Proponen herramienta que mejora estimación de casos de COVID

Las estimaciones de casos de COVID-19 en Buenos Aires y Ciudad de México podrían ser hasta dos o cinco veces más altas, respectivamente, de lo reportado oficialmente en 2020, según una nueva metodología matemática desarrollada por investigadores de Brasil y publicada en BMC Infectious Diseases.

El estudio también halló que, en otros sitios analizados en el trabajo, como Chicago, Nueva York y Dinamarca, el subregistro también podría ser entre dos y cinco veces mayor.

Estimar las infecciones por COVID-19 en las poblaciones ha sido una tarea compleja durante la pandemia, y varios casos terminan sin registrarse en cifras oficiales. El estudio de investigadores brasileños propuso una nueva metodología basada en registros diarios de casos, hospitalizaciones y muertes por la enfermedad, teniendo en cuenta la demografía de la región.

“Es una herramienta interesante que puede apoyar otras, como los estudios de seroprevalencia u otros métodos para estimar el subreporte, sobretodo para mirar en retrospectiva”.

Marcelo Fiori, integrante del Grupo Uruguayo Interdisciplinario de Análisis de Datos de COVID‑19 (Guiad)

La base para la estimación son las tasas de hospitalización y muertes en períodos considerados estables en una región determinada, es decir, cuando hay muchas pruebas diagnósticas y un bajo porcentaje de pruebas positivas.

En esos casos, las posibilidades de subregistro son menores y es posible tener una estimación más confiable de las tasas de mortalidad y hospitalización por la enfermedad en una población.

Después de identificar estos intervalos estables, los registros de esos períodos se pueden aplicar al método para estimar el subregistro en cualquier momento en una región.

“Si vemos que en una población la tasa de mortalidad por COVID-19 [en el período estabilizado] ronda 1 por ciento, por ejemplo, podemos usar esta tasa para estimar el número de casos por día”, explicó a SciDev.Net Vinícius Albani, profesor del Departamento de Matemáticas de la Universidad Federal de Santa Catarina, Brasil, y uno de los autores del estudio.

La forma más tradicional de estimar los casos de infección en una población es con estudios de seroprevalencia, que analizan los anticuerpos del virus (en este caso Sars-CoV-2) en el suero sanguíneo para determinar la proporción de una población que ha sido infectada.

Las estimaciones generadas por el método se compararon con los resultados de los estudios de seroprevalencia en los sitios analizados y tuvieron un “notable acuerdo”, lo que “ofrece una fuerte validación de la metodología propuesta”, afirma el artículo.

Sin embargo, “hay lugares que no cuentan con los recursos para realizar estos estudios. Entonces, con base en los datos públicos es posible estimar el subregistro”, dijo Albani.

Los datos sobre hospitalizaciones y muertes por COVID-19 suelen ser más precisos que los datos sobre casos de la enfermedad, ya que en muchos lugares no hay suficiente testeo para detectar a todos los infectados.

“Es una herramienta interesante que puede apoyar otras, como los estudios de seroprevalencia u otros métodos para estimar el subreporte, sobretodo para mirar en retrospectiva”, dijo a SciDev.Net el matemático Marcelo Fiori, integrante del Grupo Uruguayo Interdisciplinario de Análisis de Datos de COVID‑19 (Guiad).

Existen otras herramientas similares a esta metodología, también basadas en la idea de que los datos de hospitalización y muerte son medidas más confiables, y pueden usarse para inferir un subregistro de casos de COVID-19, explica Fiori.

Impactos sobre la vacunación

El trabajo también aborda el tema del impacto del subregistro en las estrategias de vacunación contra el coronavirus, porque cuanto mayor sea el subregistro, mayor será la posibilidad de vacunar a una persona que ya está inmunizada por haberse infectado previamente sin saberlo. Esto podría disminuir el impacto de la vacunación en la reducción de las tasas de mortalidad.

“Si hay un problema muy grave de subregistro, cuando se realiza la vacunación masiva de la población, no habrá el impacto en la reducción de muertes y hospitalizaciones como cabría esperar si solo se hubieran vacunado las personas susceptibles”, dijo Albani.

Según los autores, calcular un número aproximado de casos no reportados puede ser útil, por ejemplo, para ajustar el número de vacunas administradas diariamente para reducir el número de infecciones, hospitalizaciones y muertes.

> Enlace al estudio en BMC Infectious Diseases