Efectividad de la medida objeto de debates técnicos. El bloqueo por resorte no tiene ningún efecto. El diseño del estudio falla en la previsión. (Parte 1)
A partir del 16 de diciembre, los gobiernos federal y estatal impusieron un "bloqueo estricto", que inicialmente se aplicará hasta el 10 de enero. En una serie de tres artículos, las razones científicas se examinan con más detalle. El primer artículo aborda la falta de evidencia científica sobre la efectividad de los bloqueos. El segundo artículo describe el daño colateral causado por los bloqueos que fue ignorado en las declaraciones del gobierno y desde entonces ha sido probado por numerosos estudios. En el tercer artículo, que examina críticamente la cantidad de casos de corona publicados por el Instituto Robert Koch (RKI), se discute hasta qué punto está realmente justificado el temor a la magnitud que transmiten los gobiernos, los medios de comunicación y algunos científicos.
A continuación: Parte 2: El daño colateral ignorado de los encierros Parte 3: Por qué realmente no tenemos que tener miedos extremos
A partir del 16 de diciembre, la vida pública en Alemania volverá a reducirse drásticamente. El comercio minorista, con la excepción de las tiendas para las necesidades diarias, tendrá que cerrar, las escuelas y los jardines de infancia estarán cerrados y se seguirán aplicando estrictas restricciones de contacto. La Academia Nacional de Ciencias Leopoldina recomendó ese "bloqueo estricto" en su séptima declaración ad hoc. Específicamente dice allí:
Los gobiernos no solo han seguido esta recomendación, sino que incluso han ordenado el cierre de comercios a partir del 16 de diciembre, la normativa debería aplicarse hasta el 10 de enero. Esto se justifica por el hecho de que el bloqueo parcial prescrito a principios de noviembre no fue suficiente, ha habido un crecimiento exponencial nuevamente durante unos días, se registran varios cientos de muertes por día, el sistema de salud está sobrecargado y el control solo se puede recuperar mediante un bloqueo estricto se puede lograr la propagación del virus.
Si lees la declaración de Leopoldina como científico y escuchas las explicaciones que se basan en ella en las declaraciones del gobierno, te quedarás muy atónito. Las recomendaciones de una "Academia Nacional de Ciencias" y las acciones de los gobiernos deberían estar realmente comprometidas con los principios de la ciencia y la medicina basada en la evidencia, por un lado. Por otro lado, las recomendaciones y decisiones sobre la prescripción de medidas deben reflejar el discurso científico no solo en lo que respecta a las consecuencias para la salud de un virus específico, sino también en lo que respecta al daño colateral de las medidas.
Desde la perspectiva de tal autoimagen, la séptima declaración ad hoc de la Leopoldina y las acciones de los gobiernos violan los principios de honestidad científica y ética. Como mostraré a continuación, la recomendación de un hard lockdown se justifica en la opinión de Leopoldina en lugar de por medio de estudios científicos mediante estudios de casos seleccionados arbitrariamente - y también malinterpretados - que apoyan la supuesta efectividad de un hard lockdown sin que esta selección sea válida. hecho comprensible o comprensible está científicamente justificado. Esto es aún más problemático ya que no hay evidencia científica sólida que demuestre la efectividad de los bloqueos.
Justificación científicamente cuestionable para el bloqueo estricto
En la declaración (p. 3), la recomendación de un bloqueo total se justifica de la siguiente manera:
La siguiente figura se presenta como un "recibo":
Número de nuevas infecciones por día (por millón de habitantes) en Alemania e Irlanda entre el 1 de marzo y el 6 de diciembre de 2020. Gráfico tomado el 8 de diciembre de Our World in Data / CC-BY-4.0
En lugar de entrar en los estudios científicos existentes sobre la eficacia de los cierres, que incorporan datos de numerosos países (ver más abajo), aquí se hace referencia al ejemplo individual de un solo país. Este enfoque es profundamente acientífico. Por un lado, se pueden encontrar países que muestran un curso similar de propagación del virus como Irlanda (por ejemplo, Suiza) incluso sin un bloqueo estricto; por otro lado, se pueden encontrar países donde no hubo una disminución correspondiente en la propagación del virus a pesar de los bloqueos estrictos. (por ejemplo, Perú). La referencia a ejemplos individuales, que dan la apariencia de la efectividad de los bloqueos, es particularmente problemática porque el estado actual de la investigación no proporciona ninguna indicación clara de efectividad (ver más abajo).
