EL ESTUDIO QUE RESPALDA LA SUPUESTA EFICACIA DE LAS MASCARILLAS EXCLUYE DATOS CLAVE Y RIESGOS

Un estudio publicado en diciembre de 2021 se basa en estadísticas inestables mezcladas con suposiciones absurdas y no tiene en cuenta ninguno de los riesgos letales de las mascarillas.

Con una excepción, todos los estudios estándar de oro sobre máscaras en entornos comunitarios no han logrado encontrar que ralentizan la propagación de enfermedades respiratorias contagiosas. El caso atípico es un estudio ampliamente citado realizado en Bangladesh durante la pandemia de COVID-19, y algunos de sus autores afirman que prueba que los mandatos de mascarillas “o estrategias como repartir mascarillas en iglesias y otros eventos públicos, podrían salvar miles de vidas cada día en todo el mundo. y cientos cada día en los Estados Unidos”.

Sin embargo, en realidad, los autores modificaron su estudio para excluir los datos que podrían probar o refutar esa misma afirmación. Esta es una violación flagrante de la ética de la investigación y sesga el estudio para ocultar los daños de las máscaras, que son mucho más comunes y graves que los que describen los gobiernos y los medios de comunicación.

Diseño del estudio

El estudio de máscaras de Bangladesh, publicado por la revista Science en diciembre de 2021, fue un “ensayo controlado aleatorio por grupos”. En lenguaje sencillo:

- Los ensayos controlados aleatorios (ECA) son estudios en los que las personas se asignan al azar para recibir o no un determinado tratamiento, como usar una máscara. Esto permite que el estudio controle todos los posibles factores de confusión, algo que “no es posible con ningún otro diseño de estudio”. Por lo tanto, las guías de investigación clínica llaman a los ECA el “estándar de oro”.

- Los ECA grupales implican dar “el mismo tratamiento” a las personas que interactúan entre sí, ya sea en hogares, pueblos, lugares de trabajo, etc. Esto es útil para estudios sobre máscaras porque “la prevención de una infección en un individuo puede prevenir una cadena de transmisión posterior” a otros.

En resumen, el diseño básico del estudio fue ideal para determinar si las máscaras funcionan, pero como se mostrará, la ejecución y la interpretación no lo fueron.

Exclusión los datos de muerte

Como lo requiere la ética de la investigación, los autores del estudio de máscaras de Bangladesh publicaron un plan de análisis previo que explica cómo se realizaría su ECA y qué mediría. Los planes de análisis previo son una herramienta para evitar que los investigadores sesgados o deshonestos cambien las metas después de que los resultados comiencen a llegar. Según la revista Epidemiological Reviews:

Al diseñar el protocolo de cualquier ensayo clínico que se lleve a cabo hoy en día, habría un requisito de que los criterios de valoración y las definiciones de casos se establecieran claramente por adelantado. De hecho, las autoridades reguladoras obligan a los investigadores a estos criterios de valoración predeterminados para evitar lo que a veces se denomina “dragado de datos” o buscar aquellos resultados para los que se encontrarían diferencias significativas.

Asimismo, un artículo del Grupo de Investigación para el Desarrollo del Banco Mundial explica que la razón principal de los planes de análisis previo “es evitar muchos de los problemas asociados con la extracción de datos y la búsqueda de especificaciones al establecer de antemano exactamente las especificaciones que se ejecutarán y con qué variables”.

El plan de análisis previo para el estudio de máscaras de Bangladesh establece que medirá “hospitalizaciones y mortalidad”, pero estas medidas están completamente ausentes de los resultados del estudio. Esta es una violación flagrante de la ética de la investigación y oscurece los únicos datos que pueden probar objetivamente si las máscaras salvan o cuestan vidas en la red.

Importancia de los datos de muerte en tales estudios

Para medir con precisión el impacto del enmascaramiento o cualquier otra intervención médica sobre la muerte, uno tiene que medir las muertes reales, no ninguna otra variable. Esto se debe a que medir si las máscaras previenen las infecciones por COVID-19, como lo hace el estudio de Bangladesh, no mide cuántas personas murieron a causa de la COVID-19 ni ninguno de los riesgos letales de las máscaras identificados en las revistas médicas, como:

- eventos cardiopulmonares.
- inhalación elevada de CO2 , que puede afectar las funciones cerebrales de alto nivel y conducir a errores fatales.
- aislamiento social, que puede llevar al abuso de drogas y al suicidio.
- el calor, la humedad y otras molestias de usar una máscara, que pueden causar mayores tasas de error y tiempos de respuesta en situaciones donde la agudeza mental es vital para la seguridad.

