Las encuestas y encuestas utilizan muestreo aleatorio. ¿Por qué no pruebas de pandemia? Gerville / E + a través de Getty Images

Considere estas dos preguntas: ¿Qué porcentaje de estadounidenses están o han sido infectados con el coronavirus? Y, ¿cuál es la probabilidad de morir por el virus si lo atrapa? Uno de los aspectos más inquietantes de la pandemia de COVID-19 es que estas dos tasas fundamentales, la tasa de infección por coronavirus y la tasa de letalidad, no se conocen.

Como científico político y una matemático aplicado, con frecuencia se nos pide encontrar tasas de creencias u opiniones dentro de grupos más grandes. Los mismos enfoques que utilizamos para las encuestas políticas se pueden usar para responder a qué tan extendido y mortal es el coronavirus.

Dados los recursos infinitos, la forma más sencilla de averiguar cuántos estadounidenses tienen el virus y qué riesgo representa sería evaluar a cada persona en los Estados Unidos. Pero no hay recursos infinitos, y la prueba del coronavirus tiene sido mucho más selectivo. A partir del 8 de abril, las principales prioridades de los CDC para las pruebas son pacientes hospitalizados y personal médico con síntomasy, en general, son las personas sintomáticas las que han sido evaluadas

Debido a estas pruebas selectivas, los epidemiólogos y los funcionarios de salud pública en los EE. UU. Simplemente no conocen el verdadero alcance de la penetración del coronavirus en el país, es decir, la tasa de infección del virus. Y sin saber cuántas personas han sido infectadas, la tasa de letalidad (la probabilidad de morir por el virus si lo atrapa) y muchas otras estadísticas asociadas con el coronavirus son imposibles de calcular. Afortunadamente, hay una manera directa de aprender cuán extenso y mortal es realmente COVID-19: prueba al azar.

Prueba de los enfermos y sintomáticos.

Entonces, ¿por qué no es posible calcular la infección por coronavirus y las tasas de letalidad a partir de millones de pruebas COVID-19 que ya se han realizado ¿en los Estados Unidos? El problema no radica en el número de pruebas, sino en quién ha sido probado.

La prueba de pacientes sintomáticos refleja un error clásico en el muestreo. Los investigadores quieren saber quién tiene coronavirus, pero como la mayoría de los examinados tienen síntomas, los profesionales médicos han tomado muestras de un grupo con tasas de infección más altas de lo que cabría esperar en la población en general. Las personas con síntomas de COVID-19 tienen más probabilidades de tener COVID-19 que una persona elegida al azar.

Las personas que se someten a pruebas voluntarias tienen más probabilidades de enfermarse que una persona elegida al azar. AP Photo / Sue Ogrocki

Las razones de esta prueba selectiva son completamente comprensibles. Cuando la prueba es un recurso escaso, las personas con síntomas de COVID-19 deben hacerse la prueba para que se pueden ofrecer tratamientos adecuados y se puede comenzar el rastreo de contactos. Además, el tiempo y el número de trabajadores de la salud son limitados, y es conveniente evaluar a las personas que se presentan en hospitales y consultorios médicos que solicitan hacerse la prueba. Pero las personas que se presentan en los centros de salud tienen más probabilidades de presentar síntomas y tener COVID-19 en primer lugar.

Las personas examinadas para el coronavirus no son una buena representación de la población estadounidense en general. Por lo tanto, la tasa de infección y la tasa de letalidad en este grupo no representan la población estadounidense más grande.

Las pruebas aleatorias son pruebas representativas

La capacidad de evaluar a toda la población para detectar el coronavirus puede estar muy lejos, pero no es necesario evaluar a todos en los EE. UU. para obtener números precisos. Al probar un número suficientemente grande de personas al azar, es posible obtener un grupo de muestra cuyos datos demográficos son representativos de todo el país. Así es exactamente como se realizan las encuestas y encuestas.

Los funcionarios de salud pública podrían comenzar a elegir al azar a personas de todos los Estados Unidos, analizarlas para detectar la presencia del coronavirus y luego hacer un seguimiento para ver qué fracción de los que dieron positivo para el coronavirus murieron por COVID-19. Si las pruebas aleatorias se realizan correctamente, las tasas de infección y letalidad en la muestra aleatoria deben estar muy cerca de las tasas reales en toda la población de los EE. UU.

The Conversation US, CC BY-ND

Entonces, ¿cuántas personas necesita probar al azar para obtener datos que puedan describir con precisión a todo Estados Unidos? Afortunadamente, las matemáticas detrás de esta pregunta se han resuelto durante mucho tiempo, y el número es probablemente más pequeño de lo que piensas.

Las encuestas de aprobación presidencial a menudo muestra aproximadamente 1,000 personas. Esto produce un margen de error de aproximadamente el 3%, lo que significa que la posibilidad aleatoria podría reducir los resultados hasta en un 3%.

