente la posibilidad de que una diferencia sistemática explique los resultados.
El enmascaramiento
Cuando los participantes no saben qué intervención han recibido hablamos de enmascaramiento o cegamiento.
Cuando tampoco lo saben los profesionales que los atienden o valoran los resultados, se reduce todavía más el riesgo de que las expectativas influyan en la comunicación de síntomas, la atención prestada o la interpretación de los desenlaces.
No siempre es posible mantener un doble ciego perfecto.
Algunas intervenciones son fáciles de reconocer y ciertos efectos secundarios pueden hacer sospechar qué producto recibió cada participante.
Pero, cuando es viable, el enmascaramiento mejora la fiabilidad del estudio.
El placebo
El placebo no pretende engañar por deporte a los participantes.
Permite comparar la intervención con un grupo que recibe una experiencia aparentemente similar sin el componente activo estudiado.
Así se controlan mejor las expectativas, el seguimiento médico y otros factores que podrían influir en la percepción y comunicación de los síntomas.
Sin embargo, no siempre es ético utilizar un placebo.
Si existe una intervención eficaz que reduce claramente un riesgo grave, no sería aceptable privar de ella a un grupo únicamente para facilitar el experimento.
En esos casos se compara el nuevo tratamiento con el estándar disponible.
El tamaño muestral
Un ensayo con veinte participantes puede detectar un efecto gigantesco, pero tendrá dificultades para identificar diferencias moderadas o efectos adversos infrecuentes.
Antes de comenzar el estudio se calcula el tamaño muestral necesario según:
-
la frecuencia esperada del desenlace;
-
la magnitud del efecto que se quiere detectar;
-
el nivel de incertidumbre aceptado;
-
la potencia estadística deseada;
-
las pérdidas previsibles durante el seguimiento.
Si la muestra es insuficiente, el estudio puede no detectar un efecto que realmente existe.
Si es enorme, puede encontrar diferencias estadísticamente significativas pero clínicamente insignificantes.
El tamaño importa, pero no sustituye al buen diseño.
Un estudio gigantesco y sesgado sigue siendo un estudio gigantesco y sesgado. Solo produce el error con más decimales.
Publicar bien también importa
Las directrices CONSORT establecen criterios para comunicar de manera transparente los ensayos aleatorizados: cómo se seleccionó a los participantes, cómo se realizó la aleatorización, cuántos abandonaron el estudio, qué desenlaces se midieron y qué resultados y daños se observaron.
La actualización CONSORT 2025 mantiene ese objetivo de hacer que los ensayos puedan evaluarse e interpretarse críticamente.
Un estudio mal comunicado puede ocultar problemas fundamentales.
No basta con que los investigadores digan que hicieron un ensayo excelente. Hay que poder comprobarlo.
Los números fundamentales
Riesgo absoluto
El riesgo absoluto es la probabilidad de que ocurra un desenlace en un grupo durante un periodo concreto.
Supongamos que 100 de cada 10.000 personas no vacunadas desarrollan una enfermedad.
El riesgo absoluto sería del 1%.
Si entre 10.000 vacunados aparecen 20 casos, el riesgo en ese grupo sería del 0,2%.
Riesgo relativo
El riesgo relativo compara ambos riesgos.
En nuestro ejemplo:
0,2% dividido entre 1% equivale a 0,2.
Eso significa que el riesgo del grupo vacunado es una quinta parte del observado en el no vacunado.
Reducción relativa del riesgo
La reducción relativa sería del 80%.
Es una cifra llamativa y útil, pero no cuenta toda la historia.
Reducción absoluta del riesgo
La reducción absoluta sería:
1% menos 0,2% = 0,8 puntos porcentuales.
La reducción relativa informa sobre la proporción en que cambia el riesgo.
La absoluta informa sobre cuántos acontecimientos se evitan realmente en esa población concreta.
Ambas son necesarias.
Presentar solo la reducción relativa puede exagerar la impresión de beneficio cuando el riesgo inicial es muy bajo.
Presentar únicamente la reducción absoluta puede minimizar una intervención muy eficaz en un periodo en el que la enfermedad circula poco.
El glosario de medicina basada en la evidencia de BMJ distingue expresamente riesgo absoluto, reducción absoluta, riesgo relativo y número necesario para tratar, y recuerda que las medidas absolutas dependen del riesgo basal de la población.
BMJ son las siglas de British Medical Journal, una de las revistas médicas científicas más prestigiosas y veteranas del mundo. La publica en Reino Unido el BMJ Group.
Actualmente, la revista se llama oficialmente The BMJ. Publica estudios, revisiones y contenidos sobre medicina basada en la evidencia, salud pública y práctica clínica.
Significa que un mismo tratamiento puede parecer muy eficaz si se expresa con cifras relativas, pero bastante más modesto cuando se dan los números absolutos.
Por ejemplo, si una enfermedad aparece en 2 de cada 1.000 personas sin tratamiento y en 1 de cada 1.000 con tratamiento:
- Riesgo absoluto sin tratamiento: 2 de cada 1.000.
- Riesgo absoluto con tratamiento: 1 de cada 1.000.
- Reducción absoluta del riesgo: 1 caso menos por cada 1.000 personas.
- Reducción relativa del riesgo: 50 %, porque el riesgo se reduce a la mitad.
- Número necesario para tratar (NNT): 1.000. Hay que tratar a 1.000 personas para evitar un caso.
Por eso importa el riesgo basal, es decir, la probabilidad inicial de sufrir la enfermedad. Una reducción relativa del 50 % puede ser muy relevante en una población de alto riesgo y aportar un beneficio muy pequeño en otra de bajo riesgo.
En resumen: el porcentaje relativo impresiona; la cifra absoluta explica lo que realmente ocurre.
Número necesario a vacunar
El número necesario a vacunar es el inverso de la reducción absoluta del riesgo.
En el ejemplo anterior:
1 dividido entre 0,008 = 125.
Habría que vacunar aproximadamente a 125 personas para evitar un caso durante el periodo estudiado.
Este número no es una propiedad fija de la vacuna.
Puede variar según:
-
la intensidad de la transmisión;
-
la duración del seguimiento;
-
la edad;
-
las enfermedades previas;
-
la inmunidad anterior;
-
la variante circulante;
-
el desenlace analizado.
El número necesario para evitar una infección leve será diferente del necesario para evitar una hospitalización o una muerte.
Tampoco significa que solo una de esas 125 personas “haya recibido beneficio” y las demás hayan sido vacunadas inútilmente.
Varias pueden haber reducido su riesgo sin que podamos saber cuál habría enfermado en el mundo alternativo sin vacuna.
