Algunas reflexiones sobre los datos que se están publicando del Covid-19

Carlos Real

hace 6 años

Algunas reflexiones sobre los datos que se están publicando del Covid-19

El avance del virus Covid-19 por el mundo está generando una avalancha de estadísticas y cifras alrededor del mundo y, como ya popularizó Mark Twain, “hay tres tipos de mentiras: mentiras, grandes mentiras y estadísticas” (“there are three kinds of lies: lies, damned lies, and statistics”). Estos días nos encontramos con interpretaciones muy diversas de los datos que se van publicando, por lo que es inevitable hacernos la siguiente pregunta: ¿hasta qué punto son fiables los números que se están compartiendo?

El objetivo de este artículo es repasar algunos ejemplos de los titulares de noticias que han ido apareciendo en España durante las últimas semanas y reflexionar sobre ellos, contrastándolos con los datos de fuentes públicas que hay disponibles, y evaluando si son fieles a la realidad. Como la situación cambia de un día a otro, es importante resaltar que la mayor parte de los datos mostrados a continuación están actualizados hasta el 24 de abril.

Primera hipótesis: “El Covid-19 es similar a una gripe”

Esta afirmación ya ha dejado de escucharse, pero casi todos habremos leído o visto noticias que comparaban ambas enfermedades durante las primeras semanas de la epidemia. Ahora sabemos que las dos grandes diferencias radican en que el Covid-19 presenta una tasa de contagio mayor que la gripe y una letalidad (fallecidos/casos) a priori más alta, a pesar de que todavía no se ha podido confirmar el grado de letalidad exacto de la enfermedad, lo cual es un primer indicio de la falta de precisión en los datos que se están publicando.

A medida que disponemos de información histórica, podemos analizar cómo varía el número de defunciones diarias totales en España. Con estos datos, no es necesaria ninguna explicación adicional para entender que la repercusión del Covid-19 en fallecidos es significativamente más alta que la gripe. En el siguiente gráfico se representan las defunciones reales (línea negra) reportadas por el Sistema de Monitorización de Mortalidad Diaria (MoMo), y en sombreado los periodos de gripe (áreas azules) y del Covid — 19 (área verde):

El máximo de defunciones diarias en los dos últimos años había sido de 1.517 (16 de enero de 2019), mientras que el 31 de marzo de 2020 se han contabilizado 2.472 defunciones, lo que supone un 63% más que ese máximo anterior. A la vista de este gráfico, no cabe duda de las grandes diferencias entre ambas enfermedades.

Otra de las preguntas que nos hacemos en España es hasta qué punto son correctos los datos que se están publicando sobre fallecidos por Covid-19 en España. Responder a esta pregunta es complejo y así lo muestran los datos tan dispares que se están publicando en cada país. Esta disparidad en los números se debe a que el motivo de fallecimiento no está siempre claro, la enfermedad puede coincidir con otras patologías o incluso haber pasado desapercibida, unido a que algunos países prefieren no publicar las cifras reales.

MoMo ofrece adicionalmente información sobre la estimación de defunciones que se habrían esperado tener cada día de acuerdo a las defunciones observadas en años anteriores. Comparando estos datos con los fallecimientos reales reportados por Covid-19, podremos evaluar si estas cifras están alineadas y construir una métrica sobre la diferencia entre los fallecidos a causa del Covid-19 y el exceso de defunciones. A continuación, se muestra un gráfico con las defunciones observadas (línea negra) frente a las defunciones esperadas (línea naranja), y en sombreado amarillo, el intervalo de confianza al 99% asociado a estas estimaciones, es decir, la franja en la que se tendría que haber movido el número de fallecidos en una situación normal:

A la vista de estos datos, podríamos asumir que el triángulo de diferencia entre las defunciones reales (línea negra) y las defunciones esperadas (línea naranja) han sido principalmente producidas por el Covid-19.

