Qu¨¦ dicen (y qu¨¦ no) las cifras del virus: por qu¨¦ es tan complicado juzgar la mortalidad por covid de Madrid y cada comunidad
La campa?a electoral multiplica las conclusiones rotundas sobre el ¨¦xito de determinadas medidas o decisiones, pero los expertos recuerdan lo complejo de atribuir causas
Con la campa?a electoral de Madrid se multiplican las comparaciones de las cifras del covid por regiones. Se utilizan para sacar conclusiones rotundas sobre el ¨¦xito de ciertas medidas o ciertos gestores. Pero es un ejercicio complicado incluso usando datos exactos y verdaderos: con un fen¨®meno como la pandemia, seg¨²n cu¨¢les mires puedes proyectar una imagen distinta. ¡°Es un problema complejo en todo el sentido de la palabra, con multitud de factores que se relacionan entre ellos¡±, resume Sa¨²l Ares, investigador del CSIC. Es lo mismo que subraya Clara Prats, de la Universitat Polit¨¨cnica de Catalunya: ¡±Son m¨²ltiples las variables que intervienen y la forma en la que se relacionan¡±. Y tambi¨¦n lo recalca el epidemi¨®logo Alberto Garc¨ªa-Basteiro: ¡°Son muchos los factores y su interrelaci¨®n es compleja: solo modelos muy sofisticados podr¨ªan intentar estimar la fracci¨®n atribuible a cada determinante¡±.
Lo que s¨ª podemos mostrar son las cifras de casos, ingresos y fallecidos. Empezamos con la estad¨ªstica de muertes, que es la medida m¨¢s significativa del impacto de la pandemia, mostrando las registradas desde marzo de 2020, en cada ola y por mil habitantes de cada provincia.
La tabla recoge el total de fallecidos en cada una de las 50 provincias espa?olas (adem¨¢s de Ceuta y Melilla) desde el inicio de la pandemia hasta mediados de abril de este a?o. Para la segunda y tercera ola usamos las cifras de muertes confirmadas que recopila el Instituto de Salud Carlos III. Para la primera, en cambio, usamos el exceso de muertes recogido del INE, porque la detecci¨®n de casos de coronavirus entonces era muy mala.
Seg¨²n estos datos, las provincias con m¨¢s muertes por covid desde el comienzo de la pandemia son Soria (5,9 por cada mil habitantes) y Segovia (5,6); seguidas de Cuenca, Ciudad Real y Salamanca (alrededor de 4). Despu¨¦s aparecen ?vila, Guadalajara, Toledo, Madrid, Albacete y Palencia (con m¨¢s de 3 fallecidos por cada mil habitantes). En el extremo opuesto aparecen las provincias insulares, las gallegas y algunas andaluzas, donde las muertes son la d¨¦cima parte que en Soria o Segovia.
Pero en la tabla tambi¨¦n se observan diferencias por olas. Es el caso de Madrid, por ejemplo, que aparece como una de las peores en total (la novena) y en la primera ola (la s¨¦ptima), pero tambi¨¦n en la media de la segunda ola y entre las que menos muertes registran en la tercera ola (la catorce con menos).
Como veremos, estos n¨²meros var¨ªan cuando empezamos a considerar factores como la edad de la gente o la cantidad de personas susceptibles de infectarse.
?C¨²anto importa la edad de la poblaci¨®n?
La covid-19 es una enfermedad que se ceba con las personas muy mayores (casi el 90% de los fallecidos desde marzo de 2020 ten¨ªa m¨¢s de 70 a?os). Por tanto, las provincias donde hay m¨¢s mayores se enfrentaban a un peligro mayor. Para tener esto en cuenta a la hora de comparar territorios se pueden ajustar las cifras de mortalidad de cada provincia seg¨²n su estructura de edad: calcular cu¨¢l ser¨ªa esa mortalidad si all¨ª hubiese la misma proporci¨®n de j¨®venes y mayores que en toda Espa?a.
Esta tabla recoge las mortalidades ajustadas para el total de fallecidos en la pandemia y para los fallecidos desde diciembre de 2020, lo que llamamos tercera ola.
Este ajuste no altera la imagen general, pero s¨ª introduce algunos matices. Lo m¨¢s importante es que mejora la estad¨ªstica de provincias con mucha poblaci¨®n mayor, como Soria, Segovia y Ciudad Real: una parte de su elevada mortalidad se deb¨ªa a que tienen poblaci¨®n envejecida, aunque siguen siendo tres de las cuatro regiones con peores cifras tambi¨¦n despu¨¦s de ajustar.