Significación estadística y relevancia clínica
La significación estadística intenta valorar si una diferencia observada resulta difícil de explicar únicamente por el azar bajo una determinada hipótesis.
Pero una diferencia estadísticamente significativa no tiene por qué ser importante.
Imaginemos un medicamento que reduce la duración media de un catarro de siete días a seis días y veintitrés horas.
Con millones de participantes, la diferencia podría ser estadísticamente significativa.
Desde el punto de vista clínico, sería bastante menos emocionante que descubrir un yogur olvidado en la nevera.
Por eso debemos valorar:
-
el tamaño del efecto;
-
la precisión de la estimación;
-
la gravedad del desenlace;
-
los posibles daños;
-
la calidad de la evidencia;
-
la importancia para el paciente.
Intervalos de confianza
Una estimación obtenida en un estudio cambiaría ligeramente si repitiéramos la investigación con otras personas.
El intervalo de confianza expresa la incertidumbre alrededor de esa estimación.
Un intervalo estrecho indica mayor precisión.
Uno amplio significa que los datos son compatibles con resultados bastante diferentes.
Si afirmamos que una vacuna reduce el riesgo un 70%, pero el intervalo es compatible con una reducción situada entre el 10% y el 90%, sabemos bastante menos que si el intervalo se encuentra entre el 67% y el 73%.
Los intervalos no eliminan la incertidumbre.
La muestran.
Eso es una virtud, aunque comercialmente quede menos vistoso que prometer certeza cósmica.
De un estudio a una conclusión fiable
Revisiones sistemáticas
Una revisión sistemática intenta localizar todos los estudios relevantes que respondan a una pregunta definida.
Debe explicar:
-
dónde se buscó;
-
qué criterios se utilizaron;
-
qué estudios se incluyeron;
-
cómo se evaluó su calidad;
-
cómo se combinaron los resultados.
Su fortaleza no consiste simplemente en acumular artículos.
Consiste en reducir la selección interesada.
Porque siempre es posible encontrar un estudio aislado que apoye casi cualquier afirmación, especialmente si uno busca con suficiente entusiasmo y muy poca vergüenza metodológica.
Metaanálisis
Un metaanálisis es un estudio que reúne y analiza estadísticamente los resultados de varias investigaciones sobre una misma pregunta.
Por ejemplo, si diez ensayos estudian si un medicamento reduce los infartos, el metaanálisis combina sus datos para obtener una conclusión global más sólida que la de cada ensayo por separado.
Cuando los estudios son suficientemente comparables, un metaanálisis puede combinar matemáticamente sus resultados.
Esto aumenta la precisión y permite explorar por qué aparecen diferencias entre investigaciones.
Eso sí: juntar muchos estudios no convierte automáticamente el resultado en bueno.
Si los estudios incluidos son pequeños, están mal diseñados o son muy diferentes entre sí, el metaanálisis también será poco fiable.
En medicina se resume con una expresión bastante gráfica: si metes basura, obtienes basura.
Sesgo de publicación
Los estudios que obtienen resultados positivos o llamativos tienen más posibilidades de publicarse que aquellos que no encuentran diferencias.
Esto puede dar una imagen exagerada del beneficio de una intervención.
Por eso es importante registrar previamente los ensayos y sus desenlaces.
Si un investigador mide veinte resultados y publica únicamente los dos favorables, el lector puede creer que la intervención acertó de pleno cuando quizá solo ganó la lotería estadística.
GRADE: no toda evidencia pesa lo mismo
El sistema GRADE ofrece un marco transparente para valorar la certeza de la evidencia y la fuerza de las recomendaciones.
Considera aspectos como:
-
riesgo de sesgo;
-
inconsistencia;
-
imprecisión;
-
falta de aplicabilidad directa;
-
posible sesgo de publicación.
La evidencia puede clasificarse como de certeza alta, moderada, baja o muy baja.
Además, una recomendación no depende exclusivamente de la eficacia: también incorpora daños, valores de los pacientes, recursos, equidad y viabilidad.
Por eso afirmar que “existe un estudio” aporta poca información.
La pregunta correcta es:
¿Qué diseño tiene?
¿Qué calidad?
¿Con cuántas personas?
¿Mide desenlaces relevantes?
¿Coincide con el resto de la evidencia?
Las vacunas no son un dogma
Una vacuna no es buena simplemente porque se llame vacuna.
Debe evaluarse como cualquier otra intervención médica.
Necesitamos saber:
-
qué enfermedad pretende prevenir;
-
con qué eficacia;
-
frente a qué desenlace;
-
durante cuánto tiempo;
-
en qué población;
-
qué reacciones adversas produce;
-
con qué frecuencia;
-
cuál es el riesgo de la enfermedad;
-
qué alternativas existen.
Una vacuna puede ofrecer un beneficio enorme en niños pequeños, personas mayores o pacientes inmunodeprimidos y un beneficio absoluto mucho menor en otros grupos.
Una recomendación puede ser razonable durante una epidemia intensa y modificarse cuando cambian la transmisión, la inmunidad colectiva o las variantes.
Esto no convierte la vacunación en una opinión.
La convierte en medicina.
Cómo funciona una vacuna
El sistema inmunitario reconoce componentes extraños, activa células especializadas y genera anticuerpos y memoria inmunológica.
Las vacunas presentan un antígeno, una parte del microorganismo, una versión atenuada o inactivada, o las instrucciones para producir temporalmente una proteína antigénica.
El objetivo es preparar la respuesta inmunitaria sin obligar a la persona a sufrir previamente todos los riesgos de la infección natural.
Existen vacunas:
-
vivas atenuadas;
-
inactivadas;
-
de subunidades proteicas;
-
polisacáridas;
-
conjugadas;
-
de toxoides;
-
de vectores virales;
-
de ARN mensajero.
No funcionan todas de la misma manera ni ofrecen idéntica protección.
Algunas producen una inmunidad duradera.
Otras necesitan refuerzos.
Algunas son muy eficaces evitando la infección.
Otras protegen fundamentalmente frente a las complicaciones graves.
Una vacuna que reduce hospitalizaciones y muertes puede ser valiosa aunque no impida todos los contagios.
Los cinturones de seguridad tampoco evitan todos los accidentes.
Por suerte, todavía no se ha creado una asociación que proponga retirarlos porque alguien murió llevándolo puesto.
La historia de las vacunas: enfermedades que dejaron de ser paisaje cotidiano
La viruela: una enfermedad eliminada del planeta
Durante siglos, la viruela provocó epidemias devastadoras, muertes, ceguera y cicatrices permanentes.
