Skip to main content
  1. Home
  2. Salud
  3. Features

COVID-19: ¿se puede retrasar la segunda dosis de la vacuna?

¿Cuál es el plazo que debe transcurrir entre las dosis de la vacuna contra el COVID-19? La controversia surgió después del anuncio del gobierno británico, de postergar la aplicación de la segunda dosis.

El objetivo es alcanzar rápidamente una mayor cantidad de población con al menos una dosis de la vacuna contra la enfermedad provocada por el virus SARS-CoV-2, a diferencia de la estrategia de otros países, que pretenden cubrir fundamentalmente a la población de riesgo con las dos dosis.

Recommended Videos

La lógica británica es que la primera dosis de las principales vacunas ofrece una protección inicial importante, mientras que la segunda dosis –de refuerzo– está orientada a una inmunidad de largo plazo.

Sin embargo, la medida no ha sido avalada por la Agencia Europea de Medicamentos (EMA), la Administración de Drogas y Alimentos de Estados Unidos (FDA), además de las principales organizaciones de fabricantes de medicamentos, que consideran riesgoso cambiar los plazos recomendados.

¿Cuáles son los plazos recomendados?

Vacuna COVID-19
Pixabay

Cinco son las vacunas que están siendo aplicadas a nivel global a enero de 2021. Independiente de la tecnología detrás (AMRn o virus desactivado), todas consisten en dos dosis: una inicial y una segunda de refuerzo.

De acuerdo a los ensayos clínicos y recomendaciones de los propios fabricantes, estos son los plazos recomendados entre la primera y segunda dosis:

¿Es posible retrasar o modificar los plazos?

Según la FDA, es “prematuro sugerir cambios en las dosis o los programas autorizados”, porque “no se basa sólidamente en la evidencia disponible”.

La agencia estadounidense afirma que sin datos que respalden los cambios “corremos un riesgo significativo de poner en riesgo la salud pública”, a pesar de que el objetivo sea que “las personas reciban más vacunas más rápido”.

¿La primera dosis ofrece protección?

La respuesta dependerá de cada vacuna.

Según la cadena británica BBC, que citó datos de Pfizer/BioNTech de diciembre de 2020, la vacuna tiene aproximadamente 52 por ciento de efectividad tras la primera dosis. Sin embargo, esta solo se activa desde el día 12 de la primera vacuna.

Según artículo de enero de 2021, una sola dosis del antídoto de Oxford/AstraZeneca ofrece una protección de 64.1 por ciento. Sin embargo, los resultados pueden estar distorsionados porque los participantes de estos ensayos recibieron distintas dosis y en distintos intervalos.

La vacuna de Moderna, según un informe presentado ante la FDA, ofrece hasta 80.2 por ciento después de la primera dosis.

En todos los casos, la incertidumbre gira en torno a cuánto tiempo durará este efecto protector sin que se aplique una segunda inyección.

¿Es posible mezclar dos antídotos?

Según Paul Hunter, profesor de Medicina de la Universidad de East Anglia, en un artículo publicado en The Conversation, lo recomendable es que las dos dosis siempre correspondan a la del mismo fabricante.

Sin embargo, reconoce que hay ocasiones en la que esto no se podrá cumplir, como los casos en los que la segunda dosis no esté disponible debido a problemas de suministro. “Entonces debe recibir cualquier vacuna disponible”, explica.

Afirma que si bien “no se recomienda mezclar diferentes marcas de vacunas en diferentes dosis, (…) en muchos casos [hacerlo] brinda una mejor protección, lo que se conoce como un ‘refuerzo primario heterólogo’”.

Rodrigo Orellana
Former Digital Trends Contributor
Google ayuda a detectar el cáncer de mama con ayuda de la IA
google ia deteccion temprana cancer de mama angiola harry sjcalew 1lm unsplash

