CaigaQuienCaiga.net

InternacionalesSalud

Alerta: Por qué la tasa de mortalidad por coronavirus es engañosa

Bancamiga

La tasa de mortalidad es probablemente mucho más alta de lo que pensábamos.

Como probablemente sepa, el coronavirus, o COVID-19, es un nuevo virus que causa enfermedades respiratorias. Sus orígenes se remontan a Wuhan, China, a fines de 2019. Es comparable a otros coronavirus de origen animal como el SARS y el MERS. Aunque la mayoría de los casos se han limitado a la provincia de Hubei, de la cual forma parte Wuhan, se ha extendido a Hong Kong, Taiwán, Japón, Alemania, Estados Unidos y posiblemente incluso a Corea del Norte. Aunque todavía están surgiendo nuevos detalles sobre la naturaleza del virus y su crecimiento, sabemos que tiene un período de incubación de 2 a 14 días y el promedio de # / transmisiones por cada persona que lo tiene es aproximadamente 2.6. Hasta el 14 de febrero, se sospechaba / confirmaba que más de 64,000 estaban infectadas, con casi 1400 muertes.

A pesar de la cobertura mediática aparentemente interminable del virus, muchas preguntas siguen sin respuesta. ¿Hay realmente solo 60k + casos confirmados, o esta cifra está desinflada? ¿El número de muertes también se informa de manera insuficiente? ¿Qué tan rápido se propaga el virus todos los días? Que tan peligroso es Para que podamos medir con precisión el peligro que plantea, es necesario calcular la tasa de mortalidad. Incluso si el virus se está propagando rápidamente, no es una gran amenaza si las personas no mueren después de contraerlo.

Actualmente, los cálculos de la tasa de mortalidad son incorrectos y engañosos. A partir de ahora, se calcula dividiendo el número de muertes por el número de infectados. La siguiente figura muestra la tasa de mortalidad “engañosa” para la provincia de Hubei desde el 22 de enero. Según estos cálculos, se determina que la tasa de mortalidad ronda el 2,5% en la actualidad. Sin embargo, es incorrecto porque no tiene en cuenta un factor muy importante: el efecto de retraso .

¿Cuál es el efecto de retraso?

Considere un grupo de 100 personas que se sienten enfermas el 10 de enero de 2020. Rastreemos con el tiempo. Algunos de ellos caen gravemente enfermos durante un período de unos pocos días. Algunos se recuperan, mientras que otros continúan enfermos. Si pudiéramos avanzar rápidamente dentro de un año, sabríamos exactamente la cantidad de personas que morirían de esta cohorte. La mayoría de las personas enfermas se habrían recuperado y otras habrían muerto. En este punto, puede calcular la tasa de mortalidad de esta cohorte como el número de muertos al número que se infectaron inicialmente. Por ejemplo, podríamos usar este método para calcular la tasa de mortalidad del brote de SARS de 2002 en China, ya que todos los que contrajeron SARS ya se han recuperado o han muerto. Esto no es cierto para el COVID-19 porque todavía está en curso.

En medio de una infección, tenemos diferentes cohortes en diferentes etapas. Es decir, unos pocos miles de personas que se enfermaron ayer no morirían hoy; pero las personas que mueren hoy serían de una cohorte mucho anterior. Como resultado, es completamente incorrecto calcular la tasa de mortalidad para dividir el número de muertos por el número de infectados. La forma correcta de hacer esto sería seguir cada cohorte por separado y determinar la tasa de mortalidad de cada uno. Por supuesto, cuando la enfermedad se ha detenido por completo, ambos métodos convergerían. La epidemia de coronavirus está en curso y no ha cesado y este método no funcionará. En contraste, esto funcionaría con el cálculo de la tasa de mortalidad por SARS ahora.

Aquí está la forma gráfica de representarlo.

En el eje x es el número de días después de que los miembros de la cohorte hayan sido infectados (todos estaban infectados el mismo día) En el eje y está la tasa de mortalidad acumulada (número de muertes / número infectado) dentro de la cohorte .

Los informes dicen que toma entre 2 y 14 días incluso mostrar síntomas y posiblemente unas pocas semanas más antes de que pueda morir. Por lo tanto, el número de muertes probablemente será cero durante los primeros días, independientemente de la naturaleza de los miembros de la cohorte.