A continuación, resumimos las cifras que obtenemos para marzo y abril según los datos publicados de fallecidos por el Covid-19 y el exceso de defunciones contabilizadas por MoMo:

+-------------+----------+-------------+-----------+
|   Periodo   | Covid-19 | Exceso MoMO | Diferencia|
+-------------+----------+-------------+-----------+
| 1-31 Marzo  |    8.662 |      12.694 |     +4.032|
| 1-15 Abril  |   10.231 |      13.934 |     +3.703|
| Total       |   18.893 |      26.628 |     +7.735|
+-------------+----------+-------------+-----------+

Por tanto, desde el 1 de marzo hasta el 15 de abril, en España han muerto 26.628 más personas de las previstas mientras que sólo se han reportado 18.893 fallecidos por Covid-19, es decir, en este periodo se habrían producido 7.735 más de las publicadas, lo que supondría un 41% más de fallecidos por coronavirus que los que aparecen en las estadísticas. En esta comparación, estamos considerando únicamente información hasta el 15 de abril porque los datos de MoMo tienen un retraso en la fecha de notificación, y suelen presentarse diferencias en los últimos siete días.

Podemos replicar el análisis anterior con los datos por comunidad autónoma:

En el gráfico anterior, observamos de nuevo diferencias significativas entre las comunidades, lo cual nos conduce directamente a la siguiente pregunta, ¿se están contabilizando igual los fallecimientos por Covid-19 en todas las regiones de España? A la vista de estos números, todo parece indicar que no, ya que comunidades como Castilla — La Mancha están reportando números mucho más bajos que los esperados (los fallecimientos por Covid-19 podrían haber sido un 113% mayores entre el 1 marzo y el 15 abril de 2020). Se pone de manifiesto que cada comunidad autónoma está contabilizando los fallecimientos por Covid-19 utilizando criterios distintos.

Segunda hipótesis: “La letalidad, fallecimientos entre el número de casos, de la enfermedad en España es superior al 10%”

En España, el número total de casos hasta el viernes 24 de abril ha sido de 205.905 y el número de fallecimientos de 22.905, lo cual nos lleva a una letalidad del Covid-19 del 11,1%. En el siguiente gráfico, representamos las cifras por comunidad autónoma ordenándolas de mayor a menor letalidad:

¿Por qué en Galicia la letalidad es únicamente del 4,3% mientras que en Extremadura o Madrid es 3 veces mayor? Es cierto que existen factores que pueden afectar a cambios en la letalidad por zonas (ej: fecha de comienzo de los casos, mayor estrés del sistema sanitario, edad de la población contagiada, etc.), pero parece que no son motivos suficientes para explicar unas diferencias tan grandes de una misma enfermedad en zonas que se encuentran a pocos cientos de kilómetros.

La manera de contar casos y fallecimientos no es homogénea en las distintas comunidades, por lo que no es posible obtener un dato concluyente sobre la letalidad a nivel nacional, ni territorial y vuelve a ponerse en entredicho los números que se están publicando.

Si analizamos los datos de letalidad en los quince países del mundo con mayor número de casos, observamos que el criterio de contabilizar casos y fallecidos también presenta una gran variabilidad entre países:

Además, y para poder sacar conclusiones sobre la letalidad de un virus como el Covid-19 de manera rigurosa, es necesario tener en cuenta otras variables importantes que afectan como la edad o patologías previas de los enfermos. Uno de los elementos que afectan a la letalidad más alta en algunos países de Europa es el mayor envejecimiento de la ciudadanía, pero esto no sería suficiente para explicar las grandes diferencias que existen entre países como Francia, España, Suiza y Alemania.

Tercera hipótesis: “Madrid es el gran foco de la epidemia en España”

Si por foco pensamos en la región con más casos, Madrid ha sido indudablemente la comunidad más afectada por el Covid-19 durante las últimas semanas en España. Ahora bien, si queremos comparar distintas regiones, parece lógico pensar que hay que relativizar el número de casos y fallecidos a la población que existe en cada comunidad. Si no relativizamos a la población, estaríamos comparando una comunidad como Madrid de 6,6 millones de habitantes con una comunidad como La Rioja de 315 mil habitantes. Si pensáramos en un caso extremo en el que hubiera 315 mil infectados en La Rioja y 315 mil infectados en Madrid, ¿concluiríamos que ambas comunidades están igual de afectadas por el Covid-19?