Cada 19 de octubre se conmemora el Día Internacional de lucha contra el Cáncer de Mama, con el objetivo de concientizar acerca de esta enfermedad. En este contexto, Google difundió cómo trabaja en proyectos que combinan el poder de la inteligencia artificial (IA) con el conocimiento de los profesionales de la salud para crear herramientas de diagnóstico precisas y accesibles. Las investigaciones llevadas a cabo en varios diagnósticos detectaron una reducción del 9.4% de los falsos negativos y del 5.7% de los falsos positivos.
De acuerdo con la Organización Mundial de la Salud (OMS), el cáncer de mama es uno de los más comunes, siendo el 99% de los casos en mujeres. Asimismo, la Organización Panamericana de la Salud (OPS) afirma que el tratamiento puede ser altamente efectivo cuando la enfermedad se detecta a tiempo.
En este escenario, Adriana Noreña, vicepresidenta de Google para Hispanoamérica, reflexionó: “Como subrayé en mi participación en el Women 20 de Río de Janeiro, la inteligencia artificial tiene la capacidad de procesar y analizar enormes cantidades de datos en poco tiempo, identificar patrones complejos y aprender de forma contínua a través de sus algoritmos para mejorar su precisión, lo cual la convierte en una gran aliada para los profesionales de la salud”. Y agregó: “es crucial que haya cada vez más mujeres involucradas en el desarrollo de esta tecnología. Al incorporar nuestra perspectiva desde el momento cero, podemos garantizar que la IA no solo sea técnicamente avanzada, sino también nos permitirá crear soluciones íntimamente relacionadas con nuestro género, así como más equitativas y efectivas”.
En línea con estos esfuerzos por mejorar la detección temprana, entre 2016 y 2018, Google comenzó a implementar el uso del aprendizaje profundo -deep learning-, una de las áreas donde la IA emplea redes neuronales artificiales para aprender de grandes conjuntos de datos para realizar tareas complejas, con el fin de asistir a los médicos en la detección de la metástasis. Esta herramienta de análisis de nódulos linfáticos (Lymph Node Assistant -LYNA, por sus siglas en inglés-), es entrenada por medio de imágenes médicas, como radiografías, tomografías o imágenes patológicas, y clasificadas previamente por expertos, para que la IA pueda identificar los macro y micro patrones de la enfermedad. Así, LYNA tiene la capacidad de detectar la localización de la metástasis que, en muchos casos, es casi imperceptible al ojo humano, permitiendo que los médicos puedan acelerar el proceso de diagnóstico y, en consecuencia, adelantar el inicio del tratamiento. 
En 2021, Google Health realizó una investigación clínica junto con Northwestern Medicine para explorar cómo la IA podría acelerar el diagnóstico del cáncer de mama, optimizando el proceso desde la mamografía inicial hasta el diagnóstico final. Comenzaron la investigación recopilando imágenes mamográficas de alta calidad provenientes de diversos pacientes, las cuales fueron clasificadas por expertos en salud para entrenar el modelo de IA ante la detección de cáncer, la identificación de características tumorales, entre otros aspectos.
Posteriormente, el modelo se probó en un entorno clínico real, donde las personas que se sometían a mamografías podían optar por que sus resultados fueran analizados por la IA junto con la evaluación de los radiólogos. Estos arrojaron datos alentadores: se redujeron los falsos negativos en un 9.4% y los falsos positivos en un 5.7%, en comparación con la práctica clínica estándar. Además, la IA demostró su capacidad de analizar una mamografía en menos de dos minutos, lo que permite obtener resultados más rápidos para las pacientes, acelerar tanto el diagnóstico como el tratamiento, al mismo tiempo que reduce los costos asociados a la atención y los tratamientos tardíos.

Premios Nobel: Hallazgos en beneficio de la salud
La semana pasada, Geoffrey Hinton, ex investigador de Google, fue galardonado junto a John Hopfield con el Premio Nobel de Física 2024 por sus descubrimientos en el campo del aprendizaje automático con redes neuronales artificiales (ANN por sus siglas en inglés), que sentaron las bases para el reconocimiento a través de la IA de patrones en imágenes, lenguajes y en información clínica que hoy se utiliza en el campo de la salud y en otras disciplinas.
Como se describe en este documento emitido por el comité del premio Nobel, este descubrimiento fue clave en el desarrollo de la herramienta para la predicción de las estructuras de cualquier proteína en tres dimensiones denominado AlphaFold, motivo por el cual dos científicos de Google DeepMind, Demis Hassabis y John Jumper, obtuvieron también este año el Premio Nobel de Química. AlphaFold fue abierta por Google a la comunidad científica de forma gratuita y ya fue utilizado por más de dos millones de investigadores de más de 190 países.

Read more
Las mejores aplicaciones de entrenamiento gratuitas para iOS y Android
aplicaciones de entrenamiento gratuitas para ios y android mejores apps ejercecios ggratis

Si aún no puedes volver a tu gimnasio, se te ha terminado esa costosa membresía o estás buscando hacer un buen ejercicio en casa o en la oficina, aprovecha una serie de excelentes aplicaciones accesibles que te apoyarán a ejercitarte desde tu celular. Hay muchas apps de pago listas para hacerte sudar, y algunas de ellas pueden valer la pena en las circunstancias adecuadas. Pero no siempre apetece pagar. Ya sea que busques mantenerte en movimiento o gastar algo de tiempo, aquí hay una lista de las mejores aplicaciones de entrenamiento gratuitas para iOS y Android, que te ayudarán a sudar donde quiera que estés.

(Estas son las mejores aplicaciones de fitness gratuitas, sin duda, pero si deseas explorar otras opciones, incluidas las aplicaciones de pago, tenemos listas de las mejores aplicaciones de fitness para Android y las mejores aplicaciones de fitness para iOS también).
Nike Training Club

Read more
Se filtran 5,3 millones de registros de salud en México
La imagen muestra a un médico cirujano durante un procedimiento.

Cybernews informa que sus equipos de investigación encontraron una base de datos desprotegida de 500 GB de una empresa mexicana de atención médica el 26 de agosto de 2024. La base de datos expone información confidencial como nombres, números de identificación personal (CURP), números de teléfono, descripciones de solicitudes de pago y más.

La cantidad total de personas afectadas asciende a 5,3 millones, lo que representa aproximadamente el 4% de la población del país, según señala Cybernews. El informe de Cybernews indica que el error de seguridad se produjo con un uso "mal configurado" de una herramienta de visualización de datos llamada Kibana, que parece haber quedado sin autenticar.

Read more