No, un estudio no ha demostrado que el 86% de las PCR positivas de COVID-19 fueran falsas

En los últimos días ha vuelto a circular en redes sociales (principalmente en X, como podemos ver aquí, aquí o aquí), un estudio sobre las pruebas PCR utilizadas durante la pandemia de COVID-19 que supuestamente demostraría que la inmensa mayoría de los positivos registrados en Alemania no correspondían a infecciones reales. El trabajo existe, pero no demuestra que el 86% de las PCR positivas fueran falsos positivos.

El artículo fue publicado en Frontiers in Epidemiology el 13 de octubre de 2025 por Michael Günther, Robert Rockenfeller y Harald Walach.

Los investigadores utilizaron datos del consorcio alemán ALM, cuyos laboratorios realizaron aproximadamente el 90% de las PCR del país y también pruebas serológicas para detectar anticuerpos IgG. Su objetivo era comparar ambas señales para reconstruir la evolución de las infecciones.

El resultado que ha llamado la atención es extraordinario: los autores obtienen un factor de 0,14 y lo interpretan como que solo alrededor de una de cada siete personas con PCR positiva estaba realmente infectada.

El problema está en cómo se obtiene esa cifra y, sobre todo, en qué permite concluir realmente.

El estudio no comprobó que el 86% de los positivos fueran falsos

Los investigadores no tomaron una muestra de personas con PCR positiva y comprobaron mediante un método diagnóstico independiente cuántas estaban realmente infectadas. Tampoco siguieron individualmente a los positivos para determinar qué proporción desarrollaba posteriormente anticuerpos.

Trabajaron con series de datos agregados.

En su primer modelo acumulan la fracción semanal de PCR positivas, introducen un retraso de dos semanas para tener en cuenta el desarrollo de IgG y calculan mediante mínimos cuadrados qué factor permite reproducir mejor la curva de seropositividad observada.

El resultado es PPCR=0,14 (IC 95%: 0,135-0,146).

Son los autores quienes interpretan posteriormente ese coeficiente como la probabilidad de que una persona PCR positiva estuviera realmente infectada.

«La interpretación se basa en supuestos erróneos, razonamiento circular, sesgos de selección y confusión entre detectar ARN viral y demostrar infección activa o contagiosidad», explica a Factico Rafael Toledo, catedrático de Parasitología de la Universidad de Valencia.

El propio artículo reconoce que ese 0,14 engloba factores muy diferentes: los criterios utilizados para seleccionar a las personas que se sometían a PCR, los distintos umbrales Ct empleados por los laboratorios y las diferencias entre los métodos y umbrales de detección de IgG.

Por eso, un coeficiente de 0,14 obtenido al hacer coincidir dos curvas no equivale por sí mismo a demostrar que el 86% de las PCR positivas fueran falsas.

La ausencia de IgG detectable no demuestra que no hubiera infección

Existe otro problema importante: el modelo utiliza la seropositividad IgG como referencia para reconstruir las infecciones.

Pero una persona infectada no tiene necesariamente anticuerpos detectables indefinidamente. El propio artículo reconoce que la sensibilidad de las pruebas serológicas utilizadas en distintos estudios oscila considerablemente y que puede producirse serorreversión, es decir, que los anticuerpos desciendan posteriormente por debajo del umbral de detección.

Por tanto, que una infección no quede representada posteriormente en la curva de IgG no permite concluir automáticamente que la PCR original fuera un falso positivo.

Esto no significa que las PCR carecieran de limitaciones. Toledo recuerda un aspecto especialmente importante: el umbral de ciclos o Ct.

«Otra cuestión que puede ser importante es que, en la PCR, es extremadamente importante ajustar bien la Ct. Creo que al principio se utilizó una Ct demasiado alta, lo que puede implicar falsos positivos. No sé si fue un exceso de celo para evitar falsos negativos, pero sí que pudo dar lugar a falsos positivos», señala.

Un Ct elevado puede corresponder a cantidades muy pequeñas de ARN viral. Esto puede dificultar la interpretación clínica del positivo —por ejemplo, determinar si existe una infección activa o capacidad de transmisión—, pero no convierte automáticamente ese resultado en un falso positivo analítico. Y mucho menos demuestra que el 86% de los positivos lo fueran.