En aras de la ilustración, veremos dos grupos diferentes. Digamos que un grupo son hombres de 25 años de Wuhan (modelados por una tasa de mortalidad del 2% y alcanzando su pico en 14 días), y otro representa una cohorte de hombres de 80 años (modelados por una tasa de mortalidad del 5% alcanzando un pico en 7 días). Podemos suponer que este último se elevará más rápido, alcanzará una mayor altura y se estabilizará antes que el primero. Esto significa que más personas de 80 años morirán, y más rápidamente, debido a su inmunidad generalmente más baja y una salud general más débil. Lo mismo puede decirse de las personas con afecciones de salud como enfermedades cardíacas y diabetes, así como de los fumadores crónicos . Además de estos factores (los muy viejos y los muy jóvenes han demostrado mayor vulnerabilidad), las curvas de cohorte variarán según el país, la riqueza, etc.

Entonces, ¿por qué no podemos calcular por cohorte y encontrar la tasa de mortalidad?

Esta idea suena bastante simple en teoría: encontrar el número de infectados cada día y rastrearlos a nivel de cohorte y obtendríamos la tasa de mortalidad. En la práctica, esto es un poco difícil. Aquí hay algunos desafíos.

  1. La fecha de infección : dado que la incubación varía y aún es incierta, es difícil determinar la fecha de infección. Además, los síntomas varían entre los diferentes grupos, y tomaría mucho tiempo documentar a cada persona que muestre síntomas como tos o fiebre. Como no existe un síntoma definitorio del COVID-19, los síntomas ambiguos, como la tos, podrían ser sintomáticos de la gripe o del resfriado común.
  2. El # / infectado: es probable que haya muchas personas que no han sido analizadas pero que tienen el virus desconocido. Es aún más difícil ya que algunos tienen la infección y son asintomáticos. Ahora, dado que las personas se ven obligadas a permanecer en cuarentena en Wuhan, es un poco fácil
  3. Tiempo hasta la mortalidad : no sabemos cuánto tiempo tarda la gente en morir por infección, ya que las fechas en que las personas muestran síntomas pueden diferir y pueden informarlas en fechas diferentes, incluso si todos lo contrajeron el mismo día.
  4. El riesgo de mortalidad varía con la edad, la salud, etc. Las personas enfermas y las personas mayores son mucho más vulnerables que las personas sanas. Si las proporciones de los diferentes grupos de riesgo en cada cohorte infectada cambian, también lo hará la tasa de mortalidad.
  5. El riesgo de mortalidad varía según el lugar.: Con cualquier contagio de rápida propagación, las muestras elegidas para determinar la tasa de mortalidad están sesgadas, ya que el virus se propaga tan rápidamente, afectando a diferentes personas en diferentes lugares. Hasta ahora, la tasa de mortalidad está compuesta principalmente por aquellos que capturaron el Coronavirus durante enero en la ciudad de Wuhan. A medida que el virus se mueva a diferentes lugares, la mortalidad será inherentemente diferente y, por lo tanto, debe ser representativa de la amenaza planteada para que se puedan tomar las precauciones adecuadas. Por ejemplo, el peligro que representa para las personas en Somalia, por ejemplo, sería significativamente mayor que el peligro para las personas en Suiza, debido a factores como la inmunidad / salud de las personas, el saneamiento, el acceso a servicios médicos, etc. Una evaluación precisa de la amenaza, la tasa de mortalidad debe expresarse por cohorte.

Idealmente, ¿cómo podemos solucionar esto?

Necesitamos tener datos mucho más granulares a nivel de cohorte que puedan ayudarnos a modelar la tasa de mortalidad. Desafortunadamente, esos datos no parecen estar disponibles.

Los gráficos triangulares son la forma correcta de calcular la tasa de mortalidad por cohorte. Necesitaríamos construir estas tablas triangulares para grupos que sean lo más homogéneos posible para asegurar que ciertos miembros no sesguen las tasas de mortalidad. La edad, los grupos médicos de alto riesgo y los países son los segmentos granulares correctos para observar. Con estos, podemos medir con mayor precisión la tasa de mortalidad para cada grupo.

