En Madrid, la letalidad del coronavirus es del 13,27%; en Melilla, del 2,17%: los motivos detrás de las diferencias entre comunidades
En ese 2,17% de Melilla y el 13,27% de Madrid, se extienden todas comunidades autónomas del país. Ese dato, las considerables diferencias de la mortalidad entre zonas del país, es algo que uno difícilmente puede quitarse de la cabeza cuando se mira las cifras de la epidemia.
¿Qué está pasando? ¿Por qué muere más gente, proporcionalmente, en Madrid o Extremadura que en las ciudades autónomas o en Galicia si el virus es exactamente el mismo? El virus es el mismo, sí; pero la epidemia cambia en cada comunidad, en cada provincia y en cada hospital. La España del coronavirus es tan compleja que ni siquiera los datos que las comunidades dan al Ministerio son comparables entre sí. ¿Que por qué hay tantas diferencias en los datos? En esta guía sintetizamos los motivos principales.
¿Por qué cambian tanto las cifras de mortalidad?
Hay dos grandes conjuntos de razones que explican las diferencias entre comunidades autónomas: las primeras tienen que ver con que en las distintas comunidades están pasando cosas diferentes a nivel epidemiológico y asistencial. Al fin y al cabo, no solo es que las estructuras de los brotes haya sido particulares en cada lugar, sino que las dinámicas socioeconómicas, la estratificación social y la estructura sociodemográfica es, a veces, radicalmente distinta. Incluso la capacidad asistencial cambia de manera muy profunda interestatalmente.
El otro gran conjunto de razones es metodológico: cada comunidad autónoma contabiliza cada una de las métricas de la epidemia como cree oportuno (y, es más, han modificado los método de contabilización a lo largo de la crisis). El mismo Ministerio ha llegado a reconocer en varias ocasiones que los datos que reciben de los servicios autonómicos de salud no son homologables entre sí. Esto, pese a los esfuerzos del Centro de Coordinación de Alertas y Emergencias Sanitarias por unificarlas, incorpora problemas a las estadísticas que hacen difícil entenderlas.
Hemos elaborado un pequeño resumen de cómo afectan las distintas variables a los datos finales para ayudarnos a leer las gráficas con todo el contexto sociodemográfico, sanitario y epidemiológico. Hay más variables y, en el futuro, todo indica que encontraremos aún más: no obstante, creemos que las que recogemos aquí son fundamentales para entender el fenómeno de las diferencias.
¿Qué está ocurriendo en las distintas Comunidades?
Están en distintas fases de la epidemia
En España, a diferencia de otros países como China o Italia, las medidas se aplicaron a todo el país casi al mismo tiempo. Hay alguna variación de días en el cierre de escuelas, pero (en términos generales) fue muy homogénea. Sin embargo, no todas las comunidades estaban en la misma fase de la epidemia. A efectos prácticos, esto significa que no en todas las comunidades se intervino en el mismo momento de evolución (y, por ello, en unas sería tarde y en otras sería pronto).
En las últimas semanas, se ha hablado mucho de lo que podríamos denominar el "efecto multiplicador de retrasar un día las medidas". El hecho de que tomar las medidas antes o después tiene un impacto muy importante (más del que intuitivamente podríamos creer) en la evolución de la epidemia. Las diferencias que nos estamos encontrando se pueden deber, en parte, a esto: a efectos relativos, hubo comunidades que llegaron mucho antes a las medidas que otras (y la evolución de estas ha sido mucho mejor).
El virus ha afectado a distintos grupos
Hay todo un conjunto de factores que tienen que ver con cómo son las dinámicas (familiares, sociales y económicas) internas en las distintas sociedades. Muchos expertos sostienen que estas dinámicas particulares provocan que, en las primeras fases de la pandemia, antes de que alcance a grandes capas de la población, la composición del brote no sea idéntica (algo que puede produce diferencias en la mortalidad). La hipótesis más conocida fue la que elaboraron Moritz Kuhn y Christian Bayer, dos profesores de economía de la Universidad de Bonn, y trataban de explicar que las redes sociales que ya existían en las sociedades son fundamentales para que la enfermedad pudiera propagarse.
En ese caso concreto, su idea nos decía que el número de personas trabajadoras que aún viven con sus padres era un factor decisivo en las altas cotas de mortalidad (porque, según su criterio, las relaciones intergeneracionales eran especialmente peligrosas). Sin embargo, hay muchos más factores de este tipo que van desde el tipo de viajeros que llegan a los aeropuertos (siendo los viajeros de negocios más problemáticos que los turistas) a la composición de los sectores productivos y su estacionalidad.
