MENÚ
“Muchas muertes atribuidas a la COVID-19 las causó en realidad una neumonía secundaria asociada a las intubaciones”. Perfiles en redes sociales (ver ejemplos 1, 2, 3, 4, 5, 6, 7) están usando los resultados de un trabajo científico que se ha compartido en medios para desinformar sobre casos de muertes por COVID-19. Algunas narrativas que comparten son: que la COVID-19 “no existía”, que “las cifras oficiales engañan”, que hubo pacientes a quienes “mató el respirador” o que “hubo protocolos de la muerte para que hubiera pánico en la población”.
Pero estas narrativas son falsas y no tienen que ver con lo que realmente afirma el estudio. Se trata de un trabajo que ha utilizado un algoritmo de aprendizaje automático para determinar la evolución de los pacientes con neumonía asociada a ventilación mecánica (NAV). La conclusión a la que llega es que, en pacientes que desarrollan NAV y en los que además el tratamiento frente a ella no funciona como se espera, existe más riesgo de muerte (sean o no pacientes de COVID-19) que en quienes desarrollan NAV y sí funciona el tratamiento.
En ningún caso dicen que las muertes por COVID-19 eran en realidad por las neumonías derivadas de las intubaciones porque ese no era el objetivo del estudio y, además, ambas cosas no son incompatibles, ya que la intubación puede ser una opción de tratamiento necesaria en casos graves de COVID-19 cuando el paciente no puede respirar por sí mismo. Por último, hay que señalar que se trata de un estudio observacional, pequeño y con limitaciones.
Qué dice el estudio
El trabajo científico, publicado en abril de 2023 y dirigido por investigadores de la Facultad de Medicina de la Northwestern University (Illinois, Estados Unidos), estudia un cuadro clínico muy concreto: la neumonía asociada a ventilación mecánica (NAV o VAP, siglas en inglés o español, respectivamente). Se trata de una neumonía —infección en los pulmones— que puede surgir en pacientes que ya están ingresados en un hospital con una vía aérea artificial, lo que coloquialmente llamamos ‘intubar’ (aquí hablamos sobre la ventilación mecánica, en qué consiste y por qué se usa en algunos casos a pesar de sus riesgos cuando la vida del paciente depende de ello).
¿Cómo está influyendo realmente la NAV en la mortalidad de estos pacientes, tengan COVID-19 u otras enfermedades? Esta incógnita es la que quiere resolver este trabajo. Para ello, los autores llevaron a cabo un estudio observacional de 585 pacientes que necesitaron ventilación mecánica en un hospital de Estados Unidos. Todos ellos tuvieron neumonía y fallos respiratorios, y 190 de ellos presentaban COVID-19.
Los investigadores destacaron —en las conclusiones del estudio y en nota de prensa de su centro— que aquellos pacientes de NAV que no recibían un tratamiento adecuado se asociaba con más riesgo de morir. A su vez, incidían en que los pacientes de COVID-19 requieren más tiempo de ingreso en UCI por fallos respiratorios, lo que les expone a mayor riesgo de desarrollar NAV.
En ningún caso los autores dicen que las muertes por COVID-19 eran “en realidad” una neumonía asociada a las intubaciones. Primero, porque ambos escenarios no son excluyentes: una persona que ingresa en una UCI por COVID-19 puede desarrollar una NAV si requiere de ventilación mecánica. En segundo lugar, porque el objetivo del trabajo no era determinar las causas de muerte de pacientes ingresados. En tercero, porque es un estudio de 585 pacientes de un solo hospital, no es extrapolable a todos los ingresados y fallecidos por COVID-19.
Con esto, lo que vieron los investigadores es que no había una asociación entre NAV y mortalidad en general, pero sí se observó que aquellos que desarrollaron NAV y recibieron un tratamiento que no funcionó, presentaron más mortalidad que quienes tuvieron NAV y cuyo tratamiento sí funcionó.