Además, un examen más detenido muestra que incluso el ejemplo elegido de Irlanda es engañoso. La siguiente figura muestra el punto de partida exacto del bloqueo duro en Irlanda, así como el momento más temprano posible del efecto sobre las nuevas infecciones notificadas, que debido al período de incubación y el tiempo de retraso entre el inicio de la enfermedad y el momento de la presentación de informes, como mínimo unos diez días, por lo general incluso más tarde, después del inicio de la Medida, se encuentra:
Gráficos / Fuente: Our World in Data / CC-BY-4.0
Como muestra la figura, si se incluye correctamente el tiempo de retraso entre el momento en que se introduce una medida y el momento en que la medida entra en vigor, no se puede ver ningún efecto de bloqueo total.
Los estudios indican la ineficacia de los bloqueos
A diferencia de Leopoldina en su declaración utilizando el caso de estudio de Irlanda elegido arbitrariamente e interpretado incorrectamente, numerosos y en algunos casos estudios muy completos sugieren ahora que los bloqueos no podrían contener la propagación del virus de una manera relevante. Un análisis de los 50 países con el mayor número de infecciones al 1 de mayo reveló que tanto el número de casos graves de Covid-19 como el número de muertes por Covid-19 se debieron a factores como la obesidad, el tabaquismo y el nivel de ingresos brutos internos. El producto y el número de enfermeras se ha visto afectado, pero no por las medidas adoptadas por los gobiernos. Los autores escriben en la sección de resultados (traducción del autor):
Estos resultados son confirmados por un estudio reciente, en el que la influencia de factores en el área de la demografía, la salud pública, la economía, el medio ambiente y la acción gubernamental en relación a las medidas en los primeros ocho meses de 2020 para países con al menos Se estudiaron diez muertes por Covid -19 (160 países). Se encontró que la esperanza de vida, la salud general de la población, la fortaleza económica y factores ambientales como la temperatura o la ubicación geográfica influyeron en el número de muertes por Covid-19 por cada 100.000 habitantes, pero no en la intensidad de las medidas tomadas. Los autores escriben en el estudio (traducción del autor):
Una de las pruebas empíricas más convincentes sobre la ineficacia de los bloqueos proviene de un estudio publicado como preimpresión que examinó la relación entre la movilidad, medida por los informes de movilidad de Google, y el número de "muertes por Covod-19" para países y regiones con más más de 100 muertes a fines de agosto (medRxiv; N = 87; solo regiones con datos cualitativamente confiables).
En el lado positivo, cabe señalar que, con el fin de sortear los problemas asociados con la modelización matemática de la propagación del virus (ver más abajo), un método analítico de regresión con respecto a las variaciones en las series de tiempo (muertes y movilidad) entre países se utilizó, que no requiere ningún modelo matemático. Los autores resumen los resultados de la siguiente manera (traducción del autor):
Estos resultados también son confirmados por otro estudio publicado como preprint, en el que se examinó el efecto de diversas medidas en Europa tanto con modelos de regresión multinivel como con modelos aditivos generalizados bayesianos. La conclusión de los autores es (traducción del autor):
Una evidencia empírica directa muy convincente de la baja efectividad de medidas incluso drásticas proviene de un estudio publicado en el New England Journal of Medicine, en el que la efectividad de las medidas monitoreadas militarmente para la propagación del virus Sars-CoV-2 entre los reclutas de la Marina de los EE. UU. fue examinado. Para frenar la propagación del virus entre los reclutas, se tomaron las siguientes medidas:
Prescriba una cuarentena domiciliaria dos semanas antes para todos los reclutas antes de su llegada.