Unas están más envejecidas que otras
Relacionado con esto último, el envejecimiento de la población siempre es un factor a tener en cuenta en este tipo de epidemias. A nivel teórico, como el virus es especialmente peligroso en estos segmentos de la población, se esperaría que las zonas con mayor porcentaje de personas mayores tuvieran mayores tasas de mortalidad. Eso sí, sabemos que hay elementos que pueden moderar ese impacto. No hay que olvidar que el mismo Ministerio maneja la cifra provisional de que hay un 15% de contagiados en el país: la misma lógica del apartado anterior nos dice que el brote no tendría por qué centrarse en la tercera edad.
No ha sido el caso español, desde luego. Desde un primer momento, España sufrió brotes importantes en las residencias de ancianos que explican buena parte de las dramáticas cifras de mortalidad (comparadas con el resto del mundo). Y más allá de eso, vemos que si nos fijamos en el gráfico superior, podemos ver cómo existe una relación bastante definida entre la densidad de muertes (fallecimientos por millón) y el porcentaje de población mayor.
No tienen la misma capacidad asistencial
Durante semanas, la idea de "aplanar la curva" se ha convertido en un leit motiv de la epidemia. La idea que se esconde en este concepto es que la sobrecarga asistencial es especialmente peligrosa y dispara el número de muertes en la medida en que provoca que muchas personas no tengan acceso a los recursos sanitarios necesarios. Sin embargo, este es un factor que es muy difícil estimar en plena epidemia (al menos con los datos que tenemos). No obstante, hay otros factores relacionados con este que sí son fácilmente cuantificables: la capacidad asistencial.
El mejor ejemplo, son el número de camas UCI. En una epidemia como esta las unidades de cuidados intensivos son un elemento crucial en el tratamiento de los casos más graves. Eso podría llevarnos a pensar que una mayor dotación de estas instalaciones (por millón de habitantes) debería de traducirse en menores tasas de mortalidad o, al menos, en fallecimientos más demorados en el tiempo. Aunque algunas de estos fenómenos no se pueden descartar con los datos disponibles, lo que señalan las estadísticas es de hecho una relación completamente distinta.
Hay varias explicaciones para esto. La primera la veremos más adelante con detalle y se centra en el hecho de que la capacidad asistencial tiene una relación muy estrecha con el número de casos, de hospitalizados y fallecidos. El resto señalan que, probablemente, haya factores de confusión. Es decir, que el motivo de que haya más instalaciones asistenciales sea el mismo que el que impulsa la virulencia de los brotes. No obstante, estas hipótesis son solo sugestivas. Hará falta elaborar análisis más pormenorizados para aclarar el asunto.
Unas son más ricas que otras
Y es que, efectivamente, una de las variables más llamativas a nivel internacional es la relación entre la incidencia del coronavirus y la renta per cápita. Los brotes del SARS-Cov-2 tienen una tendencia estadistica bastante llamativa a darse en zonas más ricas. Esto ocurre en todo el mundo y, como podéis ver en la gráfica superior, también ocurre en España. No están claros los mecanismos que están detrás de este fenómeno.
Sin embargo, parece un buen proxy para entender algunas de las diferencias entre comunidades. Es cierto que, a medida que la epidemia evoluciona, estamos viendo cómo esta tendencia se difumina. Es esperable que el virus tenga una mortalidad por millón parecida en todos los territorios. Sin embargo, aun podemos ver cómo estas diferencias socioeconómicas juegan un papel importante.
¿Por qué los datos no son comparables?
Cuando nos enfrentamos a los datos recogidos durante una pandemia como la actual debemos tener en cuenta que su función no es solo la de ser fiables, válidos y precisos, también (y sobre todo) han de ser útiles. Los sistemas de salud están tan tensionados que normalmente no se pueden permitir invertir recursos en generar estadísticas que no tengan una utilidad clínica clara y, a menudo, postergan la generación de datos con fines meramente informativos para más tarde.
Esto hace que muchas definiciones básicas (contagiados, hospitalizados, pacientes críticos o fallecidos) cambien de un sitio a otro para adaptarse a la situación asistencial, demográfica y epidemiológica. Parte de la falta de homogeneidad se explica, como veremos, por esto. Esto sería un problema menor si hubiera trasparencia a la hora de explicar definiciones y procedimientos de cuantificación. Sin embargo, es algo que en España no está ocurriendo más que de forma esporádica.
Esto ha llegado a tal extremo que el grupo de investigación MUNQU de la Universitat Politècnica de València, uno de los grupos punteros en epidemiología, han dejado de publicar informes porque la falta de información hace imposibles saber qué miden realmente los datos. Por ello, lo que nos interesa en esta parte de la guía es tratar de entender por qué los datos de . Evidentemente, hay más factores a tener en cuenta (algunos de carácter puramente estratégico), pero adentrarnos en ellos en este momento sería demasiado especulativo.
¿Qué es un fallecido COVID?
