Los datos del Covid-19: ¿qué dicen y qué no dicen?

Image credit: Unsplash

Todos hemos estado estos días muy pendientes de los datos reportados por los gobiernos sobre el estado del Covid-19: si el número de casos infectados aumentaba, si lo hacía el número de muertes, la mortalidad del virus o bien qué diferencias existen entre países. ¿Qué tienen de cierto estos indicadores? ¿Cómo debemos interpretarlos? Este apunte describe algunos de los problemas básicos de los principales indicadores del coronavirus en relación con su validez y fiabilidad: un indicador es válido cuando realmente mide lo que decimos que pretende medir; un indicador es fiable cuando lo mide siempre de igual forma en el espacio y el tiempo. Veamos ejemplos1.

Número de casos

Sobre el número de casos, ¿cómo de bien los datos de número de personas infectadas reflejan realmente el número de personas infectadas? Hay un problema claro de validez porque la cifra de personas infectadas en una población no mide el número real de personas infectadas por el coronavirus: muchas de ellas no han sido identificadas y, por lo tanto, no figuran en el recuento. Pueden ser personas asintomáticas o que simplemente no se les haya realizado la prueba. Lo único que sabemos es que la cifra real es mucho mayor de la que se maneja en las cifras. Algunas de las estimaciones calculan que la cifra real puede ser entre 3 y 20 veces superior a la registrada por las autoridades.

El cómputo del número de personas infectadas también puede variar en espacio y tiempo debido a la manera como se utiliza el instrumento de medición. Esto deriva de un problema de fiabilidad de los datos y puede obedecer a distintos motivos. Por ejemplo, Corea del Sur practicó test masivos a la población y, en cambio, otros países no han seguido la misma política. Por tanto, podemos esperar que el número de casos sea mucho mayor en Corea del Sur, pero esto no quiere decir que en Corea del Sur haya más infectados. Simplemente los instrumentos de medición utilizados entre distintos territorios han sido diferentes.

Puede haber otros problemas de fiabilidad: la capacidad de practicar pruebas de Covid-19 puede variar según las políticas gubernamentales, según los recursos disponibles (los test de Covid-19 y personal sanitario para practicar las pruebas), según la prueba practicada (cabe recordar que los test tienen diferente capacidad de detectar casos) o según los criterios utilizados para considerar una persona como positiva (en algunos lugares la persona es considerada como positivo si presenta los síntomas mientras en otros la persona debe dar positivo en una prueba).

Dichos instrumentos para el recuento varían entre territorios, pero también pueden variar en el tiempo dentro de un mismo territorio. Por ejemplo, por un cambio en la manera como se recuenta. La Figura 1 ilustra un ejemplo de este problema en el llamado ‘weekend-effect’: en el fin de semana hay menor personal sanitario por lo que hay menor capacidad de realizar test de Covid-19. En consecuencia, en algunas Comunidades Autónomas (CCAA) se observa una disminución del número de casos en fin de semana y un aumento durante la semana.

Contagios nuevos

Figure 1: Contagios nuevos

De ello podríamos concluir que, si nos preguntamos por la evolución de los casos de Covid-19 en el tiempo, tendrá mayor validez observar el fenómeno entre semanas y no entre días.

Fallecimientos

Con respecto a los fallecimientos, ¿cómo de bien los datos de número de personas fallecidas por el Covid-19 reflejan realmente el número de personas fallecidas por el Covid-19? Estos datos presentan, a priori, menos problemas de validez y fiabilidad para representar el número real de fallecidos a causa del coronavirus, aunque no está exento de problemas. Por ejemplo, hay personas que mueren en sus casas sin ser diagnosticadas previamente (validez) mientras que existe una variación entre gobiernos en el recuento de fallecidos en residencias de ancianos: puede que haya algunas CCAA que los registran como víctimas del Covid-19 y otras no (fiabilidad).

Teniendo en cuenta los problemas en el recuento de casos y fallecidos, de ello se deriva que las ratios de mortalidad (fallecidos / casos) sean también poco válidas y fiables. En primer lugar, debemos tener en cuenta que primero una persona se infecta y al cabo de unos días (unos diez de media) puede fallecer. Las ratios de mortalidad comparan el número acumulado de fallecidos a día de hoy con el número de casos detectados a día de hoy. Esto es una infraestimación: hay detectados hoy que fallecerán al cabo de unos días, por lo que si nos atenemos sólo a los datos que disponemos, el ratio de mortalidad será superior (tal y como ha sucedido es lógico, pues, que el pico de muertes se produzca una semana más tarde que el pico de casos). Por suerte, hay otros elementos mencionados anteriormente que apuntan a la sobreestimación: muchos casos de personas infectadas no detectados que haría disminuir la ratio de mortalidad.

¿Y los ingresos en la UCI? Algunos médicos han asegurado que, frente al problema inherente que tenemos con los datos, el indicador más válido para conocer la evolución del Covid-19 es el de ingresos en la UCI. Sin embargo, a fecha de hoy este indicador ha tenido un gran problema de fiabilidad en España: algunas CCAA han enviado diariamente al Ministerio de Sanidad el número acumulado de entradas en la UCI (cuantas personas han entrado) mientras que otras reportan la cantidad de personas que se encuentran en la UCI. A ello se añade otro problema de fiabilidad: algunos hospitales más saturados pueden adoptar criterios más restrictivos de entrada en la UCI que otros.

Así, pues, ¿qué criterio deberíamos seguir? El único criterio válido es tener en cuenta todas estas limitaciones de los datos (y otras más) para interpretar estos indicadores y su evolución. La siguiente Figura 2 muestra la evolución en el último mes de casos activos nuevos (es decir, casos infectados nuevos menos recuperaciones nuevas y fallecimientos nuevos) por CCAA por cada 100.000 habitantes. Un valor superior a 0, el número de casos activos crece. Un valor inferior a 0, el número de casos activos disminuye. ¿Hemos pasado la curva? A cada uno su interpretación.

Evolución por CCAA

Figure 2: Evolución por CCAA


  1. Este artículo también se puede encontrar en RPubs y en el blog EDCP de UOC↩︎

Jordi Mas Elias
Jordi Mas Elias
Professor of International Politics

My research interests include political economy, international politics, regionalism, and methodology in social sciences.

Related