La escena lo dice todo. Un niño nacido en octubre va al pediatra en otoño, justo cuando llega la vacuna de la temporada. Uno nacido en junio tiene que hacer una visita aparte, y muchas familias nunca llegan a hacerla. Esa diferencia trivial —el mes del cumpleaños— se convirtió en la clave de uno de los estudios más ingeniosos sobre vacunas publicados este año.
Los médicos e investigadores Christopher M. Worsham y Anupam Jena, de la Facultad de Medicina de Harvard, publicaron este verano un estudio que aprovecha esa asimetría de calendario para medir, temporada por temporada, qué tan eficaz es la vacuna contra la influenza en niños de dos a cinco años. El resultado, en cinco temporadas recientes: por cada 100 niños vacunados gracias al azar de su fecha de nacimiento, hubo entre 9 y 14 casos menos de influenza diagnosticada, según la temporada.
El trasfondo político hace el hallazgo más relevante. A principios de este año, el Departamento de Salud y Servicios Humanos de Estados Unidos (HHS) dejó de recomendar la vacuna anual contra la influenza para todos los niños, convirtiéndola en una decisión de «toma de decisiones clínicas compartida» entre padres y médico. El argumento oficial: escasez de ensayos controlados aleatorizados que prueben la eficacia de la vacuna en niños pequeños. Tras una demanda de organizaciones de salud pública, un tribunal federal bloqueó la medida y dejó en pie la recomendación anterior. El caso sigue abierto. Además, el presidente Donald Trump firmó una orden ejecutiva que instruye al gobierno a tratar una evaluación reciente del HHS como «recurso orientador» y a revisar el calendario de vacunación infantil.
Los autores reconocen que esa evaluación tiene razón en señalar que los estudios observacionales sobre la vacuna contra la influenza padecen sesgos estadísticos conocidos. Quien recibe la vacuna suele ser distinto, en hábitos y acceso médico, de quien no la recibe. Comparar ambos grupos sin más produce resultados contaminados. El ensayo aleatorizado clásico resuelve ese problema asignando el tratamiento por azar puro.
Pero el azar no solo ocurre en un laboratorio. A veces el mundo lo produce por accidente. Los niños con cumpleaños en otoño ven al pediatra justo cuando la vacuna de temporada está disponible; los de verano tienen que hacer una visita adicional que muchas familias posponen indefinidamente. El mes de nacimiento no tiene ninguna relación biológica con el riesgo de contraer influenza, lo que lo convierte en un «instrumento» estadístico casi tan limpio como la asignación aleatoria de un ensayo formal.
En un estudio previo, los mismos autores ya habían mostrado que los niños de dos a cinco años con cumpleaños en otoño tenían más probabilidades de ser vacunados, menos de ser diagnosticados con influenza y menos de contagiar a un familiar que los nacidos en verano. El nuevo trabajo va más lejos: estima la eficacia vacuna temporada por temporada.
La prueba de robustez es elegante. Si los niños de otoño y los de verano son realmente comparables —como lo serían en un ensayo aleatorizado—, no deberían diferir en enfermedades que la vacuna contra la influenza no previene. Los investigadores compararon las tasas de infecciones no relacionadas con la influenza, como virus gastrointestinales y resfriados comunes, y no encontraron diferencia. Eso descarta la hipótesis de que el grupo de otoño simplemente va más al médico o es más cuidadoso con su salud.
Los autores son cuidadosos: los ensayos controlados aleatorizados siguen siendo el estándar más riguroso. Pero son lentos, costosos y, cuando se trata de tratamientos ya establecidos, plantean dilemas éticos: no se puede privar a pacientes de una intervención considerada eficaz solo para volver a demostrarlo. El sistema de salud genera ya enormes cantidades de datos que, en gran medida, permanecen sin analizar.
Para Hemisferio, el debate tiene una dimensión que va más allá de la virología. La pregunta de fondo no es si los ensayos aleatorizados son deseables —lo son— sino qué hacer mientras no existen o no son factibles. Exigir ese estándar para suspender una recomendación establecida, sin ofrecer un plan alternativo de generación de evidencia, no es rigor científico: es parálisis regulatoria con consecuencias reales para niños reales. El estudio de Harvard demuestra que la evidencia robusta puede construirse con los datos que el sistema ya produce, sin gastar un dólar adicional del contribuyente en infraestructura de ensayos. Ignorar esa posibilidad —o usarla como pretexto para desmantelar recomendaciones mientras llega un ensayo que quizás nunca llegue— es el verdadero riesgo de salud pública en juego.