Solo los ECA que miden las muertes pueden capturar los efectos netos de todos esos factores. Es por eso que las revistas médicas llaman “mortalidad por todas las causas” en los ECA:

“el resultado más objetivo” (Journal of Critical Care)
“el resultado más relevante” (The Lancet Respiratory Medicine)
“el resultado más significativo” (JAMA Internal Medicine)
“el resultado más importante” (PLoS Medicine)
“el resultado más importante” (Diario de la Asociación Médica Nacional)
“el resultado más importante” (International Journal of Cardiology)
“un punto final duro e importante” (JAMA Internal Medicine)

A diferencia de otros datos que pueden manipularse fácilmente mediante manipulación estadística , la mortalidad por todas las causas en los ECA es directa y sólida. Si un ECA es lo suficientemente grande y se realiza correctamente, un simple recuento de todas las muertes entre las personas que reciben y no reciben un tratamiento demuestra si el tratamiento salva más vidas de las que necesita. Esto se vuelve más complicado para los ECA grupales, pero sigue siendo un proceso claro.

Las excusas para abandonar el plan de estudios

Debido a que los autores principales y finales de un estudio clínico son los principales responsables, Just Facts preguntó a los profesores de economía de Yale Jason Abaluck y Ahmed Mushfiq Mobarak por qué se burlaron de su plan de análisis previo para medir las muertes. Como se documenta en este registro completo del intercambio de correos electrónicos, dieron respuestas contrafácticas y luego no respondieron después de simplemente enrrocarse.

En una parte clave del intercambio, Abaluck afirmó:

La recopilación de datos de mortalidad nos habría requerido volver a visitar cada hogar al final para encuestarlos (solo recolectamos sangre del pequeño subconjunto de hogares sintomáticos durante nuestro período de estudio). Dado el bloqueo nacional que entró en vigencia, otra ronda de revisitas habría sido prohibitivamente costosa y complicada, y priorizamos las otras variables de resultado en las que teníamos muchas más esperanzas de tener un poder estadístico.

Citando directamente el documento de trabajo de los autores , Just Facts preguntó:

Dado que su equipo pudo “recolectar datos de síntomas de seguimiento” del “98 %” de las personas en el estudio, ¿por qué tendrían que “volver a visitar cada hogar en la línea final para encuestarlos”?

Del mismo modo, el documento de trabajo revela que su estudio “encuestó a todos los participantes accesibles sobre los síntomas relacionados con Covid” y luego utilizó los datos para calcular que las máscaras reducen el riesgo de “síntomas similares a los de Covid”.

Durante las mismas encuestas, podrían haber preguntado fácilmente a los participantes si alguien en su hogar había muerto. De hecho, los autores pueden haber hecho eso, porque no responderían estas preguntas:

¿Recopiló datos de mortalidad durante alguna parte del estudio antes de la línea final? Si es así, ¿lo compartirías?

Just Facts hizo dos veces esas sencillas preguntas, pero los autores no respondieron.

Otros problemas con el estudio de Bangladesh

Más allá de excluir los datos de muerte, los autores se involucraron en otras acciones que reflejan mal su integridad. Uno de los peores es promocionar sus hallazgos con mucha más certeza de lo que justifica la evidencia real.

Por ejemplo, algunos de los autores escribieron un artículo de opinión del New York Times declarando que “las máscaras funcionan”, una afirmación socavada por los siguientes hechos de su propio estudio:

- El “resultado principal” de su estudio, un análisis de sangre positivo para anticuerpos COVID-19, encontró que menos del 1% de los participantes contrajeron COVID-19, incluido el 0,68% en aldeas donde las personas fueron presionadas para usar máscaras y el 0,76% en aldeas que no eran. Esta es una diferencia total de 0,08 puntos porcentuales en un estudio de más de 300.000 personas.

- Su artículo establece 4000 palabras antes de revelar los márgenes de error de muestreo en los resultados anteriores, que muestran con un 95 % de confianza que:

· las mascarillas quirúrgicas redujeron el riesgo relativo de contraer la COVID-19 sintomática hasta en un 22 % o no hacerlo en absoluto.

· las máscaras de tela redujeron el riesgo de contraer la COVID-19 sintomática hasta en un 23 % o aumentaron el riesgo hasta en un 8 %.