Un margen de error del 3% puede estar bien para estimar la aprobación presidencial, pero probablemente no sea lo suficientemente preciso para la pandemia de coronavirus. Si se realizó la prueba del virus a 10,000 personas en los EE. UU., El margen de error para la tasa de infección del virus se convierte en 1%. En la práctica, estos márgenes de error son conservadores. Los márgenes de error reales de una muestra aleatoria de 10,000 individuos probablemente serán mucho más pequeños y lo suficientemente precisos como para comenzar a brindar a los funcionarios de salud pública información útil sobre el número total de infectados y las tasas de letalidad de aquellos que tienen el coronavirus.

Diez mil pueden parecer grandes, pero a partir del 8 de abril Estados Unidos tiene ya probó a más de 2 millones de personas. La clave está en selección aleatoria. Una muestra de 10,000 estadounidenses es más útil si los que están siendo evaluados son elegidos por lotería.

Con buena información sobre la distribución geográfica y demográfica del virus, la ayuda se puede redirigir a las áreas que más lo necesitan. Foto AP / Elaine Thompson

Por qué son importantes estas estadísticas

Con una muestra aleatoria nacional, los epidemiólogos podrían aprender mucho más que el número total de casos de coronavirus y la tasa de letalidad del virus en los EE. UU. Las personas infectadas pero no enfermas serían examinadas y se podría determinar la tasa de casos asintomáticos. .

Esta muestra también proporcionaría información con respecto a la geografía, el origen étnico y otras variables demográficas. Ya hay algunos datos que muestran ciertos datos demográficos, a saber Los afroamericanos y individuos de bajos ingresos - se ven desproporcionadamente afectados por el virus. Esto sugiere que las tasas de infección de COVID-19 y su tasa de letalidad varían entre las diferentes regiones de los EE. UU. Y entre los diferentes subgrupos de la población del país. El muestreo aleatorio podría iluminar tendencias como estas antes de que se produzca el peor daño, y los funcionarios de salud pública podrían promulgar políticas específicas y matizadas para ayudar a los grupos o regiones de alto riesgo.

Si bien las pruebas aleatorias no han sido parte de la discusión nacional sobre el coronavirus, esto puede estar cambiando. El 4 de abril, la directora del Departamento de Salud de Ohio, Amy Acton, anunció que su estado está trabajando con los CDC para desarrollar un plan de muestreo aleatorio. El objetivo de este proyecto es determinar el verdadero extensión del coronavirus en Ohio sin probar todo el estado.

Los funcionarios de salud pública han utilizado la aleatorización en otros entornos, como el monitoreo de la propagación de fiebre tifoidea en partes de Egipto, y funciona. La matemática detrás del muestreo aleatorio es fundamental para muchas áreas de encuestas y estadísticas. Lo único que deben hacer los funcionarios de salud pública es determinar la ejecución. Ciertamente, las pruebas aleatorias son posibles en los Estados Unidos y proporcionarían información valiosa a los funcionarios de salud pública que están luchando contra la crisis del coronavirus.

Sobre el Autor

Daniel N. Rockmore, William H. Neukom 1964 Profesor Distinguido de Ciencias Computacionales, Decano Asociado para las Ciencias, Dartmouth College, Dartmouth College y Michael Herron, William Clinton Story Remsen '43 Profesor de Gobierno y Presidente, Programa en Ciencias Sociales Cuantitativas, Dartmouth College

Este artículo se republica de La conversación bajo una licencia Creative Commons. Leer el articulo original.

Libros relacionados:

El cuerpo lleva la cuenta: cerebro, mente y cuerpo en la curación del trauma

por Bessel van der Kolk

Este libro explora las conexiones entre el trauma y la salud física y mental, y ofrece ideas y estrategias para la curación y la recuperación.

Haga clic para obtener más información o para ordenar

Aliento: la nueva ciencia de un arte perdido

por James Nestor

Este libro explora la ciencia y la práctica de la respiración, y ofrece ideas y técnicas para mejorar la salud física y mental.

Haga clic para obtener más información o para ordenar

La paradoja de las plantas: los peligros ocultos en los alimentos "saludables" que causan enfermedades y aumento de peso

por Steven R. Gundry

Este libro explora los vínculos entre la dieta, la salud y la enfermedad, y ofrece ideas y estrategias para mejorar la salud y el bienestar en general.

Haga clic para obtener más información o para ordenar

El código de inmunidad: el nuevo paradigma para la salud real y el antienvejecimiento radical

por Joel Greene

Este libro ofrece una nueva perspectiva sobre la salud y la inmunidad, basándose en los principios de la epigenética y ofreciendo conocimientos y estrategias para optimizar la salud y el envejecimiento.

Haga clic para obtener más información o para ordenar

La guía completa para el ayuno: sana tu cuerpo a través del ayuno intermitente, en días alternos y prolongado

por el Dr. Jason Fung y Jimmy Moore

Este libro explora la ciencia y la práctica del ayuno y ofrece ideas y estrategias para mejorar la salud y el bienestar en general.

Haga clic para obtener más información o para ordenar