A continuación, mostramos los datos de nuevos casos y fallecidos diarios por comunidad totales hasta el 11 de abril (fecha hasta la que se iban publicando datos diarios de todas las comunidades). Para cada comunidad añadimos la Tendencia de Loess, curva suavizada de cada serie que permite comparar más fácilmente los resultados:

Ahora bien, si calculamos los datos divididos por población, estos resultados cambian. A continuación, mostramos únicamente las curvas suavizadas dividiéndolas entre la población de cada comunidad:

Con esta visión, curiosamente Madrid y Cataluña se aproximan al resto y la comunidad que está por encima en todo momento en número de casos es La Rioja, es decir, teniendo en cuenta la población y si asumiéramos que son correctos los casos publicados, podríamos afirmar que en La Rioja ha habido más contagiados per cápita que en Madrid. Si observamos los datos de fallecidos, Madrid sigue siendo la comunidad con mayores datos relativos, pero varios días es superada por La Rioja y Castilla La Mancha, a diferencia de lo que se observaba en los primeros gráficos.

La tendencia natural de los medios de comunicación es publicar datos absolutos, pero si nuestro objetivo es conocer la foto completa de la situación es necesario acompañar esta información absoluta con datos relativos. Si tomáramos como válidos los datos publicados de casos, podríamos concluir que habría sido más fácil contagiarse por Covid-19 al estar en contacto con alguien en La Rioja que en Madrid.

Todos nos estamos preguntando cómo va a cambiar el mundo tras la pandemia. Además de los cambios de hábitos sociales y culturales que se sucederán en el corto y medio plazo, esta situación nos debería servir para concienciarnos de la importancia de disponer de datos de calidad que reflejen la realidad lo mejor posible. Si una compañía posee datos imprecisos esto puede tener un impacto negativo en su negocio, pero cuando se trata de una epidemia, lo que está en juego son las vidas de miles de personas. Este artículo sólo muestra algunas de las muchas inexactitudes de los datos que se están publicando y que dificultan aún más el control de la pandemia.

A modo de reflexión final, esta situación tendría que convertirse también en un punto de inflexión en cuanto a la importancia que la sociedad otorga a los datos, y que nos lleve a grandes mejoras en las siguientes áreas:

1. La calidad de la información es clave para tomar buenas decisiones en cualquier ámbito. Ahora se hace más popular que nunca el dicho “Es peor tener malos datos a no tener nada” (“Bad data is worse than no data”). En situaciones de crisis sanitarias como la actual hay que garantizar que la información sea precisa y que llegue con velocidad para que la reacción de los países sea lo más rápida y eficaz posible.

2. Si se quiere comparar la propagación del virus e indicadores como la letalidad o mortalidad entre distintas regiones, es necesario disponer de un sistema unificado de medición. Si el sistema no es único, se tienen que conocer las diferencias para poder ponderar los resultados y sacar conclusiones correctas de la información. En España se está planteando la posibilidad de realizar una desescalada de las restricciones de movilidad por regiones, pero la pregunta es la siguiente ¿se dispone de información homogénea para decidir qué comunidades pueden relajar las restricciones antes?

3. Se tiene que fomentar la publicación de datos más desagregados y granulares sobre la epidemia. Los datos sanitarios son muy sensibles, pero correctamente anonimizados, pueden ser de gran utilidad para frenar la propagación de la epidemia.

4. La realización de tests masivos es fundamental para anticipar la evolución del virus, así como para comunicar una foto realista de la situación. En muchas regiones se están realizando únicamente tests a aquellos pacientes que presentan síntomas, pero ante un virus que se puede presentar de manera asintomática, es indispensable realizar estudios aleatorios de muestras representativas de la población. Estos estudios son imprescindibles si se quieren realizar predicciones precisas de la futura expansión de la epidemia.

5. Los datos se deben mostrar de manera transparente y la sociedad tiene que estar preparada para un análisis crítico de ellos. Como hemos ido repasando en varios ejemplos sencillos, la manera de presentar los resultados puede conducir a lecturas muy diferentes de la información. Los medios de comunicación están en la obligación de detallar siempre los datos que están mostrando y acompañarlos de datos relativos si es necesario, pero también es responsabilidad de todos que estemos preparados para interpretar correctamente las estadísticas de cualquier ámbito.