Prueba mediante una prueba de PCR a la llegada y aislamiento inmediato de los reclutas positivos a Sars-CoV-2
Catálogo completo de medidas bajo vigilancia militar: la descripción en el artículo dice lo siguiente (traducción del autor): Todos los reclutas llevaban máscaras de tela de dos capas en interiores y exteriores en todo momento, excepto cuando dormían o comían, y mantenían una distancia de al menos en todo momento no salían del campus, tenían acceso a dispositivos electrónicos personales y otros elementos que pudieran contribuir a la transmisión de virus a través de las superficies, y se lavaban las manos con frecuencia. Dormían en habitaciones dobles con lavabos, comían en comedores y baños compartidos. Todos los reclutas limpiaban sus habitaciones a diario, desinfectaban los baños con toallitas desinfectantes después de cada uso y comían comidas empaquetadas en un comedor que se limpiaba con desinfectante después de cada comida unitaria. La mayoría de las instrucciones y ejercicios se realizaron al aire libre. Se monitoreó todo el movimiento de los reclutas y se implementó un flujo de movimiento unidireccional con entradas y salidas designadas al edificio para minimizar el contacto entre las personas. Seis instructores asignados a cada unidad trabajaron turnos de 8 horas y aplicaron las medidas de cuarentena. Cuando los reclutas informaron signos o síntomas relacionados con Covid-19, se les sometió a una prueba rápida de PCR para Sars-CoV-2 y se aislaron los resultados de la prueba ".
Medición diaria de fiebre y controles diarios de síntomas con aislamiento inmediato en caso de sospecha
Una prueba de PCR semanal con aislamiento inmediato de reclutas positivos para Sars-CoV-2.
A pesar de este catálogo completo de medidas, el 1,9 por ciento de los reclutas aún desarrollaron una infección por Sars-CoV-2 durante un período de dos semanas. Esto corresponde a una incidencia promedio de siete días de 950 casos infectados por cada 100.000 personas. Desafortunadamente, no existe un grupo de control en este estudio sin las medidas adecuadas. Pero este estudio muestra que incluso con medidas extremas, la propagación del virus no se puede contener sustancialmente.
La falta de efecto del bloqueo de primavera en Alemania
No se puede ver ningún efecto de los bloqueos en los datos sobre la propagación del virus en Alemania. La siguiente figura muestra la evolución del número reproductivo efectivo R ("valor R") en marzo según la estimación del RKI en un artículo del Boletín Epidemiológico. Es importante tener en cuenta que el valor R estimado por el RKI para una fecha específica representa la tasa de infección de aproximadamente una a dos semanas atrás. El RKI escribe en un artículo que describe la estimación del valor R con más detalle:
En el gráfico RKI que se muestra a continuación, la fecha original en el gráfico RKI se corrigió mediante este retraso de tiempo (corrección por retraso de diez días) y la hora de las medidas tomadas en marzo se trazó en consecuencia (líneas discontinuas rojas). Surge la siguiente imagen:
Un dibujo correcto del cronograma muestra muy claramente que ni el cierre ni el cierre de escuelas, guarderías y comercios tuvieron efecto. El valor R ya estaba por debajo de uno y posteriormente no disminuyó de ninguna manera relevante. Solo la cancelación de eventos importantes aún podría haber tenido un efecto mínimo.
Sin embargo, el curso de la curva no cambia como consecuencia de la regulación de la medida, pero el descenso continúa a la misma velocidad que antes, lo que también hace poco probable un efecto aquí, ya que evidentemente es un descenso independientemente de las medidas tomadas. (efectos estacionales y posiblemente aumentando lentamente la inmunidad colectiva).
Esto lo confirma un estudio publicado en la revista Safety Science sobre el curso de la propagación del virus en Alemania, que se caracteriza en particular por el hecho de que se determinó el intervalo entre el tiempo de notificación de un resultado positivo de la prueba y el momento real de la infección. muy precisamente, lo que representa a menudo un problema en otros estudios (ver más abajo). El autor resume los resultados de la siguiente manera (traducción del autor):
El hallazgo de que el levantamiento de las medidas no condujo a un aumento en la propagación del virus sugiere que el curso de la propagación del virus tiende a seguir un patrón estacional y no es causado por la introducción o el levantamiento de las medidas. Un documento de trabajo de la Oficina Nacional de Investigación Económica (NBER), una organización de investigación no partidista y sin fines de lucro estadounidense, sugiere que este podría ser el caso. Allí, con base en datos de 25 estados de EE. UU. Y 23 países, cada uno con más de 1,000 muertes, se demostró que a partir de la ocurrencia de 25 "muertes por Covid 19" se pudo observar un desarrollo uniforme en todos los países examinados y la tasa de crecimiento dentro de Fell to cero en 20-30 días, independientemente del tipo y período de acción que se tomen. Los autores concluyen:
Problemas metodológicos en estudios que asumen la efectividad de los encierros
Hay una serie de estudios en los que, contrariamente a los estudios informados hasta ahora, parece mostrarse un efecto de los bloqueos. Sin embargo, estos estudios se basan en modelos matemáticos de la propagación del virus, para lo cual deben hacerse ciertas suposiciones sobre los parámetros contenidos en el modelo, que deben ser examinados críticamente. Una revisión rápida Cochrane publicada (traducción del autor) dice acerca de estos estudios:
El problema del modelado incorrecto se ilustra a continuación utilizando dos estudios destacados. El primero proviene de un grupo de investigación dirigido por Neil Ferguson del Imperial College London, que apareció en la revista Nature y parece demostrar un alto nivel de efectividad de los cierres.
