La pandemia por SARS-CoV-2 ha ocasionado un alto impacto en la salud pública y en la economía a nivel mundial y su trascendencia futura probablemente marque una generación. El 11 de marzo de 2020 la OMS declara la enfermedad producida por el SARS-CoV-2 como pandemia1, mientras en los países europeos ya existía transmisión descontrolada del virus.

Tras un fallo colosal de los mecanismos de detección, alarma y control de la enfermedad, agudizado por la falta de pruebas diagnósticas, comenzó la transmisión comunitaria1 en la mayor parte de los países, lo que obligó a tomar medidas excepcionales de salud pública, como el confinamiento forzoso de la mayor parte de la población para cortar las cadenas de transmisión del SARS-CoV-2 2. En España, el confinamiento se aplicó a nivel nacional, pero con una situación epidemiológica muy desigual entre las provincias españolas3. En algunas provincias este confinamiento llegó tarde y no se pudo evitar el colapso del sistema sanitario4, mientras que, en otras, debido a la baja transmisión comunitaria, el SARS-CoV-2 causó un impacto en hospitalizaciones y fallecimientos mucho menor5. El confinamiento logró progresivamente el control de la enfermedad, pero también un indudable impacto económico6.

Disponer de umbrales epidemiológicos de fácil interpretación y que, con pocos datos, permitan predecir la evolución de la pandemia en áreas pequeñas (a nivel de provincia o incluso de áreas más pequeñas), podría permitir a las autoridades sanitarias actuar de forma más eficiente a través del establecimiento de medidas de salud pública más o menos drásticas ante aumentos de incidencia que conlleven transmisión comunitaria no controlada. Hay que destacar que estos umbrales reflejan múltiples características intrínsecas de un país y de una población, desde los comportamientos y contactos sociales hasta la propia estructura de la atención primaria y atención hospitalaria, por lo que umbrales epidemiológicos «de disparo» en un país concreto, no tienen necesariamente por qué ser aplicables en nuestro país. Por esta razón, desarrollar umbrales o niveles de alerta propios podría evitar que las autoridades sanitarias tomasen decisiones erróneas como, por un lado, confinamientos innecesarios (falso positivo) y, por otro, decidir no confinar cuando esta acción es necesaria (falso negativo).

El objetivo de este trabajo es clasificar las provincias españolas en función de la evolución de la pandemia de SARS-CoV-2 durante el período de febrero a junio de 2020 y proponer valores umbrales en las tasas de incidencia que indiquen diferentes niveles de alerta para la vigilancia epidemiológica, que pueden ser útiles para la toma de decisiones que afecten a la movilidad de la población u otras medidas.

Entre el 31 de enero y el 28 de junio de 2020 se notificaron de forma individual a la RENAVE, en función de la fecha de inicio de síntomas, 269.976 casos totales de COVID-19, de los que 20.670 (7,7%) fueron diagnosticados con pruebas rápidas y se descartaron para este análisis. Los 249.306 casos restantes suponen una incidencia acumulada de 526,74 casos por 100.000 habitantes.

Las series de incidencia acumulada para la clasificación de las provincias incluyen 92 días, con fechas de inicio entre el 24 de febrero (Madrid) y el 11 de marzo (Ceuta); en 9 provincias, la fecha de inicio fue el 8 de marzo. En ese período, las provincias con mayor incidencia acumulada fueron Segovia, Ciudad Real y Soria, las 3 con más de 1.500 casos por 100.000, mientras que Huelva, Almería y Las Palmas tuvieron en ese período menos de 100 casos/100.000 (tabla 1 y fig. 1). A nivel estatal, el pico de casos se alcanzó el 20 de marzo, con 10.390; por provincias, la fecha del pico varía entre el 13 de marzo en Melilla y el 21 de abril en Huesca.

Figura 1.

Incidencia acumulada de casos de COVID-19 por 100.000 habitantes en las 52 provincias españolas en un período de 92 días, que varía por provincia entre el 24 de febrero y el 8 de junio.

(0.16MB).

Al aplicar el análisis de componentes principales funcional se identificaron 2 componentes (fig. 2) que explican el 99% de la variabilidad de las 52 curvas. La primera componente se puede interpretar como la tendencia global de la incidencia acumulada, y la segunda componente como la velocidad de crecimiento o decrecimiento de la incidencia a lo largo del período de análisis.

Figura 2.

Componentes principales de las 52 curvas de incidencia acumulada de casos de COVID-19 por 100.000 habitantes en un período de 92 días, que varía por provincia entre el 24 de febrero y el 8 de junio.

(0.05MB).