En 1796, Edward Jenner utilizó material procedente de una lesión de viruela vacuna para inmunizar al niño James Phipps, basándose en la observación de que quienes habían padecido viruela vacuna (de vacas) parecían estar protegidos frente a la viruela humana.
El procedimiento de Jenner no cumpliría los estándares éticos y metodológicos actuales, pero abrió el camino de la vacunación moderna.
Tras campañas internacionales de vigilancia, vacunación y búsqueda activa de casos, la Organización Mundial de la Salud declaró erradicada la viruela en 1980.
Es la única enfermedad humana que ha sido erradicada mundialmente mediante una intervención sanitaria deliberada.
La erradicación no puede explicarse únicamente por la higiene, la alimentación o el desarrollo económico.
La viruela desapareció también de regiones pobres porque se interrumpió su transmisión mediante vacunación y vigilancia epidemiológica.
Poliomielitis: de las salas de pulmón de acero a la casi erradicación
La poliomielitis puede producir parálisis irreversible y afectar a los músculos respiratorios.
Durante el siglo XX, sus epidemias generaron un enorme temor en numerosos países.
La introducción de las vacunas desarrolladas por Jonas Salk y Albert Sabin cambió radicalmente su epidemiología.
La vacuna inactivada de Salk se administra mediante inyección.
La vacuna oral de Sabin, compuesta por virus atenuados, permitió campañas masivas y contribuyó enormemente a reducir la transmisión.
La poliomielitis salvaje ha sido eliminada de la mayor parte del mundo, aunque la erradicación completa todavía no se ha logrado.
Su historia también enseña que ninguna intervención está libre de complejidades.
La vacuna oral puede, de manera muy infrecuente, originar poliovirus derivados de la vacuna en poblaciones con coberturas insuficientes.
Eso no demuestra que la estrategia fuera inútil.
Demuestra que las políticas deben adaptarse al momento epidemiológico y al tipo de vacuna disponible.
Sarampión: mucho más que unos granitos
El sarampión es una de las enfermedades más contagiosas conocidas.
Puede provocar neumonía, encefalitis, secuelas neurológicas y muerte.
Una sola dosis de vacuna genera respuesta inmunitaria en aproximadamente el 95% de los receptores; una segunda dosis ofrece otra oportunidad de inmunización a quienes no respondieron inicialmente.
La vacunación frente al sarampión ha sido la intervención individual que más ha contribuido al impacto global del Programa Ampliado de Inmunización.
El estudio publicado en The Lancet en 2024 estimó que la vacunación contra el sarampión evitó alrededor de 93,7 millones de muertes entre 1974 y 2024, más del 60% de todas las vidas atribuidas a las vacunas analizadas.
Cuando disminuye la cobertura, el sarampión reaparece.
No porque el virus tenga nostalgia, sino porque encuentra nuevamente suficientes personas susceptibles.
Difteria, tétanos y tosferina
La difteria puede producir una pseudomembrana en la garganta, obstrucción respiratoria, miocarditis y afectación neurológica.
La vacuna no actúa directamente contra la bacteria, sino contra su toxina mediante un toxoide inactivado.
El tétanos también se previene mediante un toxoide.
A diferencia del sarampión, el tétanos no se transmite de persona a persona.
Sus esporas se encuentran en el ambiente.
Por eso la protección colectiva no puede eliminar el riesgo individual: cada persona necesita su propia inmunización.
La tosferina puede resultar especialmente grave en lactantes.
Las vacunas actuales no eliminan completamente la circulación de la bacteria y la protección disminuye con el tiempo, pero reducen la enfermedad y sus complicaciones.
Estas diferencias recuerdan que hablar de “las vacunas” como si fueran un producto único tiene tanto sentido como discutir sobre “los medicamentos” en bloque.
Haemophilus influenzae tipo b
Antes de la vacuna conjugada, Haemophilus influenzae tipo b era una causa importante de meningitis bacteriana, epiglotitis y sepsis infantil.
Las vacunas polisacáridas iniciales eran poco eficaces en lactantes.
La conjugación del polisacárido con una proteína transformó la respuesta inmunitaria y permitió proteger a los niños pequeños.
Es un ejemplo magnífico de cómo inmunología, química y epidemiología pueden resolver un problema que parecía difícil de superar.
Hepatitis B: una vacuna contra el cáncer
La infección crónica por el virus de la hepatitis B puede provocar cirrosis y carcinoma hepatocelular.
La vacunación neonatal reduce la transmisión de madre a hijo, que presenta un alto riesgo de convertirse en infección crónica.
Por este motivo, la vacuna frente a la hepatitis B suele describirse como la primera vacuna contra un cáncer humano: al prevenir una infección oncogénica, disminuye el riesgo posterior de cáncer hepático.
Virus del papiloma humano: prevenir antes de que aparezca el tumor
La infección persistente por determinados tipos de virus del papiloma humano es la causa necesaria de la gran mayoría de los cánceres de cuello uterino y participa también en otros cánceres anogenitales y orofaríngeos.
Las vacunas contra el VPH se administran preferentemente antes del inicio de la exposición al virus.
Los ensayos demostraron una alta eficacia frente a infecciones persistentes y lesiones precancerosas causadas por los tipos incluidos en las vacunas en personas no infectadas previamente.
El efecto máximo sobre la mortalidad por cáncer necesita décadas para observarse, porque transcurre mucho tiempo entre la infección y el desarrollo tumoral.
Eso no es una excusa para desconfiar.
Es la historia natural de la enfermedad.
¿Cuántas vidas han salvado las vacunas?
En 2024, un amplio trabajo publicado en The Lancet modelizó el impacto de cincuenta años del Programa Ampliado de Inmunización.
Incluyó catorce enfermedades, 194 países y territorios y el periodo comprendido entre 1974 y 2024.
La estimación central fue de aproximadamente 154 millones de muertes evitadas.
Unos 146 millones correspondían a menores de cinco años.
Los programas de vacunación habrían contribuido cerca del 40% de la reducción observada en la mortalidad infantil mundial durante ese periodo.
El estudio estimó además miles de millones de años de vida saludable ganados.
Son cifras enormes.
Precisamente por eso debemos explicar cómo se calculan.
Una vida salvada no lleva una etiqueta
Cuando una persona vacunada no muere, no aparece sobre su cabeza un cartel que diga:
“Esta muerte ha sido evitada por la dosis administrada el martes”.
Los investigadores construyen un escenario contrafactual.
Un escenario contrafactual es una situación imaginaria que plantea qué habría ocurrido si las cosas hubieran sido diferentes.
En medicina, por ejemplo: un paciente toma una vacuna y no enferma. El escenario contrafactual sería preguntarnos: ¿qué habría pasado con ese mismo paciente si no se hubiera vacunado?