Sin embargo, este estudio contiene varios errores metodológicos fundamentales. En el estudio, basado en el curso de las muertes por Sars-CoV-2 registradas en once países europeos, se extrajeron conclusiones sobre el curso de la propagación del virus (valor R) mediante modelos matemáticos, con el objetivo de determinar el efecto de diversas medidas. sobre la propagación del virus. Los resultados parecen mostrar un gran efecto de los bloqueos.
Si se mira más de cerca el estudio, se hace evidente, por un lado, que no se tuvo en cuenta el retraso existente en la notificación de las muertes. La fecha de notificación a las autoridades sanitarias se utilizó como fecha de inicio de una muerte, aunque la fecha real de la muerte es hasta varias semanas antes. Las curvas de propagación del virus modeladas en el estudio reflejan el proceso de infección real con un retraso de tiempo significativo, por lo que la conclusión sobre el efecto de las medidas no es válida.
Además, si observa más de cerca los gráficos de las curvas de curso modeladas de los valores R, notará que el modelo representa incorrectamente el curso real de la propagación del virus. En la siguiente figura, puede ver en el lado izquierdo el curso de la propagación del virus (valor R) estimado en el estudio utilizando el modelo para Alemania y en el lado derecho el curso real de las nuevas infecciones reportadas diariamente según el Instituto Robert Koch. (RKI):
Puede ver de inmediato que el modelo describe la realidad de manera fundamentalmente incorrecta: un valor R de cuatro significa que el número de nuevas infecciones dentro de una generación de un virus (período de tiempo desde la infección de una persona hasta la infección de los casos infectados por ella, en Sars -CoV-2: cuatro días) se cuadruplicó. Un valor R de menos de uno significa que el número de nuevas infecciones se reduce en una generación.
Según el modelo de la propagación del virus por el Imperial College de Londres, debería haber un salto espontáneo de un aumento extremo en el número de nuevas infecciones (el número de nuevas infecciones se cuadruplicó cada cuatro días) a una disminución en el número de nuevas infecciones en la curva de curso para nuevas infecciones, que no es el caso.
¿Cómo se puede explicar este extraño modelado del Imperial London College? La solución al acertijo se puede encontrar leyendo el artículo más de cerca. Allí dice (traducción del autor):
Esto significa que el modelado se diseñó desde el principio de tal manera que una disminución en el número de casos puede basarse casi exclusivamente en el efecto de las medidas. Cuando se utiliza un modelo de este tipo, siempre debe haber un efecto de las medidas, ya que el modelo no prevé una disminución sin medidas (consulte la siguiente figura para obtener una ilustración). Este enfoque no es científico, ya que el modelo ni siquiera permite que surja que las medidas no están funcionando (para obtener revisiones publicadas más detalladas, consulte Frontiers y medRxiv).
El segundo estudio de modelado defectuoso prominente proviene de un grupo de investigación dirigido por Viola Prieseman del Instituto Max Planck de Dinámica y Autoorganización, que se publicó en Science. Allí se intentó utilizar modelos matemáticos para describir el proceso de infección en Alemania en marzo y abril y, en base a esto, determinar el efecto de las tres medidas centrales en Alemania. El resultado informado en la publicación original se muestra a la izquierda de la siguiente figura:
En vista de este resultado, uno podría pensar que el gráfico RKI que se muestra arriba es defectuoso, porque las tres medidas aparentemente hicieron algo. ¿Cómo se puede explicar esta extraña desviación de la estimación del RKI?
