Señor editor: Se ha reconocido que nuestra capacidad para hacer inferencia causal utilizando datos de vigilancia epidemiológica de Covid-19 está limitada debido al riesgo de sesgos.¹ Sin embargo, se ha hablado poco sobre cómo las preguntas causales implícitas en algunos análisis hechos con este tipo de datos son vagas, lo que dificulta la interpretación de resultados.

Contar con exposiciones bien definidas facilita la inferencia causal. Aunque atractivas, preguntas como ¿cuál es el efecto de la obesidad sobre muerte por Covid-19? son difíciles de responder porque son ambiguas respecto al efecto causal que buscan estimar.² La obesidad y las enfermedades crónicas resultan de una multiplicidad de mecanismos (i.e. dieta poco saludable, inactividad física, genes), condiciones que son en realidad desenlaces o pasos intermedios y no “exposiciones”. Dado que por lo general no conocemos el mecanismo por el cual las personas acumularon grasa corporal (o desarrollaron una enfermedad), nuestra capacidad para hacer inferencia causal y traducir resultados en intervenciones en salud pública es limitada.

En contraste, al asignar la exposición en experimentos aleatorizados, la pregunta causal es naturalmente precisa. Investigadores que realizan estudios observacionales pueden evaluar la vaguedad de sus preguntas causales imaginando el ensayo diana o experimento que hubieran querido hacer (incluso si el ensayo no fuese factible o ético).³ Para la pregunta sobre obesidad y muerte por Covid-19, sería necesario concebir un experimento donde se aleatorizara a personas dentro de obesidad en marzo de 2020, con seguimiento el resto del año para identificar muertes por Covid-19. Sin embargo, aquí aparecen varias dificultades. Primero, es difícil imaginar cómo asignar participantes dentro de obesidad. Alternativamente, tendríamos que pensar en intervenciones (i.e. dieta, actividad física) que afecten adiposidad y, potencialmente, muerte por Covid-19. Segundo, al redefinir la exposición cambiaría la pregunta causal y tendríamos que reconocer que el impacto de una intervención en dieta será distinto al de una en actividad física, aun si ambas afectan adiposidad. Y finalmente, sería importante asegurarnos que la intervención pueda afectar el desenlace en la ventana de tiempo de la pandemia. Entonces, por ejemplo, una pregunta menos vaga sería ¿cuál es el efecto de la obesidad por consumo de una dieta hipercalórica en personas de peso normal sobre muerte por Covid-19 a 12 meses? Como es aparente, esta pregunta no será posible responderla con datos de vigilancia epidemiológica.

¿Podemos responder preguntas útiles con los datos abiertos de Covid-19? Sí, por ejemplo, podemos clasificar personas y determinar su pronóstico (predecir su riesgo de muerte) lo cual es de gran utilidad para decisiones clínicas. Sin embargo, esto no equivale a la identificación de factores de riesgo que deban usarse para hacer recomendaciones de dieta o actividad física a la población para prevenir muerte por Covid-19.

La disponibilidad sin precedentes de datos de la pandemia en México es una gran oportunidad para la generación de información en salud. Sin embargo, para evitar un uso ineficiente de recursos de investigación, previo a cualquier análisis será importante contar con preguntas causales precisas, asegurarse que los datos permitan responderlas y que las estrategias analíticas sean las adecuadas.