Como no podemos observar simultáneamente ambas situaciones en la misma persona, se comparan grupos similares: unos reciben la intervención y otros no.
Dicho de manera sencilla: es el escenario del «qué habría pasado si…».
Calculan qué habría ocurrido probablemente si las coberturas vacunales hubieran sido diferentes o si las vacunas no se hubieran introducido.
Para ello utilizan:
-
incidencia histórica;
-
mortalidad;
-
eficacia vacunal;
-
coberturas;
-
estructura de edad;
-
dinámica de transmisión;
-
evolución demográfica;
-
inmunidad;
-
tendencias sanitarias.
Después comparan el escenario simulado sin vacunación con los acontecimientos observados.
El resultado no es un recuento exacto.
Es una estimación con márgenes de incertidumbre.
Pero que exista incertidumbre no significa que no sepamos nada.
No podemos precisar cuántos granos de arena contiene una playa, pero eso no permite sostener seriamente que solo hay diecisiete.
El agua potable y las vacunas
Se repite con frecuencia que las vacunas son la intervención sanitaria que más vidas ha salvado después del agua potable.
La frase tiene fuerza divulgativa, pero conviene tratarla con cautela.
No existe una clasificación universal que permita ordenar con exactitud agua potable, saneamiento, antibióticos, vacunas, nutrición, atención obstétrica y mejoras socioeconómicas.
Sus efectos se solapan y dependen del periodo y del lugar analizados.
No es necesario fabricar un podio.
La evidencia permite afirmar que el agua segura, el saneamiento y la vacunación se encuentran entre las intervenciones de salud pública más importantes de la historia.
Con 154 millones de muertes evitadas estimadas en medio siglo, las vacunas no necesitan que les regalemos una medalla retórica.
COVID-19: ciencia en directo y bajo una lupa gigantesca
La pandemia de COVID-19 reunió prácticamente todas las dificultades posibles:
-
un virus nuevo;
-
escasa inmunidad inicial;
-
transmisión respiratoria;
-
enorme movilidad internacional;
-
sistemas sanitarios saturados;
-
variantes sucesivas;
-
inmunidad cambiante;
-
información científica producida a gran velocidad;
-
desinformación circulando todavía más deprisa.
La población pudo contemplar el proceso científico casi en directo.
Eso tuvo ventajas.
También permitió ver sus costuras.
Los resultados preliminares, los debates entre expertos y las modificaciones de recomendaciones, que normalmente se desarrollan durante años en círculos especializados, aparecían cada mañana en televisión.
Muchas personas interpretaron los cambios como prueba de incompetencia o engaño.
Pero modificar una conclusión cuando cambian los datos no es una traición al método científico.
Es el método científico.
Los ensayos iniciales
El ensayo pivotal de la vacuna BNT162b2 de Pfizer y BioNTech aleatorizó a 43.548 participantes.
En el análisis principal se produjeron 8 casos de COVID-19 en el grupo vacunado y 162 en el grupo placebo a partir de siete días después de la segunda dosis.
La eficacia estimada frente a la COVID sintomática fue del 95%, con un intervalo creíble del 90,3% al 97,6%.
El ensayo de la vacuna mRNA-1273 de Moderna, con más de 30.000 participantes, estimó una eficacia del 94,1% frente a la enfermedad sintomática durante el periodo inicial de observación.
Estos resultados no demostraban que:
-
la protección fuera permanente;
-
se evitaran todas las infecciones;
-
la transmisión desapareciera;
-
las futuras variantes fueran igualmente sensibles;
-
no pudiera existir ningún efecto adverso muy raro.
Demostraban algo concreto:
En aquellas condiciones, durante aquel periodo y frente a las variantes circulantes, los vacunados desarrollaron mucha menos COVID sintomática que los participantes que recibieron placebo.
La ampliación del seguimiento de BNT162b2 mostró una eficacia aproximada del 91,3% hasta seis meses, con un descenso gradual.
La ciencia no cambió retroactivamente el resultado inicial.
Amplió el periodo observado.
De la cepa original a alfa y delta
Las vacunas iniciales se diseñaron frente al virus identificado en 2020.
La variante alfa mostró mayor transmisibilidad, pero las vacunas mantuvieron una protección sustancial.
Con delta se observó cierta reducción, especialmente después de una sola dosis.
Tras dos dosis, la efectividad frente a enfermedad sintomática continuó siendo elevada, aunque algo inferior a la observada frente a alfa.
Los estudios del mundo real mostraron además que la protección frente a la infección disminuía con el tiempo, mientras que la protección frente a hospitalización y muerte era más duradera.
Ómicron cambió nuevamente el escenario
Ómicron acumulaba numerosas mutaciones y presentaba un escape inmunitario considerable.
Las dos dosis originales ofrecieron una protección mucho menor frente a la enfermedad sintomática por ómicron que frente a delta.
Una dosis de refuerzo recuperaba parte de esa protección, aunque también disminuía con el tiempo.
Sin embargo, la protección frente a hospitalización y muerte siguió siendo mayor que la protección frente a la infección leve, especialmente tras dosis de refuerzo y entre personas con inmunidad híbrida por vacunación e infección previa.
Esto explica buena parte de la confusión pública.
Al principio se comunicaron cifras de eficacia muy elevadas frente a enfermedad sintomática.
Después aparecieron variantes capaces de infectar a muchas personas vacunadas.
Algunos interpretaron que las vacunas habían dejado de funcionar.
Pero el desenlace había cambiado.
Una vacuna puede mostrar:
-
escasa protección frente a cualquier infección;
-
protección moderada frente a síntomas;
-
protección mayor frente a hospitalización;
-
protección todavía importante frente a muerte.
No hay una única cifra llamada “eficacia de la vacuna”.
Hay una eficacia para cada desenlace, variante, población y momento.
La inmunidad disminuye
La respuesta inmunitaria no permanece necesariamente constante.
Los niveles de anticuerpos descienden con el tiempo.
Eso no implica que desaparezca toda la memoria inmunitaria, pero puede facilitar las infecciones, especialmente en mucosas respiratorias.
Además, el envejecimiento y la inmunosupresión reducen la intensidad y duración de la respuesta.
Por eso las dosis de refuerzo pueden ofrecer un beneficio considerable en personas mayores y vulnerables y uno absoluto mucho menor en jóvenes sanos con inmunidad previa.
Una política racional no debe limitarse a preguntar si un refuerzo aumenta los anticuerpos.
Debe preguntar cuánto reduce hospitalizaciones y muertes en cada grupo y durante cuánto tiempo.
¿Cuántas vidas salvaron las vacunas frente a la COVID?