Un análisis crítico de los métodos de la publicación original revela un error fundamental que explica la desviación: el proceso de infección se modeló sobre la base de la fecha en que se notificó una infección. Sin embargo, como ya se mencionó, el momento de la infección es mucho antes de la fecha de notificación de la infección. A fines de marzo, por ejemplo, hubo un promedio de 13 a 14 días entre el momento de la infección y el momento de la notificación.
El problema resultante es que el proceso de infección real se describió con un retraso de tiempo en la publicación original y, por lo tanto, el efecto de las medidas se evaluó incorrectamente. En respuesta a los correspondientes comentarios críticos sobre el artículo, el grupo de investigación publicó una llamada nota técnica en la que el curso de la infección no se modeló sobre la base de la fecha de notificación, sino, siguiendo el procedimiento RKI, sobre la base de la fecha de inicio de la enfermedad, que fue solo unos cinco días después del momento de la infección y, por lo tanto, describe el momento real de la infección con mayor precisión.
El resultado se muestra en el lado derecho de la figura de arriba. Como puede verse claramente, ahora se puede ver un curso comparable como en el gráfico RKI: ni el cierre de escuelas, guarderías y tiendas ni el cierre tuvieron un efecto relevante en la propagación del virus (para una revisión más detallada ver "¿Era necesario el cierre de la Corona en Alemania?").
Una nota final es importante: la presentación de los estudios existentes sobre el efecto de las medidas no pretende ser exhaustiva. Eso iría más allá del alcance de este artículo. El objetivo es ilustrar la naturaleza profundamente acientífica de la posición de Leopoldina.
En vista de los hallazgos descritos, es profundamente desconcertante cuando una sociedad científica especializada justifica la recomendación de medidas en una declaración políticamente altamente negociada sobre la base de la selección arbitraria de un ejemplo individual de apoyo aleatorio e ignora por completo el estado actual de la investigación y no lo menciona con una sola sílaba.
Las predicciones cuestionables de los estudios de modelado
Como demuestran los dos estudios de modelización mencionados sobre el efecto de las medidas, los estudios que se basan en una modelización del proceso de infección son muy propensos a errores y, por tanto, poco fiables. Tales errores pueden tener efectos dramáticos si, con base en dicho modelo, se realizan pronósticos de la inminente propagación del virus y se formulan recomendaciones para la acción política basadas en esto.
De hecho, la actual crisis de la corona es un ejemplo particularmente drástico en este sentido. El siguiente gráfico muestra el curso de las "muertes por Covid-19" en Gran Bretaña predicho por varios estudios de modelado - y el curso realmente observado.
Fuente: The Sun / Gráfico: TP
Todas las predicciones de los estudios de modelado sobreestiman drásticamente el número real de "muertes por Covid-19" observadas en Inglaterra. Curiosamente, existe un problema similar en Alemania. La siguiente figura muestra el pronóstico basado en un modelo SEIR por un grupo de investigación dirigido por Thorsten Lehr de la Universidad de Saarland sobre el desarrollo del número de nuevas infecciones en Hesse el 28 de octubre y el desarrollo real del número de casos (barra roja): Cabe señalar aquí que la "luz de bloqueo" prescrita unos días después o el anuncio anterior de la misma no pudo haber influido en el número de casos en las dos semanas posteriores al 28 de octubre (ver arriba):
Previsión de 14 días para Hessen (a 28 de octubre). El desarrollo actual de los nuevos casos hasta el 28 de octubre; la línea discontinua muestra el pronóstico para la media de 7 días para los próximos 14 días: como cualquier pronóstico, es cada vez más incierto; el área gris indica el llamado intervalo de confianza dentro del cual puede encontrarse el valor real. La línea de tendencia muestra la media móvil durante 7 días. El pronóstico se basa en el modelo SEIR de la Universidad de Saarland (grupo de investigación del Prof. Thorsten Lehr). Fuente: RKI, simulador de CoVid de la Universidad de Saarland, Hessischer Rundfunk. Gráficos: TP
El renombrado científico médico y estadístico John Ioannidis escribe sobre las predicciones problemáticas de los estudios de modelado en un artículo especializado (traducción del autor):
A pesar de estos conocidos problemas con las predicciones de los estudios de modelado, la declaración de Leopoldina se refiere a las predicciones de un grupo de trabajo de modelado dirigido por Viola Priesemann como un argumento central adicional para recomendar un bloqueo estricto, que se muestra en la declaración en forma de la siguiente figura (complementada con la hora de inicio de la "luz de bloqueo" y la hora efectiva más temprana posible):
El modelo predice que sin endurecer el bloqueo, el número de casos permanecerá en el nivel del pico durante mucho tiempo a pesar del pico del diferencial que se ha alcanzado durante mucho tiempo. Un primer problema con tal modelado es que el modelado se lleva a cabo en una base de datos no confiable, lo que no permite predicciones confiables. El RKI cambió los criterios de prueba a principios de noviembre. El RKI escribe en el informe de situación del 2 de diciembre:
Además, no es realista predecir que el número de casos se mantendrá sin cambios durante varias semanas. Tal predicción solo es realista si se supone que no existen fuerzas que estén frenando la propagación del virus, independientemente de las medidas que se tomen. En Alemania, sin embargo, esas fuerzas parecen existir, ya que el aumento en el número de casos disminuyó continuamente mucho antes de que entrara en vigor la "luz de bloqueo", independientemente del endurecimiento de las medidas.