Tras aplicar el análisis clúster a las coordenadas de las 2 componentes principales se identificaron 10 provincias en el grupo de peor evolución, 17 en el de evolución intermedia y 25 en el de mejor evolución. Los grupos están definidos fundamentalmente por la coordenada de la primera componente, como se puede observar en la figura 3. En el mapa de España (fig. 4) se observa que las provincias de mejor evolución se concentran en el sureste de la península (Andalucía, Murcia, Comunitat Valenciana, además de Badajoz y Tarragona) y en el noroeste (Galicia – excepto Ourense – Asturias, Zamora, además de Navarra), y las de peor evolución forman un arco desde Salamanca a Álava pasando por Madrid, además de Cuenca, Albacete y Ciudad Real.

Figura 3.

Coordenadas de las 52 provincias en las 2 componentes principales de las curvas de incidencia acumulada y clasificación en 3 grupos a partir de las coordenadas.

(0.07MB).

Figura 4.

Distribución geográfica de los grupos de diferente evolución de la pandemia.

(0.09MB).

En España se diagnosticaron 227.958 casos de COVID-19 desde el inicio de la pandemia hasta el 11 de mayo y se estimó que el número de infectados hasta esa fecha fue de 2.366.499 (prevalencia del 5% del estudio ENE-COVID19), lo que resulta en una tasa de detección del 9,6%. Las tasas de detección por CA varían entre el 5,4% en Andalucía y el 38,2% en La Rioja (tabla 2) y los factores de corrección varían, por tanto, entre 18,6 y 2,6 (tabla 1).

La mediana de las tasas de incidencia corregidas provinciales a 7 días el día 15 de marzo de 2020 fue de 236,4 casos por 100.000 en el grupo de peor evolución, 136,1 en el grupo intermedio y 67,1 en el de mejor evolución, con un recorrido intercuartílico de 339,2; 172,6 y 79,1 respectivamente. Para el cálculo de los valores umbrales en las tasas mediante curvas ROC se consideraron 2 situaciones que resultan de tomar como marcador la tasa corregida y como estatus el grupo de peor evolución o evolución intermedia. El área bajo la curva ROC fue 0,757 y 0,770, respectivamente y los puntos de corte en la tasa de incidencia a 7 días fueron 134 casos por 100.000 para el nivel de alerta 1 (medio) y 167 para el nivel 2 (alto); en ambos casos, la especificidad asociada a estos puntos de corte es más alta que la sensibilidad (tabla 3).

Los resultados de esta investigación ponen de manifiesto que fijar determinados umbrales en forma de tasas de incidencia a 7 días podría predecir la evolución posterior de la epidemia de SARS-CoV-2 en zonas geográficas concretas. Esos umbrales indican que se puede discriminar adecuadamente con un bajo margen de error entre zonas geográficas de peor evolución, de evolución intermedia y de buena evolución, cuando existe transmisión comunitaria de SARS-CoV-2. La metodología propuesta podría ser útil para otros países, aunque previamente sería necesario hacer estudios similares para comprobar su utilidad y si se mantiene el grado de discriminación. Que sepamos, este es el primer estudio que aplica esta metodología para predecir el comportamiento de la pandemia basado en la incidencia de la enfermedad.

En España y en otros países, ante una situación nueva y desconocida hasta la fecha, se aplicaron medidas de confinamiento extraordinarias. Los resultados de este estudio indican que, con esos umbrales, el confinamiento podría haber llegado tarde en algunas provincias y que en otras quizá habría podido ser evitado o acortado. Si se comparan estos resultados con los observados en el estudio nacional ENE-COVID19 9, puede observarse que, de las 10 provincias identificadas en nuestro estudio como de peor evolución, 6 coinciden con las que han obtenido más de un 10% de incidencia en dicho estudio. De las 23 provincias identificadas en nuestro estudio como de mejor evolución, 16 presentaron una incidencia menor del 2,5% según el estudio ENE-COVID19. No obstante, debe destacarse que ambos estudios no son comparables. Mientras el presente estudio trata de predecir la buena o mala evolución y clasificarla en diferentes escenarios, el estudio ENE-COVID19 tiene como objetivo conocer la incidencia de SARS-CoV-2 e indirectamente la prevalencia por provincia con el objetivo último de obtener información sobre la inmunidad de grupo. Así, la propuesta que presentamos mide también la velocidad de infección por SARS-CoV-2, que es uno de los 2 componentes que explican el 99% de la variabilidad y que tiene un impacto directo en la peor evolución. Se puede alcanzar una misma incidencia acumulada de enfermedad al cabo de 2 meses en una misma provincia, pero a través de diferentes mecanismos de transmisión, uno que podría ser lento y sostenido en el tiempo (aplanar la curva) y otro explosivo que satura el sistema sanitario, equivalente al escenario de peor evolución. La combinación de ambos componentes, siendo el primero la tendencia global de la incidencia acumulada por cada provincia y el segundo la velocidad de crecimiento o decrecimiento de la incidencia a lo largo del período explica la práctica totalidad de la evolución de la pandemia en cada provincia analizada, tal y como se puede observar en la figura 2.

