Buscar
  • geek end

Los números oscuros del coronavirus

Buscar en Google "COVID-19" arroja como resultados principales las últimas noticias y un mapa titulado Statistics (Estadísticas) —con fuente Wikipedia­­–. Al dar clic en el mapa, se revela que el color representa los casos reportados por cada millón (1M) de personas en cada país. Entre más oscura la tonalidad de azul, más casos confirmados. Las diferencias son considerables: al 7 de abril de 2020, España reportó 2,983, Italia 2,250 y Estados Unidos 1,146 casos confirmados por cada millón de personas. Mientras, en todo África no hay un país que reporte más de 40 casos por cada millón de personas. Dar clic en el mapa muestra también una tabla con las muertes y los recuperados.


Con estos datos, y según diferentes métodos para generarlos, así como acorde a diferentes procedimientos para detectar y atender a los casos, los medios reportan tasas para tratar de informar sobre qué tan “mortal” es la enfermedad. Por ejemplo, el 6 de abril el director de Epidemiología de la Secretaría de Salud reportó que la tasa de letalidad mundial es del 5.6%. Y, dependiendo de la fuente, el grupo de edad y el país, algunas tasas de letalidad reportadas rebasan el 10%.


¿Las tasas son confiables? ¿Qué significan y por qué varían tanto?


Para entender los números, lo primero son las definiciones. Lo que es importante conocer es la tasa de letalidad de infectados (IFR; infection fatality rate), que es el número de muertes entre el número de personas que tienen la enfermedad, en un periodo dado. Con frecuencia lo que se reporta es la tasa de letalidad de casos (CFR; case fatality rate), que es el número de muertes entre el número de casos confirmados. Si la capacidad de detectar casos es buena, entonces la CFR y la IFR coinciden. Pero si no, entonces la CFR es más alta que la IFR y al reportar la CFR se percibe la enfermedad como mucho más "mortal" de lo que realmente es.


En segundo lugar, no podemos tratar los datos crudos como si fueran muestras probabilísticas. Es decir, no podemos simplemente hacer cálculos y agregaciones de datos crudos de la pandemia y luego pretender generalizarlos. El número de personas infectadas con coronavirus es desconocido y seguramente es mayor que el número de casos reportado. Según una investigación de la Escuela de Salud Pública Mailman de la Universidad de Columbia, el 86% de todas las infecciones en China fueron indocumentadas antes del cierre de viajes de Wuhan el 23 de enero de 2020. En el pueblo de Vó (Italia), donde se le hizo la prueba de manera masiva, se estimó que la tasa de casos no documentados es entre 82 y 90%. Esto significaría que, por cada 100 casos conocidos, hay entre 400 y 900 casos no conocidos. En la conferencia de prensa de salud sobre COVID-19 del 8 de abril, el subsecretario de Salud, Hugo López-Gatell, comunicó que se estima que en México el número de casos es de 26,000 veces mayor que los 3,181 casos confirmados reportados a esa misma fecha.


El contexto que genera los datos difiere y que es difícil interpretar los datos crudos directamente. Ccalcular la IFR requiere de estimar información que no se está observando directamente. El uso de datos crudos en este proceso requiere de entender los mecanismos que generan dichos datos. Por ejemplo, si los casos confirmados salen de hacer pruebas en una muestra probabilística de la población, entonces la generalización a poblaciones es más directa que si provienen de solamente hacer pruebas a los pacientes que acuden a atención médica con síntomas graves.


Al consultar los documentos del Centro MRC para el Análisis Global de Enfermedades Infecciosas del Imperial College, se ve que las estimaciones del número de infecciones (y por lo tanto de al IFR) involucran modelos estadísticos sofisticados y cuyos valores se dan en rangos que en general son muy amplios y en todos los casos, mayores a los comúnmente difundidos.


Tenemos que ver más allá de las cifras y preguntarnos qué mecanismos generan los datos, qué fuentes las promueven y qué métodos se utilizan para los cálculos o estimaciones. En este caso particular, la CFR es una medida muy difícil de interpretar, cuyo resultado depende de una manera compleja de variables que no son sustantivas la letalidad:

  • de los sistemas de reporteo de los países y hospitales

  • políticas de testing: ¿miden solo a gente con síntomas? ¿miden solo a gente con síntomas graves?

  • hábitos de las poblaciones de acudir o no a hospital, que varía entre paises y regiones

  • Otras que dependen de detalles de cada país (sociodemográficas, estructurales, políticas), que solo un estudio detallado y completo puede revelar


Tenemos dos aliados para entender la dimensión y alcance del COVID-19. El primero, consultar fuentes confiables. El segundo, pensar estadísticamente.



74 vistas
 

©2020 by geek end