Una posible explicación es que la movilidad de la población disminuyó significativamente antes antes de la "luz de cierre". Pero entonces no sería necesario endurecer las medidas, porque el cambio de movilidad sin medidas especiales fue suficiente para frenar la propagación del virus y el endurecimiento por la "luz de bloqueo" no produjo ningún efecto adicional.
Todavía existe un factor limitante central en la propagación del virus, independientemente de las medidas tomadas o los cambios de comportamiento en la población: el número de individuos susceptibles a la infección en una población disminuye proporcionalmente al aumento de la propagación del virus, de modo que la la tasa de crecimiento está disminuyendo cada vez más.
Este efecto se produce más rápidamente, cuanto menor es la proporción de personas infectadas a las que hay que llegar para que se establezca la inmunidad colectiva. A menudo se asume aquí que el 60 por ciento de los individuos de una población deben estar infectados para tener inmunidad colectiva. Sin embargo, tal estimación se basa en la suposición de que todas las personas de la población son igualmente susceptibles al virus y se encuentran entre sí con una intensidad comparable y de forma completamente aleatoria.
Pero eso no es realista. Por un lado, diferentes personas están socialmente conectadas en diferentes grados, por otro lado, numerosos estudios ahora sugieren que algunas personas pueden tener una inmunidad que se deriva del contacto previo con coronavirus similares. Si se incluyen estos dos aspectos, la proporción de personas que tienen que infectarse, lo cual es necesario para la inmunidad colectiva, puede incluso descender a solo entre el diez y el 20 por ciento (para una descripción general, consulte BMJ: "Covid-19: ¿Muchas personas tienen pre -inmunidad existente?).
En consecuencia, el aumento decreciente de nuevas infecciones desde mediados de octubre, independientemente de las medidas, también podría deberse a que una gran parte de las personas susceptibles al virus o que lo transmiten ya están infectadas. Al menos, a diferencia de la primavera, es poco probable que la caída del crecimiento se deba a efectos estacionales, ya que los coronavirus generalmente se propagan cada vez más en la temporada actual.
resumen
En resumen, la recomendación de un bloqueo estricto en la séptima declaración ad hoc no se basa en ninguna base científica confiable. Como justificación de la necesidad de un bloqueo estricto, solo se hace referencia a ejemplos individuales arbitrarios, aunque existen extensos estudios publicados que cuestionan fundamentalmente la efectividad de los bloqueos.
Por otro lado, como justificación, se hace referencia a pronósticos de estudios de modelización, que, sin embargo, se basan en datos poco fiables y asumen supuestos de modelos poco realistas. Por un lado, es extraño que una sociedad científica haga una recomendación tan poco científica y, por tanto, viole los principios de honestidad científica.
Desde la perspectiva de la medicina basada en la evidencia, la prescripción de medidas por parte de los gobiernos solo es justificable si su efectividad ha sido probada empíricamente, lo que no es el caso en el caso de un bloqueo.
Esto es tanto más cuestionable cuando una medida implica daños colaterales importantes, como es el caso de los bloqueos. Haga clic aquí para ver el segundo artículo de la serie sobre las justificaciones científicas del "bloqueo estricto": El daño colateral ignorado de los bloqueos.