Un estudio publicado en The Lancet Infectious Diseases estimó el impacto de la vacunación durante su primer año.
Utilizando las muertes oficiales notificadas, calculó unos 14,4 millones de fallecimientos evitados.
Al utilizar el exceso de mortalidad como indicador, la estimación ascendió a 19,8 millones.
Estas cifras proceden de modelos matemáticos, no de observaciones directas.
Los modelos incorporaron:
-
coberturas vacunales;
-
eficacia frente a infección y muerte;
-
transmisión;
-
variantes;
-
mortalidad;
-
inmunidad;
-
estructura demográfica.
El exceso de mortalidad intenta comparar el número total de muertes observado con el que habría sido esperable sin la pandemia.
Tiene la ventaja de incluir muertes no diagnosticadas y efectos indirectos.
También puede incorporar fallecimientos derivados de interrupciones asistenciales, crisis económicas, retrasos diagnósticos u otros factores.
Por eso no equivale exactamente a “muertes causadas directamente por el virus”.
Los modelos deben interpretarse, no venerarse.
Pero descartarlos por contener supuestos sería absurdo.
Todos los análisis sobre acontecimientos que no pueden observarse directamente necesitan supuestos.
En la Región Europea de la OMS, una investigación publicada en The Lancet Respiratory Medicine estimó que la vacunación redujo al menos un 59% las muertes relacionadas con COVID entre diciembre de 2020 y marzo de 2023 y evitó alrededor de 1,6 millones de fallecimientos, principalmente entre mayores de sesenta años.
Farmacovigilancia: la investigación no termina con la autorización
Los ensayos clínicos pueden incluir decenas de miles de personas.
Eso permite detectar efectos adversos relativamente frecuentes.
Pero si un problema aparece una vez por cada cien mil o un millón de dosis, es posible que no se observe durante el ensayo.
Después de la autorización comienza una etapa imprescindible:
La vigilancia en millones de personas.
Acontecimiento adverso no significa reacción adversa
Un acontecimiento adverso posterior a la vacunación es cualquier problema de salud que ocurre después de recibirla.
Puede estar causado por la vacuna.
Puede coincidir temporalmente.
Puede relacionarse con una enfermedad previa.
Puede deberse a un error de administración.
Puede incluso ser consecuencia de la ansiedad asociada al procedimiento.
Una reacción adversa implica que existe al menos una sospecha razonable de relación causal con el producto.
La diferencia parece semántica, pero es fundamental.
Si una persona sufre un infarto dos días después de vacunarse, el acontecimiento debe estudiarse.
Pero la secuencia temporal no demuestra causalidad.
Cuando vacunamos a millones de personas, inevitablemente se producirán infartos, ictus, abortos, diagnósticos de cáncer y fallecimientos durante los días siguientes.
Habrían ocurrido algunos de ellos aunque se hubiera administrado agua con azúcar.
La pregunta no es:
“¿Ocurrió después?”
La pregunta es:
“¿Ocurrió con mayor frecuencia de la esperada?”
Vigilancia pasiva
Los sistemas de notificación espontánea permiten que profesionales, fabricantes o ciudadanos comuniquen sospechas de acontecimientos adversos.
Son muy útiles como sistema de alerta temprana.
Pueden detectar agrupaciones inesperadas de síntomas.
Pero tienen limitaciones:
-
infranotificación;
-
notificación estimulada por noticias;
-
información incompleta;
-
duplicados;
-
ausencia de un grupo comparador;
-
imposibilidad de calcular directamente la incidencia;
-
falta de confirmación causal.
El sistema estadounidense VAERS (**), por ejemplo, acepta informes independientemente de que se considere probable que la vacuna causara el problema.
Sus registros son sospechas que deben investigarse, no una lista de daños demostrados.
Sumar todas las notificaciones y presentarlas como muertes causadas por las vacunas es metodológicamente indefendible.
Sería como sumar todas las llamadas recibidas por un hospital y concluir que todas terminaron en diagnóstico confirmado.
**VAERS significa Vaccine Adverse Event Reporting System, que puede traducirse como Sistema de Notificación de Acontecimientos Adversos relacionados temporalmente con las Vacunas.
Es el sistema estadounidense de vigilancia gestionado conjuntamente por los CDC y la FDA. Recoge notificaciones de problemas médicos ocurridos después de una vacunación.
La precisión importante: que un caso aparezca en VAERS no demuestra que la vacuna lo haya causado. El sistema sirve para detectar posibles señales de seguridad que luego deben estudiarse mediante investigaciones más rigurosas. Registra coincidencias temporales; no establece por sí solo causalidad.
Vigilancia activa
La vigilancia activa utiliza historias clínicas, bases de datos sanitarias y poblaciones definidas para comparar la frecuencia de determinados acontecimientos entre vacunados y no vacunados o entre distintos periodos.
El Vaccine Safety Datalink estadounidense vincula información de grandes organizaciones sanitarias y permite estudiar acontecimientos raros y graves en poblaciones con denominadores conocidos.
Aquí sí podemos calcular tasas.
Podemos comparar, por ejemplo:
-
casos por cada cien mil vacunados;
-
casos esperados según la incidencia histórica;
-
diferencias por edad;
-
diferencias por sexo;
-
diferencias según la dosis;
-
intervalos temporales de riesgo.
Una señal no es una sentencia
Cuando aparece una frecuencia inesperada de un acontecimiento hablamos de una señal de seguridad.
La señal debe evaluarse.
Se revisa:
-
la secuencia temporal;
-
la plausibilidad biológica;
-
la existencia de explicaciones alternativas;
-
la relación con la dosis;
-
la consistencia entre países;
-
el exceso sobre la frecuencia basal;
-
la calidad diagnóstica;
-
los resultados de estudios controlados.
La OMS dispone de procedimientos específicos para la evaluación causal de acontecimientos adversos posteriores a la inmunización.
Una señal puede confirmarse.
Puede descartarse.
O puede permanecer incierta.
La incertidumbre no debe ocultarse, pero tampoco rellenarse con imaginación.
Los principales riesgos identificados con las vacunas contra la COVID
Miocarditis y pericarditis
Las vacunas de ARN mensajero se asociaron a casos muy infrecuentes de miocarditis y pericarditis.
El riesgo fue mayor:
-
en varones jóvenes;
-
después de la segunda dosis;
-
durante los días inmediatamente posteriores;
-
con algunas diferencias según el producto y el intervalo entre dosis.
La Agencia Europea de Medicamentos incorporó la miocarditis y la pericarditis como efectos adversos muy raros de Comirnaty y Spikevax, observados con mayor frecuencia en varones jóvenes y habitualmente dentro de los catorce días posteriores.