- “No estadísticamente significativo” es el término común que se usa para describir los resultados de los estudios que no son totalmente positivos o totalmente negativos en todo el margen de error, como los resultados anteriores. Sin embargo, los autores omiten este hecho en su artículo de opinión y lo entierran en su artículo, escribiendo al final de un párrafo no relacionado que no mostró “ningún efecto estadísticamente significativo para las máscaras de tela”.

- Su análisis no cuantifica la incertidumbre causada por el hecho de que evaluaron solo al 3 %, o 10.790, de los 342.126 participantes del estudio. Es posible que esta muestra no refleje el otro 97 % porque:

· El estudio no intentó evaluar a las personas para COVID-19 a menos que el “propietario del teléfono principal del hogar” admitiera que un miembro de su hogar tenía síntomas como fiebre, dolor de garganta, fatiga y dolor de cabeza.

· El 60% de las personas que supuestamente tenían síntomas no se sometieron a una prueba de COVID-19.

- Su análisis asume que las siguientes “intervenciones de promoción de máscaras” no tuvieron efectos sobre la objetividad o la disposición de los participantes para informar con precisión los síntomas:

· Haciéndoles ver “un breve video de figuras públicas notables que discuten por qué, cómo y cuándo usar una máscara”.

· Enviándoles “recordatorios de mensajes de texto dos veces por semana sobre la importancia de usar máscaras”. Pidiéndoles que hagan “un compromiso verbal de ser un hogar que use máscaras”.

· Pidiéndoles “que coloquen letreros en las puertas que declaren que son una familia que usa máscaras”.

· Dar un “incentivo monetario” de 190 dólares estadounidenses al “líder de la aldea” si al menos el 75% de los adultos de la aldea usaban máscaras.

- Al igual que su artículo, su artículo de opinión afirma que “las personas mayores de 50 años se beneficiaron más, especialmente en las comunidades donde distribuimos máscaras quirúrgicas”, pero esto “no sugiere que solo las personas mayores deban usar máscaras, sino que el uso generalizado de máscaras en la comunidad reduce el riesgo de Covid-19, especialmente para las personas mayores”. Sin embargo, su plan de análisis previo para medir los resultados de “cada década” de los rangos de edad no muestra efectos estadísticamente significativos entre las personas de 18 a 29 años, 30 a 39, 40 a 49 y mayores de 70 años. Además, excluyeron este desglose de su artículo y lo relegaron a un suplemento.

- Su artículo se involucra en la práctica deshonesta de dragado de datos al presentar resultados que no estaban incluidos en su plan de análisis previo , como “imputar la seroprevalencia sintomática para las extracciones de sangre faltantes”. Esto les permite transformar resultados estadísticamente insignificantes en significativos. Su análisis utiliza estrategias analíticas complejas como un “modelo lineal generalizado con una familia de Poisson y una función de enlace de registro”, evocando estas advertencias de trabajos académicos:

· “La manipulación de datos implica someter los datos a múltiples técnicas estadísticas hasta que se logra el resultado deseado”.

· “Un principio general del análisis de datos recomienda usar las técnicas estadísticas más apropiadas, pero más simples, en la investigación para que los hallazgos puedan entenderse, interpretarse y comunicarse mejor”.

· La mala práctica estadística generalmente ocurre cuando se combinan técnicas analíticas complejas con grandes conjuntos de datos. … De hecho, como regla general, cuanto mejor sea la ciencia, menor será la necesidad de un análisis complejo….”

Resumen de problemas con el estudio

Según el hallazgo de su estudio de que el “uso de máscaras” era del 13 % en las aldeas que no estaban presionadas para usar máscaras y del 42 % en las que sí lo estaban, los autores extrapolaron sus resultados para afirmar que:

- “Si todos usaran máscaras, las reducciones en los casos de covid-19 probablemente habrían sido sustancialmente mayores”.

- “nuestra mejor estimación es que cada 600 personas que usan máscaras quirúrgicas en áreas públicas evitan un promedio de una muerte por año dadas las tasas de mortalidad recientes en los Estados Unidos”.

Esas afirmaciones se basan en estadísticas inestables mezcladas con suposiciones absurdas y no tienen en cuenta ninguno de los riesgos letales de las mascarillas. Peor aún, el simple hecho de contar las personas que murieron en su estudio podría resolver este problema o, al menos, definir los límites exteriores de los efectos de las máscaras en la muerte. Sin embargo, los autores no recopilaron estos datos fácilmente obtenidos como se especifica en su plan de análisis previo, o los están ocultando.

James D. Agresti
(Fuente: https://www.lifesitenews.com/; visto en https://buscandolaverdad.es/)