El número de nuevas infecciones diarias es uno de los principales parámetros para comprender la dinámica de una epidemia. Sin embargo, durante la pandemia de covid-19 en 2020, esta información ha sido de baja calidad, sobre todo durante los primeros meses, debido al sesgo de las cifras oficiales por el insuficiente número de test diagnóstico realizados.

En este marco, un equipo multidisciplinar de investigadores de la Universidad de Alicante (UA) y el Instituto de Salud Carlos III (ISCIII) de Madrid ha diseñado una metodología retrospectiva, denominada REMEDID (por las siglas en inglés de “Retrospective Methodology to Estimate Daily Infections from Deaths”), capaz de estimar las infecciones diarias a partir del número de muertos, cifra documentada con mayor precisión.

Este trabajo, publicado la revista científica Scientific Reports, “ayuda a analizar y comprender la dinámica de la pandemia y a evaluar a diferentes escalas espaciales y temporales la eficiencia de las medidas adoptadas”, explica el coordinador del equipo, el doctor en Biología e investigador del Instituto Multidisciplinar para el Estudio del Medio “Ramon Margalef” de la UA, César Bordehore.

REMEDID permite el cálculo de series temporales de infecciones diarias a partir de series temporales de muertes diarias. “Las series temporales de alta fidelidad de cada parámetro de una epidemia son cruciales para ejecutar modelos epidemiológicos fiables. Partimos de la base de que, en los primeros meses de pandemia, los datos de infecciones oficiales están muy sesgados a la baja”, insiste Bordehore.

 

 

La línea roja corresponde a las infecciones oficiales, y la naranja a las infecciones estimadas a partir del modelo matemático REMEDID. La curva con el área sombreada en violeta son los casos acumulados de infecciones calculados a partir de REMEDID, y en azul claro, el acumulado de las infecciones oficiales.

 

Análisis de datos

El equipo de expertos ha aplicado este preciso modelo matemático a series temporales estimadas de infecciones, entre el 8 de enero y el 29 de noviembre de 2020, en España y a sus 17 comunidades y dos ciudades autónomas. “Los resultados muestran que los contagios probables fueron entre 35 y 42 veces más que los oficiales el 14 de marzo, cuando el gobierno decretó el confinamiento nacional”, apunta David García, profesor del Departamento de Matemática Aplicada de la UA y primer autor del artículo.

Según este trabajo, el primer contagio en España pudo producirse entre el 8 y el 9 de enero de 2020, unos 43 días antes de los registros oficiales durante la primera ola. “Los estudios de serología realizados por el Instituto de Salud Carlos III nos han dado una estimación realista del número total de infecciones, mostrando que los datos oficiales estaban subestimados. La metodología REMEDID complementa estos estudios reconstruyendo la evolución temporal de dichas infecciones”, añade García.

Por otro lado, detallan, “el confinamiento nacional tuvo un efecto inmediato en la transmisión del virus, como demuestra la rápida disminución de la pendiente en torno al día 14 de marzo. Esta inmediatez en la bajada de la transmisión (la R epidemiológica) no se apreciaba en los datos oficiales de infectados”.

Esta metodología es útil para perfeccionar los modelos y mejorar el conocimiento de la dinámica de la pandemia, incluida la eficacia de las diferentes medidas adoptadas para aplanar la curva y diseñar medidas seguras posteriores al cierre. “Podrían obtenerse modelos más realistas y precisos mediante el uso de un número diario de infecciones más confiable proporcionado por REMEDID, lo que, a su vez, mejoraría el resultado de los modelos y mejoraría las comparaciones de las diferentes medidas de ralentización de la transmisión”, apunta Bordehore.

Además de David García y César Bordehore, este trabajo ha sido desarrollado por los investigadores María Isabel Vigo del Departamento de Matemática Aplicada de la Universidad de Alicante; Eva S. Fonfría y Miriam Navarro del Instituto Multidisciplinar para el Estudio del Medio “Ramón Margalef” de la UA, y Zaida Herrador del Instituto de Salud Carlos III de Madrid.