A continuación se muestra un ejemplo de gráfico triangular para la tasa de mortalidad.

Aquí, las filas superiores representan cohortes más antiguas, y las cohortes más nuevas están representadas por las filas inferiores. Cada columna representa un día adicional después de que fueron infectados, con el número en el cuadro que representa el número acumulado de muertes dentro de la cohorte. Al escanear los cuadros en diagonal de derecha a izquierda, se obtienen los números de cada cohorte el mismo día.

Para modelar el número de muertes, se hacen dos supuestos.

1) Hay una tasa de mortalidad del 5% entre todas las cohortes.

2) Si las personas murieron, murieron dentro de los 7 días después de contraer el virus. Además, los datos son solo de la provincia de Hubei, donde se encuentra Wuhan.

Podemos ver inmediatamente el gradiente de frío a cálido entre las filas más altas y más bajas. Esto significa que las cohortes más antiguas eran más pequeñas para empezar y las más nuevas son más grandes, lo que indica la propagación del COVID-19. (ver la figura de arriba)

Aunque la información puede mostrar una imagen general de lo que está sucediendo, arrojando luz sobre la naturaleza básica de la propagación de COVID-19, el modelo tiene varias deficiencias. En primer lugar, no toda la información está disponible, por lo tanto, las filas completas sin datos. Puede haber muertes no explicadas, especialmente en Wuhan, el epicentro. Probablemente estamos contando muy poco la cantidad de infectados. Tampoco entendemos cuánto tardan las personas en morir una vez infectadas. No conocemos la mezcla de viejos y jóvenes; sano y enfermo etc. A pesar de sus deficiencias, el modelo sigue siendo ilustrativo.

Bien, aquí hay un análisis preliminar que muestra que los datos son muy incorrectos

A continuación, utilizamos el modelo (hay una tasa de mortalidad del 5% y el número de días hasta la muerte es 7) para comparar el número previsto de muertes versus el real en la provincia de Hubei.

Esta cifra compara el modelo del número de muertes acumuladas con la tasa de mortalidad supuesta y el tiempo hasta la mortalidad con los números informados por Beijing. Nuestro modelo, con los parámetros actuales, es sorprendentemente cercano. Sin embargo, dada la gran cantidad de factores además del tiempo hasta la mortalidad y la tasa de mortalidad, nunca podemos estar completamente seguros de cuáles son los números reales. Aquí hay algunas ideas clave.

  • Si el número de infectados es correcto, entonces la tasa de mortalidad es probablemente mucho más alta que el 2.5% y más cercana al 5% o incluso mayor.
  • Si el tiempo hasta la mortalidad es superior a 7 días, la tasa de mortalidad será incluso superior al 5% y podría llegar al 10% o más.
  • Si el número de infectados es sustancialmente mayor, es posible tener una tasa de mortalidad demasiado pequeña (incluso tan pequeña como 1%).

Cabe señalar que existen múltiples formas de llegar al mismo número de muertes alterando algunos de estos parámetros. En cualquier caso, es muy probable que los datos sean muy incorrectos (muchos más están infectados) o que tengamos una crisis grave (la tasa de mortalidad es> 5%).

Comida para llevar

  • El método actual para calcular la tasa de mortalidad de COVID-19 es inherentemente defectuoso, ya que no tiene en cuenta el efecto de retraso.
  • Se presenta un nuevo enfoque (basado en cohortes) para calcular la tasa de mortalidad.
  • El modelo y los datos reales están muy de acuerdo, utilizando parámetros específicos (tasa de mortalidad del 5% y 7 días hasta la mortalidad).
  • Esto implica que la tasa de mortalidad es más alta de lo que se pensaba o que la cantidad de casos es mucho más alta que la reportada.

Fuente: https://towardsdatascience.com/why-the-coronavirus-mortality-rate-is-misleading-cc63f571b6a6

Comments (2)

  1. Hello there, I found your blog via Google while searching for a related topic, your website came up, it looks good. I have bookmarked it in my google bookmarks.

  2. Hey! This is my first visit to your blog! We are a collection of volunteers and starting a new initiative in a community in the same niche. Your blog provided us beneficial information to work on. You have done a wonderful job!

Comment here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.