Como el mismo Ministerio ha reconocido en sus ruedas de prensa, salvo en algún caso aislado, en España no se están haciendo necropsias para saber si los fallecidos tenían o no la enfermedad. Eso quiere decir que solo computa como fallecido por COVID aquellos que estaban diagnosticados previamente a la muerte. Esto es algo que hemos visto en Italia (donde en algunas localidades los registros señalan que, tomando como referencia la media de otros años, hay cuatro veces más fallecidos que los que indicaba el registro de coronavirus) o el Reino Unido, donde en la última semana del mes apsado hubo 1.000 fallecidos más que en lo esperado y solo 539 se han atribuido al COVID.
De esta forma, los procedimientos de diagnóstico tienen una relación muy estrecha con el número de muertes. Es decir, que en las autonomías donde menos tests se hayan hecho por millón de habitantes es razonable encontrar menos fallecidos del registro inicial. Al final de la epidemia, cuando podamos contabilizar todo con detalle, veremos que las cifras oficiales actuales no son más que una pequeña parte del impacto real.
¿Qué es un hospitalizado?
En varias ocasiones, el Ministerio ha explicado que, bajo su criterio, como la mayor parte de casos españoles han sido hospitalizados, este fenómeno se corregiría. Sin entrar a debatir en el enorme efecto de composición de la muestra (si haces la prueba mayoritariamente a gente hospitalizada el resultado es que la mayor parte de positivos habrán estado hospitalizados), esto introduce otro criterio más: no podemos asumir que la 'hospitalización' se rige por criterios estables.
Lo cierto es que las distintas autonomías han seguido distintos criterios a la hora de hospitalizar pacientes. De hecho, como veremos que ocurre en las UCIs, esos criterios cambian de hospital en hospital. Esto se debe a que no existen un "conjunto objetivo de síntomas" que automáticamente haga a los pacientes hospitalizables, sino que esos síntomas (y su gravedad) cambian dependiendo del nivel de saturación del sistema.
En las primeras semanas, veíamos como personas con síntomas leves o inexistentes pasaban la cuarentena en el hospital. Ahora, en las zonas más saturadas, vemos como pacientes mucho más graves tienen que aguardar en casa o en urgencias para ser ingresados. En algunos momentos de la epidemia, en las urgencias madrileñas, había más de 3000 personas esperando cama. En este sentido, en las comunidades más saturadas (con contagio comunitario descontrolado), es razonable esperar que muchos casos no llegaron a hospitalizarse por falta de capacidad.
¿Cómo se traduce esto? En una enorme variedad de formas de medir pacientes hospitalizados. Por ejemplo, mientras Castilla y León o Valencia separan a los pacientes que están en el hospital y los que están en la UCI, Andalucía cuentan a los enfermos que están en UCI como parte del número total de ingresos. Por si fuera poco, la Comunidad de Madrid también cuentan a los pacientes que se esté recuperando en su casa tras recibir el alta, cosa que no hacen otras comunidades.
¿Qué es un paciente crítico?
Con los pacientes que necesitan cuidados intensivos pasa algo similar. No pueden existir criterios comunes ni siquiera entre hospitales. El número de camas de UCI es limitado y, pese a que se han tratado de ampliar, eso hace que en un contexto de saturación los médicos tengan que tomar decisiones sobre quién las ocupa. Tanto Pablo de Lora, por un lado, como Javier Padilla y Borja Barragué por el otro ha escrito largo y tendido sobre los criterios para tomar estas decisiones. Pero, sea como sea, el resultado es el mismo: a mayor saturación de las unidades de cuidados intensivos, un mayor número de pacientes (que en condiciones normales estaría en ellas) quedaría fuera.
De hecho, más allá de esto que serían diferencias 'asistenciales', sabemos que las distintas comunidades cuentan diferente los enfermos de UCI. Algunas comunican al Ministerio los casos activos durante las 24 horas previas, mientras otras informan del total de casos acumulados. El día 2 de abril, por ejemplo, el ministerio aclaró que "las Comunidades de Galicia, Castilla-La Mancha, Castilla y León, Comunidad Valenciana y la Comunidad de Madrid presentan datos de prevalencia (personas ingresadas a fecha de hoy)" y "no reflejan el total de personas que han sido hospitalizadas o ingresadas en UCI a lo largo del periodo de notificación". Haciendo insostenible decenas de modelos epidemiológicos que se basaban en esos datos.
-
La noticia En Madrid, la letalidad del coronavirus es del 13,27%; en Melilla, del 2,17%: los motivos detrás de las diferencias entre comunidades fue publicada originalmente en Xataka por Javier Jiménez y Javier Lacort .
Fuente: Xataka
Enlace: En Madrid, la letalidad del coronavirus es del 13,27%; en Melilla, del 2,17%: los motivos detrás de las diferencias entre comunidades
Comentarios
Publicar un comentario