Reconocer este riesgo no invalida las vacunas.
Obliga a calcular el balance beneficio-riesgo por edad y sexo, ajustar dosis e intervalos y vigilar cuidadosamente.
También hay que comparar el riesgo posvacunal con las complicaciones cardiacas asociadas a la infección por SARS-CoV-2.
No vale comparar la vacuna con un universo en el que el virus no existe.
Trombosis con trombocitopenia
Las vacunas de vectores adenovirales de AstraZeneca y Janssen se asociaron a un síndrome muy raro de trombosis en localizaciones inusuales acompañado de plaquetas bajas.
La señal fue detectada tras la administración masiva.
Las autoridades modificaron las recomendaciones, limitaron el uso en determinados grupos y actualizaron la información del producto.
Este episodio demuestra dos cosas simultáneamente:
Las vacunas pueden producir efectos adversos graves muy raros.
Y los sistemas de farmacovigilancia pueden detectarlos y actuar.
La ciencia no gana credibilidad fingiendo que no existen riesgos.
La gana encontrándolos.
Beneficio y riesgo no son iguales para todos
Imaginemos una vacuna que causa un efecto adverso grave en una de cada cien mil dosis.
En una persona de ochenta años, durante una ola con elevada mortalidad, el beneficio de evitar hospitalización o muerte puede superar ampliamente ese riesgo.
En un adolescente sano, con inmunidad previa y una incidencia baja, el beneficio absoluto puede ser mucho menor.
Eso no significa necesariamente que la vacuna sea peligrosa para el adolescente.
Significa que el balance puede ser más estrecho.
Las recomendaciones deben tener en cuenta:
-
edad;
-
sexo;
-
comorbilidad;
-
infección previa;
-
circulación del virus;
-
tipo de vacuna;
-
dosis anteriores;
-
desenlace que se desea prevenir.
La medicina personalizada no consiste únicamente en secuenciar genes.
También consiste en no tratar a toda la población como si fueran clones estadísticos.
Cómo se manipulan las estadísticas
Utilizar porcentajes sin denominadores
“Los casos aumentaron un 100%”.
Puede significar que pasaron de uno a dos.
El porcentaje es correcto.
La impresión que produce puede ser completamente engañosa.
Mostrar solo el riesgo relativo
Decir que una intervención reduce un riesgo a la mitad suena espectacular.
Pero si el riesgo pasa de dos por millón a uno por millón, la reducción absoluta es de un caso por millón.
Puede seguir siendo relevante, pero el lector necesita ambos datos.
Comparar grupos de edades diferentes
Durante la vacunación masiva contra la COVID, las personas mayores presentaban coberturas mucho más elevadas y, al mismo tiempo, un riesgo basal de muerte muchísimo mayor.
Podía haber más fallecidos vacunados en números absolutos simplemente porque casi todos los ancianos estaban vacunados.
Para evaluar la eficacia había que comparar tasas dentro de grupos similares de edad, no sumar personas como quien cuenta garbanzos.
Ignorar el tiempo transcurrido
Comparar a personas recién vacunadas con otras cuya última dosis fue administrada un año antes mezcla situaciones diferentes.
También es necesario considerar el periodo inmediatamente posterior a la vacunación, cuando todavía no se ha desarrollado plenamente la respuesta inmunitaria.
Elegir el periodo que conviene
Si seleccionamos cuidadosamente el día inicial y el final de una gráfica, podemos fabricar tendencias muy convincentes.
La estadística permite analizar datos.
El ilusionismo estadístico permite elegirlos.
Confundir mortalidad y letalidad
La mortalidad expresa las muertes en una población.
La letalidad indica la proporción de personas diagnosticadas con una enfermedad que fallecen.
Si disminuye el diagnóstico de casos leves, la letalidad aparente puede aumentar aunque la mortalidad real no cambie.
Correlación no es causalidad
Si aumenta la vacunación y simultáneamente aumentan determinados diagnósticos, no podemos concluir automáticamente que una cosa causó la otra.
Puede existir:
-
envejecimiento poblacional;
-
mejor detección;
-
cambios asistenciales;
-
mayor supervivencia;
-
una tercera variable;
-
simple coincidencia temporal.
La causalidad requiere mucho más que dos líneas que suben juntas en un gráfico.
Los límites de los modelos matemáticos
Un modelo es una representación simplificada de la realidad.
Puede ser extraordinariamente útil.
También puede equivocarse.
Sus resultados dependen de:
-
los datos introducidos;
-
los supuestos;
-
las variables consideradas;
-
las relaciones elegidas;
-
la estabilidad del comportamiento humano;
-
la capacidad del patógeno para cambiar.
Durante una epidemia, un modelo puede estimar hospitalizaciones futuras según diferentes escenarios de transmisión o vacunación.
No pretende adivinar el futuro con certeza.
Pretende responder:
“¿Qué ocurriría probablemente si se cumplen estas condiciones?”
Cuando las personas cambian su comportamiento, aparecen tratamientos, varía la inmunidad o surge una nueva variante, las predicciones deben actualizarse.
Decir que un modelo fracasó porque no acertó exactamente el número de casos es como criticar una previsión meteorológica porque llovió dos kilómetros más al este.
Hay modelos malos.
Hay predicciones excesivamente seguras.
Y hay decisiones políticas que seleccionan el escenario que más les conviene.
Por eso debemos examinar:
-
quién construyó el modelo;
-
qué datos utilizó;
-
qué supuestos adoptó;
-
qué incertidumbre comunicó;
-
si realizó análisis de sensibilidad;
-
si sus predicciones se contrastaron después.
Las matemáticas no convierten un supuesto discutible en una verdad universal.
Solo muestran sus consecuencias con gran disciplina.
La ciencia debe ser cuestionada
Decir que “la ciencia es incuestionable” sería un error.
La ciencia debe ser cuestionada constantemente.
Pero hay maneras serias y maneras bastante pintorescas de hacerlo.
Cuestionar científicamente consiste en:
-
revisar la metodología;
-
examinar los datos;
-
señalar sesgos;
-
reproducir resultados;
-
proponer hipótesis alternativas;
-
publicar pruebas mejores.
No consiste en afirmar que todos los investigadores están comprados y enlazar un vídeo de un señor que vende suplementos desde un garaje.
La autoridad científica no procede de una bata, un cargo ni una cuenta con muchos seguidores.
Procede de la calidad de la evidencia.
Y esa evidencia siempre está abierta a revisión.
Las vacunas no necesitan fe
Las vacunas no funcionan porque creamos en ellas.
Tampoco dejan de funcionar porque alguien publique un mensaje furioso en una red social.