Otras provincias como ?vila, Salamanca o Cuenca tambi¨¦n ven descender sus cifras. De hecho, Madrid las supera ahora y se convierte en la quinta provincia con peor mortalidad. Tambi¨¦n empeoran Guadalajara ¡ªsube de s¨¦ptima a segunda¡ª, Barcelona ¡ªpasa de estar en la media a ser la novena peor¡ª o las provincias valencianas, que tienen poblaciones m¨¢s j¨®venes. Almer¨ªa o C¨¢diz, que se situaban entre los territorios con mortalidad m¨¢s baja, salen ahora en la mitad.
Si nos fijamos en la tercera ola, Madrid sigue estando entre las provincias por debajo de la media en mortalidad ahora que hemos corregido la ventaja que tiene por la edad de su poblaci¨®n.
?C¨²anto importa el impacto de la primera ola?
La epidemia tiende a frenarse a s¨ª misma. Lo hace a trav¨¦s de dos mecanismos: por un lado, porque con cada infectado se reduce el n¨²mero de personas susceptibles de reinfectarse. Y a eso se suma un posible efecto cosecha: cuando aparece, el virus es m¨¢s letal porque encuentra m¨¢s personas d¨¦biles o vulnerables. Esto significa que, en una hipot¨¦tica igualdad de condiciones, las muertes ser¨¢n inferiores en las zonas m¨¢s castigadas.
Pero los datos disponibles limitan la importancia de este fen¨®meno en Espa?a. Haber sufrido una primera ola muy dura no ha impedido que algunas regiones tuviesen tambi¨¦n muchas muertes en la segunda y la tercera ola. Tampoco haber evitado la primera ha significado necesariamente una peor segunda o tercera ola.
Como se ve en el gr¨¢fico, hay provincias como Lugo, Ourense o Canarias que han tenido pocas muertes tanto en la primera ola como en las sucesivas. Pero incluso ignorando esas, que probablemente est¨¢n protegidas en parte por su posici¨®n geogr¨¢fica, la relaci¨®n entre primera ola y siguientes es d¨¦bil. Hay algunas provincias que fueron de las peores en la primera ola y luego ya no, como Madrid, Ciudad Real o Segovia; otras esquivaron los brotes de primavera y luego sufrieron en invierno, como Palencia, Zaragoza, Teruel o incluso Almer¨ªa; pero tambi¨¦n hay algunas provincias con una mortalidad siempre elevada en todas las olas, como Soria, Guadalajara y Toledo.
Otra forma de juzgar las cifras de mortalidad en la segunda y tercera ola es ajustarlas por el n¨²mero de personas que eran susceptibles de estar enfermas en cada momento. Ese ajuste puede hacerse usando del estudio de seroprevalencia del Ministerio de Sanidad. Por ejemplo, si se estima que en una provincia pas¨® el virus un 20% de la gente antes de diciembre, solo habr¨¢ un 80% de susceptibles, de manera que la mortalidad es mayor si la calculamos sobre ellos y ya no sobre toda la poblaci¨®n. La siguiente tabla muestra las mortalidades por provincias con ese ajuste, y tambi¨¦n el ajuste anterior de estructura de edad.
Este nuevo ajuste introduce nuevos matices, pero ning¨²n cambio esencial en la imagen global de la pandemia. Las provincias con m¨¢s muertes en la segunda ola son Zaragoza, Teruel, Toledo y Valladolid, con cerca de un muerto por cada mil personas susceptibles. La peor provincia de la tercera ola pasa a ser Soria, que tuvo la peor primera ola, y por tanto ten¨ªan menos susceptibles, pero a¨²n as¨ª registra muchas muertes desde Navidad.
?Qu¨¦ pasa con Madrid despues de hacer estos ajustes? Una vez ajustada la edad, es la quinta provincia con la peor mortalidad de Espa?a. Y tuvo la tercera peor cifra en la primera ola. Su segunda y tercera olas no han sido anormalmente malas, tampoco despu¨¦s de corregir por cu¨¢nta poblaci¨®n segu¨ªa siendo susceptible de infectarse. En la segunda ola aparece la 16 (de 52) y en la tercera, como la 24, cerca de la mitad.
