Por Martín Tetaz
Una de las principales distinciones entre las ciencias exactas y las sociales es que en el caso de estas últimas resulta muy difícil construir el contra factual; responder a la pregunta “¿Qué hubiera pasado sí?”
En el laboratorio, las hipótesis de la física, de la química, o de la biología pueden ser contrastadas experimentalmente. Incluso las vacunas en el medio de la pandemia son testeadas en masivos experimentos en los que a un porcentaje de los voluntarios se les administra la fórmula y a otros se les proporciona un placebo, construyendo así el grupo de control, o contra fáctico.
En las ciencias sociales, la única herramienta que permitiría refutar sin lugar a duda cualquier hipótesis sería la máquina del tiempo. El presidente del Banco Central podría entonces subir tranquilo las tasas y ver qué efecto produce en la inflación, el empleo y el nivel del dólar, para después viajar en el tiempo y modificar su política, dejando esta vez las tasas sin cambios. Lo mismo podría hacer el ministro de salud en medio de la pandemia; cuarentena estricta por tres semanas, ver los resultados y tomarse la máquina del tiempo para ensayar otras tres semanas, esta vez sin restricciones y ver qué funciona mejor.
Lamentablemente esa imposibilidad explica por qué buena parte de los analistas que creen ver en los datos la confirmación o refutación de sus ideas, generalmente están equivocados. Muchos piensan, por ejemplo, que haber ido al Fondo Monetario en 2018 fue un error que profundizó la crisis, pero ¿que hubiera pasado si se cortaba el financiamiento de manera instantánea y el gobierno se veía forzado no solo a devaluar sino a recortar jubilaciones, planes y salarios públicos, incluidos los de maestros, policías y médicos? ¿Hubiera resistido la presión social, o volado por los aires terminando de manera anticipada su mandato y acelerando una crisis como la del 2001-2002? Imposible saberlo
Lo mismo ocurre con las medidas del gobierno en torno al COVID. En un hecho que creo que no tiene antecedentes, los tres principales ministros le recomendaron que no cierre las escuelas; primero Martín Guzmán le anticipó que la economía no resistiría un nuevo cierre total, luego fue el turno del titular de la cartera educativa, quien incluso le mostró evidencia de que las escuelas no eran focos de contagio y finalmente el mismo día en que Fernández decidió volver a una fase que oscila entre la 2 y la 3, la Ministra de Salud le pidió que las escuelas fueran lo último en cerrar. El presidente no les hizo caso y aunque hay versiones de una renuncia desestimada de Nicolás Trotta, los tres permanecen en sus cargos.
Pero la decisión del Gobierno de la Ciudad de no acatar el decreto presidencial, amparado en la conveniente presentación de una medida judicial de grupos de padres que “lo obliga” a garantizar la presencialidad, nos ofrece un “experimento natural” que se suma a la apertura escalonada en las distintas jurisdicciones y que es una oportunidad de la que echamos mano en las ciencias sociales para construir los escenarios contra factuales.
Si las escuelas fueran bombas epidemiológicas que aceleraran los contagios en una comunidad deberíamos observar una discrepancia en la secuencia de crecimiento de los casos. La curva de PBA debería mostrar el mismo salto que la de CABA, en alguna fecha cercana a la apertura de sus escuelas, pero dos semanas después de observar el salto en los contagios de CABA). Luego, con el cierre unilateral de la provincia deberíamos ver un despegue entre las curvas, esta vez en favor de PBA.
Nótese que en ninguno de los dos casos es relevante lo que pasa con la sumatoria de los contagios de AMBA, porque estos obedecen a múltiples causas, entre las que se encuentran potencialmente las escuelas. Podría darse el caso de que luego de la apertura de las escuelas los casos bajaran en ambas localidades, porque hubiera un tercer factor que relajara los contagios (el fin de Semana Santa, el temor de la gente que ahora se cuida mas, el avance de las vacunas, un cambio en la temperatura que modifica los comportamientos sociales, etc.). También podría darse el caso, de que a pesar de los cierres, se multipliquen los contagios, por las mismas razones que antes, pero además porque, insisto; no vemos el contra factual: no sabemos si ante la ausencia de medidas los casos no hubieran subido incluso mas (a 40.000 por día, por ejemplo) y si estamos en casi 30.000 casos gracias a las nuevas restricciones.
Por eso es incorrecto el razonamiento del ministro de salud de la Provincia de Buenos Aires , cuando dice que “los casos en la provincia aumentaron 180%” y lo atribuye a la mayor circulación generada por las escuelas
Para complicar las cosas, tampoco observamos el número de contagios, sino los casos que se testearon y dieron positivo, que es otra cosa distinta. Si las escuelas abiertas multiplican los testeos ante cualquier duda, se detectarán más casos, aunque también es cierto que, si solo se incrementaran los testeos, bajaría la positividad. Por eso recomiendo mirar las curvas de positividad de CABA y PBA por separado, pero con las semanas alineadas, para ver si efectivamente hay un “efecto escuelas”.
Ambas curvas se mueven en sintonía, haciendo mínimos en la semana del 15 de febrero y ganando velocidad en la semana del 22 de marzo. No hay un “efecto apertura de escuelas” que se observe primero en la curva de CABA y dos semanas después en la de PBA. Tampoco hay un efecto diferencial en favor de la provincia de Buenos Aires, gracias al cierre desde el 20 de abril; de hecho, la positividad venía cayendo en ambas jurisdicciones antes de las nuevas medidas y repunta ligeramente en PBA en los últimos días, aunque es prematuro para confirmar una tendencia.
En conclusión, la gestión de políticas públicas en base a los datos es compleja, porque resulta difícil probar cual es el proceso que los está generando y construir escenarios contrafactuales que nos indiquen qué hubiera pasado si hubiésemos hecho otra cosa, pero esta vez, las disputas políticas y los desacuerdos entre jurisdicciones nos acaban de servir en bandeja un experimento natural que aportará evidencia sobre el efecto causal de la presencialidad.
