Gestionar una pandemia como la de Covid-19 es muy complejo y requiere una rápida toma de decisiones, a menudo disponiendo de la información relevante sólo de forma parcial o incompleta. En concreto, si bien sabemos desde el inicio de la pandemia que la mayoría de los casos no eran detectados, estimar como evoluciona esa parte sumergida del iceberg constituye un reto de primera importancia a la hora de optimizar la toma de decisiones en el ámbito de la Salud Pública en un contexto de altísima complejidad.
El artículo de Hyafil y Moriña (2020)1 considera los datos diarios de hospitalización reportados por el Instituto de Salud Carlos III como los más relevantes para esa tarea en comparación con otros datos como los casos detectados y las muertes, estimando que la proporción de casos que necesitan hospitalización se mantiene estable, cuando la tasa de detección y la letalidad pueden variar p.e. en función de la política de detección y de la saturación de los centros sanitarios.
No obstante, como el tiempo entre el contagio y la hospitalización puede variar mucho de un paciente a otro, las hospitalizaciones ofrecen una fotografía retrasada y borrosa de la realidad epidemiológica. En estos casos, la modelización matemática nos permite reconstruir de manera robusta una imagen más fidedigna de la magnitud del problema en cada momento.
En el artículo, la dinámica de la infección se modela mediante un modelo epidemiológico SIR (Susceptibles-Infectados-Recuperados) con un número básico de reproducción R0 que varía en el tiempo, para cada Comunidad Autónoma (CCAA) y día. Comparar R0 en tres períodos de tiempo distintos (hasta el 15 de Marzo; el estado de emergencia a partir del 16 de Marzo; confinamiento obligatorio, del 31 de Marzo al 12 de Abril) permite evaluar algunos aspectos del impacto de estas medidas preventivas ya que el número reproductivo básico estima la velocidad con la que una enfermedad se está propagando en una población.
Los resultados de este estudio muestran una disminución muy pronunciada del número de casos y del número reproductivo básico en todas las CCAA y globalmente tras la implementación del confinamiento obligatorio (ver Figura 1). Se estimó un R0 de 5,89 (intervalo de confianza del 95% (IC95%: 5,46-7,09) antes de tomar cualquier medida preventiva, de 1,86 (IC95%: 1,10-2,63) después de la declaración del estado de emergencia, y de 0,48 (IC95%: 0,15-1,17) después de la implementación del confinamiento obligatorio. El número acumulado de casos de Covid-19 en España hasta el 15 de Abril de 2020 se estimó en 0,871 millones, de los cuales 0,294 serían activos en esa fecha, 0,559 serían recuperados y 0,018 millones habrían muerto a causa de la enfermedad.
Este trabajo pone de manifiesto la importancia clave de disponer de datos fiables y armonizados rápidamente a la hora de evaluar intervenciones en Salud Pública, especialmente en un contexto de alta complejidad como es la gestión de una pandemia.
Autores:
Alexandre Hyafil y David Moriña
Alexandre y David son investigadores del Centre de Recerca Matemàtica (CRM) y de la Barcelona Graduate School of Mathematics (BGSMath). David Moriña es profesor colaborador del Departament de Matemàtiques de la Universitat Autònoma de Barcelona (UAB), y profesor visitante del Department of Econometrics, Statistics and Applied Economics de la Universitat de Barcelona (UB). Ambos son coautores del artículo referenciado.
Referencias
[1] Hyafil A, Moriña D. Analysis of the impact of lockdown on the reproduction number of the SARS-Cov-2 in Spain [published online ahead of print, 2020 May 23]. Gac Sanit. 2020. doi:10.1016/j.gaceta.2020.05.003