De nuevo se hace evidente la complejidad de emitir juicios solo mirando estos n¨²meros. ¡°Es un fen¨®meno multicausal que habr¨¢ que ir desentra?ando progresivamente, no se pueden sacar conclusiones f¨¢ciles¡±, dice Clara Prats. ¡°Es normal que una epidemia de este tipo muestre esta variabilidad, porque se trata de un sistema complejo¡±, contin¨²a. No hay dos regiones iguales y sus caracter¨ªsticas les hacen m¨¢s o menos vulnerables. Hemos mencionado dos variables ¡ªedad y susceptibles¡ª, pero es f¨¢cil pensar en muchas m¨¢s: el clima, la densidad de poblaci¨®n, los h¨¢bitos de la gente, las medidas impuestas, su cumplimiento. ¡°Incluso hay fen¨®menos de azar que intervienen¡±, explica Alberto Garc¨ªa-Basteiro. ¡±Por ejemplo, en ciertos brotes el origen pudo estar en personas que no sabemos por qu¨¦ son grandes diseminadores y que estuvieron en el lugar y hora oportuna para la diseminaci¨®n¡±, se?ala en relaci¨®n al ¡®factor K¡¯ del virus.
Pero, ?son distintos los datos de casos, ingresos y UCI?
Hemos hablado hasta ahora de cifras de fallecidos, porque es la m¨¦trica m¨¢s homog¨¦nea para medir el impacto del virus, adem¨¢s de la m¨¢s grave. Adem¨¢s, no hay muchas sorpresas si se observan los casos o los ingresos: son cifras, en general, proporcionales al n¨²mero de fallecidos.
El siguiente gr¨¢fico muestra la relaci¨®n de los casos confirmados en cada provincia y sus cifras de hospitalizaciones, ingresos en UCI y muertes. (Solo consideramos la segunda y tercera ola porque en la primera la detecci¨®n de casos fue muy mala; adem¨¢s, de nuevo hemos ajustado las tasas de ingresos y defunciones por la estructura de edad).
La movilidad no es tan distinta
La movilidad de las personas ¡ªnuestros viajes al trabajo, a bares o a cualquier lugar¡ª se ha relacionado con m¨¢s contactos y un mayor riesgo de contagios. Pero, ?sirven las diferencias en movilidad para explicar la mortalidad por regiones en Espa?a?
Los datos de Google (a partir de la geolocalizaci¨®n de millones de tel¨¦fonos m¨®viles) permiten medir el nivel de desplazamientos en cada provincia en relaci¨®n a su normalidad prepandemia. Y no se observan grandes diferencias. Como se puede ver en los gr¨¢ficos, los movimientos han subido y bajado a la vez. En el primer confinamiento todas las provincias estaban cerradas; luego su movilidad ha oscilado (sobretodo en agosto, cuando las grandes ciudades se vaciaron), pero casi siempre de forma bastante s¨ªncrona.
Estos datos permiten, adem¨¢s, distinguir los viajes al trabajo y los que son por ocio. En Madrid destaca la actividad en bares o tiendas sobre lugares como Barcelona o ?vila. Es algo esperable porque esas provincias impusieron m¨¢s restricciones al comercio. Al mismo tiempo, si miramos la movilidad por trabajo, son Madrid, Barcelona o Valencia las que destacan por haber reducido su actividad m¨¢s que el resto de Espa?a, probablemente por el tipo de empleos y porque el teletrabajo es m¨¢s com¨²n.
Una variable relacionada, m¨¢s dif¨ªcil de medir, es la conectividad. ¡°No es casual que las islas y comunidades perif¨¦ricas como Galicia o Cantabria sean las que presentan mejores datos, ni que el 70% de la din¨¢mica de la primera ola pueda explicarse en funci¨®n de la conectividad con Madrid¡±, explica Sa¨²l ?res.
Estos datos de movilidad nos recuerdan, adem¨¢s, que habr¨¢ muchas otras circunstancias que son comunes a gran parte de Espa?a. Por ejemplo, Madrid, Barcelona y Valencia destacan las tres porque han reducido menos su movilidad que otras grandes ciudades europeas. ¡°Madrid ha tenido medidas mas laxas en cuanto a la hosteler¨ªa, pero quiz¨¢s sigue habiendo muchas otras similares y comparables con Barcelona (movilidad y densidad en metro o autob¨²s, restricci¨®n de grupos¡)¡±, nos recordaba Mar¨ªa Lahuerta, epidemi¨®loga de la Universidad de Columbia. Y las medidas llegan hasta donde llegan: ¡°A pesar de las restricciones duras que puso Catalu?a en la hosteler¨ªa [en Navidades], sabemos que en esas fechas las reuniones se daban mucho en familia, lo que podr¨ªa explicar tambi¨¦n que durante esa ola las restricciones no ayudaran tanto¡±.
M¨¢s informaci¨®n