Un segundo modelo parte de una premisa muy diferente

El estudio introduce además un segundo modelo que complica todavía más una lectura simplista de sus resultados.

Mientras el primero interpreta que solo alrededor del 14% de los PCR positivos correspondería a personas realmente infectadas, el segundo utiliza como parámetro que por cada PCR positiva registrada existirían aproximadamente diez personas infectadas en la población.

Los autores toman ese multiplicador de literatura previa y sostienen que también resulta aproximadamente compatible con la relación entre la tasa de letalidad entre casos (CFR) y la tasa de letalidad por infección (IFR) estimadas para Alemania.

No son matemáticamente la misma pregunta: el primer modelo intenta interpretar qué representa la positividad entre quienes fueron sometidos a PCR; el segundo pretende estimar todas las infecciones existentes en la población, incluidas las que nunca fueron detectadas.

Pero combinar ambos modelos conduce a resultados difíciles de interpretar.

«Además, creo que hay una contradicción en el planteamiento de los autores. Asumen un 25% de personas infectadas, pero solo un 14% de verdaderos positivos en PCR. Esto se debe a que parten de modelos inmiscibles, lo que les lleva a conclusiones que difícilmente se sostienen. No es que los modelos sean contradictorios: investigan aspectos diferentes, pero su combinación conduce a conclusiones confusas», explica Toledo.

Los propios autores presentan el segundo modelo como una validación del primero, aunque reconocen que, desde el punto de vista matemático, ambos comparten datos PCR, por lo que no constituyen dos comprobaciones completamente independientes.

«Los autores utilizan datos de PCR para reconstruir la dinámica de infección, calibrándolos mediante datos de IgG. Pero después concluyen que precisamente la métrica basada en PCR era científicamente inválida. Eso no invalida necesariamente el análisis, pero sí obliga a ser mucho más prudente con sus conclusiones», añade Toledo.

El modelo llega al 100% de infectados y los propios autores descartan el resultado

Las limitaciones aparecen con claridad cuando los investigadores prolongan sus estimaciones hasta finales de 2021.

El segundo modelo termina alcanzando su máximo teórico: el 100% de la población alemana infectada.

Pero los propios autores reconocen que ese resultado no es fiable. Para entonces una misma persona podía haber acumulado varias PCR positivas, lo que rompe el supuesto de que los positivos acumulados pueden convertirse directamente en personas infectadas. Finalmente plantean una estimación conservadora de al menos un 85% de la población infectada alguna vez a finales de 2021.

El primer modelo, mientras tanto, extrapola una seropositividad cercana al 92%, similar a la comunicada por el Robert Koch Institute. Los investigadores consideran esta coincidencia un argumento favorable a su reconstrucción. Eso sí, la coincidencia con los datos del Robert Koch Institute tampoco supone necesariamente una validación del modelo. El RKI estimó efectivamente una seroprevalencia cercana al 92% entre los adultos en torno al cambio de año 2021/2022, pero advirtió que los anticuerpos podían proceder tanto de la infección como de la vacunación y concluyó que aquella elevada seropositividad se debía «en su inmensa mayoría» a las vacunas. Al combinar la serología con información sobre vacunación e infección, el organismo estimó que alrededor del 10% de los adultos había pasado una infección, aunque reconoció que esta proporción podía estar subestimada por sesgos de participación. Además, calculó un factor de infradetección de las infecciones de aproximadamente 1,5-2, frente al factor 10 utilizado como supuesto en el segundo modelo del estudio.

Una especificidad del 94% estimada a partir del propio modelo

El paper contiene otra afirmación especialmente problemática. Los autores estiman que las PCR utilizadas en Alemania habrían tenido una especificidad efectiva de aproximadamente el 94%.

Pero esa especificidad no procede de una validación diagnóstica independiente: la derivan de su propio modelo.

Su razonamiento parte de una positividad PCR semanal media cercana al 7%. Aplicando su coeficiente PPCR=0,14, interpretan que aproximadamente el 1% de las personas analizadas estaría realmente infectado. Atribuyen entonces los aproximadamente seis puntos restantes a falsos positivos y obtienen una especificidad del 94%.

Es decir, la supuesta especificidad del 94% depende de aceptar previamente que PPCR=0,14 representa la proporción de verdaderas infecciones. No constituye una validación independiente de esa hipótesis.