Funcionan cuando reducen de manera reproducible:
-
infecciones;
-
enfermedad sintomática;
-
hospitalizaciones;
-
secuelas;
-
muertes.
Y resultan recomendables cuando ese beneficio esperado supera razonablemente los riesgos en la población concreta.
No todas las vacunas son igualmente eficaces.
No todas son necesarias en todas las personas.
No todas mantienen indefinidamente su protección.
No todas bloquean la transmisión.
No todas presentan el mismo perfil de seguridad.
Precisamente por eso se investigan por separado.
Criticar una recomendación concreta puede ser completamente razonable.
Negar en bloque dos siglos de vacunación y cientos de millones de vidas salvadas estimadas requiere algo más que desconfianza.
Requiere ignorar una cantidad verdaderamente industrial de datos.
Conclusión: entre la intuición y los hechos
Nuestra intuición es útil.
Nos permite reaccionar rápidamente, reconocer patrones y tomar decisiones cotidianas.
Pero es una herramienta limitada.
Ve causalidad donde solo hay coincidencia.
Recuerda los casos llamativos y olvida los acontecimientos normales.
Da más importancia a una historia emotiva que a un millón de observaciones silenciosas.
Las matemáticas no eliminan completamente estos errores.
Pero nos obligan a formular mejor las preguntas.
¿Cuántas personas enfermaron?
¿En comparación con quién?
¿Durante cuánto tiempo?
¿Con qué incertidumbre?
¿La diferencia es clínicamente importante?
¿Existen daños?
¿En qué grupos?
¿Los resultados se reproducen?
Las matemáticas no administran vacunas.
No atienden una neumonía.
No consuelan a una familia.
Pero permiten saber si una intervención evita neumonías, hospitalizaciones y funerales.
Los números pueden parecer fríos.
Sin embargo, detrás de cada curva que desciende hay personas que continuaron viviendo.
Niños que no sufrieron meningitis.
Pacientes que no quedaron paralizados.
Mujeres que no desarrollarán un cáncer de cuello uterino.
Ancianos que no ingresaron en una UCI.
Las matemáticas no opinan.
Nosotros sí.
Y precisamente por eso las necesitamos.
En resumen: las matemáticas, las vacunas y por qué los datos importan más que las opiniones
Si tuviera que resumir todo este artículo en una sola frase sería esta:
Las matemáticas no tienen ideología, no tienen opiniones y no entienden de bulos.
Simplemente describen la realidad lo mejor que permiten los datos.
Y esa es precisamente la gran diferencia entre una opinión y la evidencia científica.
Todos tenemos intuiciones.
Todos conocemos a alguien que dice: «A mí me pasó esto» o «Yo conozco a uno que…».
Las anécdotas forman parte de la vida, pero la medicina moderna no puede construirse sobre ellas.
Se construye comparando miles o millones de casos, utilizando herramientas matemáticas para saber si un tratamiento realmente funciona o si simplemente estamos confundiendo una coincidencia con una causa.
Las matemáticas son una ciencia muy especial.
Dos más dos son cuatro aquí, en la Luna o en la galaxia de Andrómeda.
Eso no significa que la medicina sea exacta como una ecuación, porque las personas somos mucho más complejas que los números.
Pero sí significa que disponemos de herramientas extraordinariamente fiables para medir riesgos, beneficios e incertidumbres.
Y aquí aparece una idea importante: la ciencia no promete certezas absolutas; promete acercarse cada vez más a la verdad.
La medicina nunca dice: «Esto funcionará siempre».
Lo que dice es: «Con los datos disponibles, este tratamiento reduce significativamente la probabilidad de enfermar, ingresar o morir».
Parece una diferencia pequeña, pero en realidad es enorme.
La buena ciencia reconoce siempre sus límites.
Eso nos lleva a las vacunas.
Las vacunas no son un acto de fe.
Nadie debería vacunarse porque «lo diga un experto».
Deberíamos hacerlo porque los datos muestran que, cuando se comparan millones de personas vacunadas con millones de personas no vacunadas, aparecen menos enfermedades graves, menos hospitalizaciones y menos fallecimientos.
Y esa comparación no se hace mirando un caso aislado.
Se hace mediante ensayos clínicos, estudios observacionales, revisiones sistemáticas y metaanálisis, herramientas que permiten separar el ruido de la señal.
Durante la pandemia de COVID vimos cómo mucha gente confundía una experiencia personal con una conclusión científica.
«Mi vecino se vacunó y enfermó.»
Perfectamente posible.
Pero la pregunta científica nunca es esa.
La pregunta es: ¿qué ocurrió en millones de personas?
Porque una vacuna nunca prometió impedir todos los contagios.
Igual que un cinturón de seguridad no evita todos los accidentes.
Lo que hace es reducir enormemente las probabilidades de sufrir consecuencias graves.
Otra enseñanza importante que nos dejó la pandemia fue comprobar cómo funciona realmente la ciencia.
Muchos interpretaron los cambios de recomendaciones como una señal de que los científicos no sabían lo que hacían.
En realidad ocurría justo lo contrario.
La ciencia cambia cuando aparecen mejores datos.
Eso no es un defecto.
Es su mayor virtud.
Las primeras vacunas se diseñaron contra el virus original.
Después llegaron alfa, delta, ómicron y otras variantes.
Cambió el virus, cambió la inmunidad de la población y cambiaron las recomendaciones.
Lo raro habría sido que permanecieran exactamente iguales.
También aprendimos algo muy importante sobre la seguridad.
Ningún medicamento ni ninguna vacuna están completamente libres de riesgos.
La diferencia es que esos riesgos se buscan de manera activa.
Existe todo un sistema internacional de farmacovigilancia dedicado exclusivamente a detectar efectos adversos poco frecuentes.
Cuando aparece una señal de alarma, se investiga.
A veces se confirma.
Otras veces se descarta.
Y cuando es necesario, se modifican las recomendaciones.
Eso no demuestra que las vacunas sean inseguras.
Demuestra que el sistema de vigilancia funciona.
También merece la pena mirar hacia atrás.
Hace apenas unas décadas enfermedades como la poliomielitis, la difteria o el sarampión formaban parte de la vida cotidiana.
Miles de niños morían o quedaban con secuelas permanentes.
Hoy muchas personas ni siquiera las conocen porque la vacunación las ha convertido en algo extraordinariamente raro en gran parte del mundo.
El mejor ejemplo sigue siendo la viruela.
Es la única enfermedad humana erradicada completamente gracias a una campaña mundial de vacunación.
No desapareció porque el virus se cansara.
Desapareció porque la ciencia consiguió vencerlo.