Si bien puede parecer que los umbrales propuestos no tienen en cuenta el confinamiento y que algunas provincias alcanzaron el pico de contagios posteriormente al Decreto de Estado de Alarma, para definir las curvas ROC se ha considerado la tasa acumulada a 7 días pero calculada a 15 de marzo y el área bajo la curva es superior a 0,7 en los 2 casos, con lo que los umbrales establecidos de 134 y 167 casos por 100.000 habitantes son capaces de discriminar el nivel de alerta medio y alto, respectivamente.

A la hora de aplicar estos modelos en nuevos contextos como en la situación actual deben hacerse varias consideraciones. En primer lugar, el modelo es fundamentalmente aplicable en situaciones en las que existe transmisión comunitaria, de origen desconocido y no trazable. En situaciones en las que el número de casos, aunque sea elevado, es de origen conocido y pueden trazarse sus contactos, la velocidad de transmisión puede ser muy alta, pero durante un tiempo muy limitado, por lo que no podría hablarse de una mala evolución sino de un aumento puntual y localizado del número de casos. Finalmente, se ha decidido eliminar de los modelos los casos confirmados a través de test rápidos debido a que su uso heterogéneo en las distintas provincias españolas podría afectar a los resultados, al igual que cierta variabilidad en su fiabilidad diagnóstica. Debemos destacar además que su sensibilidad y especificidad son menores que la prueba de PCR y que en cualquier caso solo supusieron un 7,7% del total. Por provincias, la variación fue importante, entre el 0% y el 45%, con una mediana del 11,2%.

No hemos podido considerar en estos modelos el número de ingresos hospitalarios por provincia, ingresos en UCI o fallecimientos, debido a que no estaban disponibles. De todos modos, haber incluido información de estas características hubiese supuesto introducir como elemento distorsionador la diferente preparación de los sistemas de atención sanitaria ante la pandemia.

Los umbrales obtenidos en nuestro estudio son comparables a los propuestos por otros organismos. Así, el propuesto por el Harvard Global Health Institute especifica, para el nivel máximo de alerta, 25 casos diarios por 100.000 habitantes15. Nuestro modelo indica como este nivel de alerta 167 casos a 7 días, lo que significa 24 (167/7) casos diarios, prácticamente igual al propuesto por esta institución. Sin embargo, los 2 niveles intermedios calculados no son similares. Hay que destacar que nuestro modelo ha sido propuesto de manera ciega y totalmente independiente a lo propuesto por esta institución académica norteamericana. Existen múltiples estudios de modelización de COVID-19 pero se han centrado en aspectos diversos, como predicción de carga hospitalaria, predicción de mortalidad, etc.16–18, pero pocos han sido realizados para establecer la utilidad de umbrales epidemiológicos que puedan predecir la evolución de la pandemia. Otro documento de revisión canadiense indica que el umbral que puede predecir capacidad hospitalaria es el de 30-50 casos por 100.000 habitantes19 (bastante cercano al corte que proponemos de 24 casos por 100.000), pero la OMS no establece umbrales de acción basados en tasas de incidencia sino en la existencia de transmisión comunitaria o clústers de casos20.

Por otra parte, la principal fortaleza del método estadístico empleado está en que permite hacer la clasificación de las provincias teniendo en cuenta su evolución a lo largo del período epidémico, utilizando para ello toda la información de las curvas de tasas de incidencia por 100.000 habitantes. Otra ventaja es que creemos que este tipo de modelos podrían ser aplicables a esta o futuras pandemias, modelizando los 2 componentes analizados en función de las características epidémicas de ese potencial nuevo agente biológico (tiempo de inducción, infectividad).

Finalmente, en cuanto a las limitaciones del estudio, tenemos que decir que la tasa de detección utilizada para hacer la corrección de las tasas a 7 días calculada el 15 de marzo está estimada con los datos de todo el período hasta el 11 de mayo y se ha asumido que es válida a día 15 de marzo. Además, debido a la falta de datos a nivel provincial, se aplicó a todas las provincias de una CA la tasa de detección de la CA, pero podría haber diferencias interprovinciales. También, las tasas de incidencia empleadas para la clasificación de las provincias son por inicio de síntomas, debido a la no disponibilidad de datos por fecha de diagnóstico, que serían los deseables para este estudio.

Para concluir, los umbrales propuestos para establecer una evolución intermedia o una peor evolución en forma de tasa de incidencia a 7 días podrían ser de utilidad para las administraciones sanitarias a la hora de decidir medidas que puedan afectar a la movilidad de la población, siempre y cuando una zona geográfica se encuentre en una situación de transmisión comunitaria de SARS-CoV-2. Esta información es sencilla de obtener a través de los sistemas de información de Salud Pública de las distintas CCAA y puede ser intercomparable entre áreas sanitarias o CCAA.

Los autores declaran no tener ningún conflicto de intereses.