«Al final es un modelo extremadamente simplificado que quiere terminar en una afirmación extraordinariamente fuerte sobre la realidad epidemiológica», resume Toledo.

Jeffrey S. Morris, profesor de Bioestadística y director de la División de Bioestadística de la Universidad de Pensilvania, ya cuestionó duramente este razonamiento en noviembre de 2025. Según explicó entonces en X, los autores construyen, en esencia, una ratio entre la seropositividad IgG semanal y la suma acumulada de la positividad PCR. Según el análisis de Morris, el problema es que terminan atribuyendo a los falsos positivos de PCR una desviación respecto a 1 que también puede verse afectada por numerosos factores. Para Morris, esa premisa es «profundamente defectuosa»: una ratio igual a 1 exigiría simultáneamente condiciones difícilmente sostenibles en datos reales, como que los testados mediante PCR e IgG fueran muestras completamente aleatorias, que nadie se sometiera a más de una PCR, que no hubiera reinfecciones ni vacunación, que todas las infecciones produjeran IgG detectable, que nadie perdiera esos anticuerpos y que ambas pruebas tuvieran una sensibilidad y especificidad del 100%. Cualquier incumplimiento modificaría la ratio. Por eso considera que atribuir la diferencia prácticamente por completo a falsos positivos de PCR parte de «supuestos inverosímiles» y concluye de forma tajante que la afirmación de que el 86% de los positivos no correspondían a infecciones reales es «científicamente indefendible».

Más recientemente, Morris ha insistido a través de una publicación en X en que el problema no está en que la PCR sea incapaz de detectar correctamente su secuencia genética diana, sino en confundir qué significa esa detección. El bioestadístico recalca que la PCR tiene una especificidad elevada —y, por tanto, una baja tasa de falsos positivos para la secuencia que busca—, por lo que considera incorrecto interpretar el estudio como prueba de que una gran proporción de positivos detectaba falsamente ARN del SARS-CoV-2. Concretamente, ha afirmado que «la PCR tiene alta especificidad (baja tasa de falsos positivos) para la secuencia objetivo, por lo que decir que tiene alta tasa de falsos positivos y sugerir que un alto % de positivos estaban detectando falsamente la presencia de ARN del SARS-CoV-2 es claramente falso».

La limitación relevante, explica, es otra: una PCR positiva no permite distinguir por sí sola entre virus viable y replicativo de una infección activa y transmisible y restos de ARN viral de una infección reciente ya resuelta. Según Morris, precisamente de ahí nace parte de la confusión: se mezclan las limitaciones de la PCR para diagnosticar el estado clínico o la contagiosidad con su capacidad para detectar una secuencia genética específica. También advierte de que los umbrales de ciclos, la carga viral y las variaciones en la toma de muestras pueden afectar especialmente a la sensibilidad, pero eso no equivale a una baja especificidad ni respalda la afirmación de que el 86% de los positivos fueran falsos.

Conclusión

El estudio obtiene realmente un coeficiente PPCR=0,14 y sus autores realmente lo interpretan como que aproximadamente solo uno de cada siete PCR positivos estaba infectado. También plantean, tras introducir una corrección por posibles sesgos en las pruebas IgG, valores incluso inferiores.

Pero el estudio no demuestra que el 86% de las PCR positivas fueran falsos positivos. Esa cifra no procede de verificar individualmente millones de resultados PCR frente a un patrón diagnóstico independiente. Procede de interpretar epidemiológicamente el coeficiente obtenido al ajustar dos series agregadas mediante un modelo con numerosos supuestos.

El propio trabajo reconoce sesgos de selección, diferencias entre pruebas, cambios en los criterios de testado y problemas derivados de las PCR repetidas.

La diferencia es fundamental: el modelo obtiene 0,14; que ese 0,14 demuestre que el 86% de las PCR positivas fueron falsas es precisamente lo que el estudio no consigue demostrar.

Referencias:

• Günther M, Rockenfeller R and Walach H (2025) A calibration of nucleic acid (PCR) by antibody (IgG) tests in Germany: the course of SARS-CoV-2 infections estimated. Front. Epidemiol. 5:1592629. doi: 10.3389/fepid.2025.1592629