Natural direct effects of vaccines and post-vaccination behaviour

A continuación se presenta un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Efectos directos naturales de las vacunas y el comportamiento post-vacunación

1. Planteamiento del Problema

El artículo aborda un fenómeno conocido como compensación de riesgo (risk compensation) en el contexto de la vacunación. La hipótesis central es que el conocimiento de la protección que ofrece una vacuna puede modificar el comportamiento de los individuos vacunados, llevándolos a adoptar conductas de mayor riesgo (por ejemplo, aumentar el número de contactos sociales o reducir el uso de mascarillas).

Este cambio conductual puede generar un efecto indirecto negativo: aunque la vacuna tiene un efecto biológico protector, el aumento en la exposición a patógenos debido al comportamiento "más arriesgado" puede reducir la efectividad de la vacuna en el mundo real en comparación con lo observado en ensayos clínicos cegados. El problema principal es que los estudios de efectividad de vacunas tradicionales suelen estimar el efecto total ($\tau_{rw}$), el cual combina el efecto biológico directo y los efectos indirectos a través del comportamiento. Sin embargo, no existe una métrica estándar que cuantifique el efecto de la vacuna "bloqueando" su influencia sobre el comportamiento, lo cual es crucial para la formulación de políticas públicas y para entender el potencial biológico puro de la intervención.

2. Metodología y Marco Teórico

Los autores utilizan un marco de inferencia causal basado en el modelo de resultados potenciales y diagramas causales (DAGs) para definir y analizar estimandos específicos.

• Definición de Variables:

  • $A$: Vacunación (1 = vacunado, 0 = no vacunado).
  • $Y$: Resultado de interés (enfermedad).
  • $B$: Comportamiento relacionado con la infección (mediador, ej. número de contactos).
  • $H$: Comportamiento de búsqueda de atención médica (factor de confusión que afecta a $A$, $B$ y $Y$).
  • $L$: Conjunto de confusores comunes.

• Estimandos Propuestos:

  • Efecto Total Real ($\tau_{rw}$): $E[Y_{a=1} - Y_{a=0}]$. Representa el impacto real donde el comportamiento cambia naturalmente tras la vacunación.
  • Efecto Directo Natural (NDE): Se define como el efecto de la vacunación sobre la enfermedad si se pudiera "desactivar" el camino causal de la vacunación hacia el comportamiento ($A \to B$), permitiendo que el comportamiento varíe naturalmente según otros factores (como el entorno laboral o la edad), pero sin ser influenciado por el estado de vacunación.
    • Fórmula: $NDE = E[Y_{a=1, B_{a=0}} - Y_{a=0, B_{a=0}}]$.
  • Diferencia con Efectos Directos Controlados: A diferencia de los efectos directos controlados (que fijan el comportamiento a un valor específico para toda la población), el NDE permite la variación natural del comportamiento, lo que lo hace más plausible para intervenciones de política pública (ej. campañas para evitar que la vacunación induzca cambios de riesgo, en lugar de forzar un comportamiento uniforme).

• Identificación y Supuestos:
  Para identificar el NDE en estudios observacionales, se requieren supuestos fuertes de independencia condicional, incluyendo una asunción de independencia de mundos cruzados (cross-world independence), que asume que el resultado potencial bajo vacunación y comportamiento no vacunado es independiente del comportamiento potencial bajo vacunación.

  • Se discuten desafíos prácticos como la medición imperfecta de $B$, la confusión por comportamiento de búsqueda de atención médica ($H$) y la interferencia (el estado de vacunación de un individuo afecta el resultado de otros).

• Alternativas ante falta de datos conductuales:
  Se proponen diagramas causales que utilizan resultados alternativos (infecciones por otros patógenos no objetivo, $R$) como variables proxy para inferir cambios en el comportamiento cuando no se dispone de datos directos sobre $B$.

3. Resultados Clave y Ejemplos Numéricos

• Ejemplo Numérico (Tabla 1): Los autores presentan un escenario hipotético donde la vacunación aumenta la probabilidad de comportamiento de riesgo ($Pr(B_{a=1}=1) = 0.70$ vs $Pr(B_{a=0}=1) = 0.30$).

  • El Efecto Total ($\tau_{rw}$) muestra una reducción de riesgo del 32.5% (Efectividad de Vacuna - VE).
  • El Efecto Directo Natural (NDE) muestra una reducción de riesgo del 42.5%.
  • Conclusión del ejemplo: La compensación de riesgo oculta parte del beneficio biológico real de la vacuna. El NDE revela que la vacuna es más efectiva de lo que sugiere el efecto total cuando se aísla el componente conductual.

• Identificación en Estudios Observacionales:
  Se demuestra que la confusión por el comportamiento de búsqueda de atención médica ($H$) es crítica. Si $H$ afecta tanto a la vacunación como al comportamiento y al resultado, debe medirse y ajustarse. Se discuten fuentes de datos (registros médicos, diarios de contacto) para capturar estas variables.

• Interferencia:
  Se introduce la complejidad de la interferencia (efectos de red), donde el estado de vacunación de un grupo afecta el comportamiento y el resultado de otros. Se proponen definiciones de NDE en contextos de interferencia, aunque se señala que la identificación es más compleja y requiere supuestos adicionales o métodos de sensibilidad.

4. Contribuciones Principales

1. Propuesta de un nuevo estimando causal: Introducen el Efecto Directo Natural (NDE) como una métrica relevante para estudios de vacunas, diferenciándolo del efecto total y de los efectos directos controlados.
2. Análisis de la compensación de riesgo: Proporcionan un marco formal para cuantificar cuánto se reduce la efectividad de una vacuna debido a cambios conductuales inducidos por el conocimiento de la vacunación.
3. Guía para el diseño de estudios: Destacan la necesidad imperativa de recolectar datos sobre comportamientos post-vacunación (no solo resultados clínicos) y sobre el comportamiento de búsqueda de atención médica para ajustar confusores.
4. Discusión sobre la validez de ensayos clínicos: Explican por qué los ensayos cegados pueden subestimar o sobreestimar la efectividad en el mundo real, ya que en ellos el comportamiento no cambia debido a la falta de conocimiento del estado de vacunación (ceguera), mientras que en la realidad el comportamiento sí cambia.
5. Métodos para datos faltantes: Ofrecen estrategias teóricas (uso de resultados alternativos y controles negativos) para inferir efectos sobre el comportamiento incluso cuando no se miden directamente.

5. Significado e Implicaciones

El trabajo tiene una relevancia significativa para la epidemiología y la salud pública:

• Política Sanitaria: El NDE ayuda a los responsables políticos a entender el beneficio biológico intrínseco de una vacuna, separado de los riesgos conductuales. Esto puede justificar la inversión en intervenciones complementarias (ej. mensajes de salud pública) diseñadas específicamente para "bloquear" la influencia de la vacunación en el comportamiento de riesgo, sin necesidad de imponer restricciones conductuales uniformes.
• Interpretación de Efectividad: Aclara que una menor efectividad observada en el mundo real no necesariamente indica una falla biológica de la vacuna, sino una interacción compleja entre inmunidad y comportamiento.
• Diseño Futuro: Sugiere que los futuros estudios de vacunas (especialmente en pandemias) deben integrar la recolección de datos conductuales y considerar el NDE como un estimando secundario o primario para una evaluación más completa del impacto de las intervenciones.

En resumen, el artículo argumenta que ignorar la vía conductual en la evaluación de vacunas puede llevar a una comprensión incompleta de su impacto real, y propone herramientas de inferencia causal para desentrañar estos efectos complejos.