Los estudios más recientes calculan que los programas de vacunación han salvado aproximadamente 154 millones de vidas desde 1974.
Son estimaciones matemáticas, no un recuento persona por persona, pero reflejan la enorme magnitud del impacto de las vacunas en la salud mundial.
Y eso nos lleva a la última idea.
Las matemáticas no sustituyen al sentido común.
Lo mejoran.
Nos ayudan a distinguir entre una casualidad y una causa.
Entre una impresión y un hecho.
Entre un titular llamativo y una conclusión bien demostrada.
Vivimos en una época en la que cualquiera puede opinar sobre cualquier asunto. Eso es una magnífica noticia.
Pero las opiniones no pesan todas igual.
Cuando detrás de una afirmación hay millones de datos, cientos de estudios, investigadores independientes y décadas de trabajo científico, ya no estamos hablando simplemente de una opinión.
Estamos hablando de la mejor explicación que la humanidad ha sido capaz de construir hasta este momento.
Y esa es, precisamente, la grandeza de la ciencia.
No exige que creamos en ella.
Solo nos pide una cosa mucho más sencilla y mucho más difícil al mismo tiempo:
Que estemos dispuestos a cambiar de opinión cuando los datos demuestren que estábamos equivocados.
Bibliografía científica y metodológica
Matemáticas, estadística y medicina basada en la evidencia
Stanford Encyclopedia of Philosophy. Philosophy of Mathematics. Revisión académica de las principales corrientes filosóficas sobre la naturaleza de las matemáticas.
BMJ Best Practice. A glossary of evidence-based medicine terms. Definiciones de riesgo absoluto, riesgo relativo, reducción absoluta, número necesario para tratar y número necesario para dañar.
BMJ Best Practice. Understanding statistics: risk. Explicación de las diferencias entre medidas relativas y absolutas y de su dependencia del riesgo basal.
Mann, B. “Absolute risk, relative risk, and number needed to treat”. BMJ, 2011.
GRADE Working Group. Marco metodológico para valorar la certeza de la evidencia y la fuerza de las recomendaciones.
Hopewell, S., et al. “CONSORT 2025 statement: updated guideline for reporting randomised trials”. Publicado simultáneamente en BMJ, JAMA, The Lancet, Nature Medicine y PLOS Medicine, 2025.
Historia e impacto general de las vacunas
Shattock, A. J., et al. “Contribution of vaccination to improved survival and health: modelling 50 years of the Expanded Programme on Immunization”. The Lancet, 2024; 403:2307-2316. Estimación de 154 millones de muertes evitadas entre 1974 y 2024.
World Health Organization. A Brief History of Vaccination. Historia general de la vacunación.
World Health Organization. History of smallpox vaccination. Historia de la vacuna y erradicación mundial de la viruela.
Fenner, F., et al. Smallpox and its Eradication. World Health Organization, 1988. Obra de referencia sobre la historia y erradicación de la viruela.
Centers for Disease Control and Prevention. Epidemiology and Prevention of Vaccine-Preventable Diseases — The Pink Book. Manual de referencia sobre enfermedades inmunoprevenibles.
World Health Organization. Documentos técnicos sobre la vacunación neonatal frente a hepatitis B y prevención de transmisión vertical, cirrosis y cáncer hepático.
International Agency for Research on Cancer. Informes sobre vacunación frente al virus del papiloma humano y prevención del cáncer de cuello uterino.
Vacunas frente a la COVID-19
Polack, F. P., et al. “Safety and Efficacy of the BNT162b2 mRNA Covid-19 Vaccine”. The New England Journal of Medicine, 2020; 383:2603-2615.
Thomas, S. J., et al. “Safety and Efficacy of the BNT162b2 mRNA Covid-19 Vaccine through 6 Months”. The New England Journal of Medicine, 2021.
Baden, L. R., et al. “Efficacy and Safety of the mRNA-1273 SARS-CoV-2 Vaccine”. The New England Journal of Medicine, 2021; 384:403-416.
El Sahly, H. M., et al. “Efficacy of the mRNA-1273 SARS-CoV-2 Vaccine at Completion of Blinded Phase”. The New England Journal of Medicine, 2021.
Graña, C., et al. “Efficacy and safety of COVID-19 vaccines”. Cochrane Database of Systematic Reviews, 2022; CD015477.
Lopez Bernal, J., et al. “Effectiveness of Covid-19 Vaccines against the B.1.617.2 Delta Variant”. The New England Journal of Medicine, 2021.
Andrews, N., et al. “Covid-19 Vaccine Effectiveness against the Omicron Variant”. The New England Journal of Medicine, 2022.
Lin, D. Y., et al. “Effectiveness of Covid-19 Vaccines over a 9-Month Period in North Carolina”. The New England Journal of Medicine, 2022.
Abu-Raddad, L. J., et al. “Effect of mRNA Vaccine Boosters against SARS-CoV-2 Omicron Infection in Qatar”. The New England Journal of Medicine, 2022.
Watson, O. J., et al. “Global impact of the first year of COVID-19 vaccination: a mathematical modelling study”. The Lancet Infectious Diseases, 2022.
Meslé, M. M. I., et al. “Estimated number of lives directly saved by COVID-19 vaccination programmes in the WHO European Region”. The Lancet Respiratory Medicine, 2024.
Farmacovigilancia y seguridad
World Health Organization. Causality assessment of an adverse event following immunization: user manual for the revised WHO classification. Segunda edición actualizada.
World Health Organization. Global Manual on Surveillance of Adverse Events Following Immunization. Guía internacional de vigilancia, investigación y evaluación causal.
European Medicines Agency. Safety of COVID-19 vaccines. Información regulatoria sobre miocarditis, pericarditis, trombosis con trombocitopenia y otras señales de seguridad.
European Medicines Agency, Pharmacovigilance Risk Assessment Committee. Evaluaciones de la señal de miocarditis y pericarditis tras vacunas de ARN mensajero.
Centers for Disease Control and Prevention. Vaccine Adverse Event Reporting System. Descripción, utilidad y limitaciones del sistema de notificación espontánea VAERS.
Centers for Disease Control and Prevention. Vaccine Safety Datalink. Sistema de vigilancia activa y análisis de efectos adversos raros.
(Artículo redactado, según mis indicaciones, por IA y posteriormente corregido y modificado por holasoyramon)
Otros posts relacionados
Chistes y críticas en holasoyramon.com
Crítico de Cine de El Heraldo del Henares
Para poner un comentario:
Hay 3 casillas.
En la superior va tu nombre.
En la segunda, la del medio, pon una dirección de correo electrónico.
La tercera, la de abajo de las tres, puedes dejarla en blanco o poner tu web.