Un poco de contexto: qué es la neumonía asociada a ventilación (NAV)
Como explica este trabajo de 2010 de diferentes servicios de Medicina Intensiva de España, la NAV es “la causa más frecuente de mortalidad entre las infecciones nosocomiales —adquiridas en el hospital— en las UCI” y existen una serie de patógenos que pueden causarlos, como Streptococcus pneumoniae, Haemophilus influenzae y Pseudomonas aeruginosa.
Influyen también determinadas enfermedades y situaciones clínicas previas, que aumentan el riesgo de desarrollar NAV, como paradas cardiorrespiratorias, enfermedades respiratorias crónicas; y el tiempo que se esté en ventilación mecánica: cuanto más tiempo, más riesgo. A su vez, la propia NAV aumenta el tiempo que estancia en la UCI y en el hospital, lo que expone a todavía más tiempo —y por tanto, más riesgo— de desarrollar NAV.
También hay que añadir que la ventilación mecánica, que aumenta el riesgo de padecer NAV, es un tratamiento al que normalmente se recurre a cuando se intenta suplir la función de los pulmones del paciente, nos explicaba Candelaria de Haro, coordinadora del Grupo de Trabajo de Insuficiencia Respiratoria Aguda de la Sociedad Española de Medicina Intensiva. Es decir, se utiliza cuando una persona, por diferentes circunstancias, “no puede respirar como en ocasiones normales y necesita una ayuda”.
Limitaciones del trabajo: un estudio observacional y en un solo centro
El trabajo cuenta con limitaciones “importantes”, como reconocen hasta los propios autores en su estudio. La primera de ellas es que es un estudio observacional. Esto es importante porque no permite determinar la causalidad: no es posible concluir que la NAV es lo que causa la muerte, solo plantear que hay relación entre ambas cosas.
Relacionado con esto, el trabajo no puede excluir los muchísimos factores de confusión (variables ocultas, no controladas o imposibles de eliminar en un estudio) que pueden ocurrir en una estancia en la UCI como “estrategias de antibióticos y de ventilación, exposición a terapias de inmunomodulación, alteraciones en el microbioma”, que ponen como ejemplo los autores.
Además, la muestra del estudio es limitada, con poco menos de 600 pacientes y de un solo hospital de Estados Unidos, por lo que las conclusiones no se deben aplicar a la población en general o a todas las personas que han muerto por COVID-19, como intentan vincular algunos contenidos desinformadores.
Otra limitación específica de este trabajo es que el algoritmo empleado usa una serie de parámetros limitados para definir el estado de salud de los pacientes, que puede estar dejando fuera otra información que es útil para los profesionales clínicos o para conocer en profundidad el estado de los pacientes. Parte de esta información que se deja fuera viene de que los pacientes, a medida que mejoran su pronóstico en el hospital, se les vigila de manera menos constante y detallada —porque no es necesario o porque los cuidados se centran más en que estén cómodos que en la supervivencia—.
Cómo han usado aprendizaje automático en el estudio
Para analizar de qué manera influía la NAV en la mortalidad, los autores desarrollaron una metodología basada en el aprendizaje automático (machine learning): un algoritmo al que llamaron CarpeDiem. A este algoritmo lo alimentaron de datos clínicos procedentes de sus historiales médicos, de las enfermedades de ingreso, de valores de salud recopilados en revisiones diarias en UCI, del número de días de estancia hospitalaria, de las complicaciones que desarrollaron, de si empeoraba o mejoraba sus posibilidades de supervivencia, etcétera.
Todo esto dio como resultado 12.495 unidades de datos procesables por CarpeDiem, que este se encargó de jerarquizar y agrupar en pacientes que presentaban un estado de salud similar. Este conjunto de datos permitía a los investigadores analizar el impacto que tenía la NAV en la mortalidad de estos pacientes o si existían situaciones clínicas más o menos favorables.
