——————————————————————————–

En este documento se presentan visualizaciones actualizadas cada semana de la evolución de COVID-19 en Paraguay. En su versión actual resume la tendencia en la incidencia (casos nuevos diarios), casos activos (current infected), ajuste y proyección por tendencia exponencial y el tiempo de duplicación en el total de confirmados, tendencias en internaciones y óbitos. Así como también, estimaciones de transmisibilidad (\(Rt\)), muestras procesadas y tasa de positividad. Cada figura proporcionada puede descargarse usando la barra de herramientas de plotly en la esquina superior derecha.

Los valores observados y pronosticados son un reflejo de la conducta social. En la medida en que esta se modifica se espera que la tendencia en estos valores cambie. Además, estas estimaciones pueden verse afectadas por el esfuerzo en número de pruebas que se realiza.

——————————————————————————–

Casos nuevos

Esta figura muestra el promedio y el 95% de intervalo de confianza de casos nuevos diarios por semana en albergues y fuera de albergues. Con el propósito de ilustrar la tendencia en la comunidad, los datos correspondientes a la semana 26 relacionados a un brote en prisión fueron tratados como datos nulos e imputados a partir del promedio de datos +/- el 95% de intervalo de confianza de tres días anteriores y tres días posteriores a la ventana de datos nulos. La línea roja muestra la significancia estadística de la última semana en comparación a las semanas anteriores.

Casos activos

El cómputo de los casos activos para una fecha determinada resulta de la sustracción de total muertos y recuperados del total de casos confirmados. Es decir, \(casos activos = (total confirmados) - (total muertes) - (total recuperado)\). El valor de casos activos puede aumentar o disminuir, y representa una métrica importante para las autoridades de salud pública al evaluar las necesidades de hospitalización versus la capacidad disponible1.

Aquí, por definición el total de recuperados probables para una fecha \(t\) está dado por la sumatoria de los casos nuevos confirmados en una fecha menor o igual que \(t-τ\), donde \(τ\) es el periodo de recuperación que se asume, en este caso 14 días. Dicho de otro modo, un caso confirmado como positivo se considerará recuperado (fuera del periodo infeccioso) despues de 14 días.

Una vez que la curva de total activos alcanza un pico y empieza a decrecer, se espera que la curva del Total confirmados tienda a una asíntota horizontal.

Total confirmados

Modelos exponencial y tiempo de duplicación de Total confirmados

La figura muestra el ajuste de total confirmados fuera de albergue a un modelo exponencial. A partir de la estimación de parámetros es posible cuantificar la tendencia del tiempo de duplicación. Sea el modelo exponencial \(Ct = a e^{bt}\), tal que \(a\) y \(b\) son parámetros desconocidos, el doble en confirmados a partir del valor inicial satisface la ecuación \(2 a=a e^{bt}\), o de igual modo \(e^{bt}=2\). Tomando entonces la igualdad \(bt = log(2)\), es posible definir el tiempo de duplicación de total confirmados como \(T_{dupl} := log(2)/b\).

Modelo exponencial proyección

La figura muestra una proyección con base al modelo exponencial hasta 2020-11-23. Datos fuera de albergue del 2020-10-18 al 2020-11-08. El modelo se ajusta a los últimos 21 días de total confirmados fuera de albergues. La proyección es de 15 días en total. Para las estimaciones se ha utilizado la librería forecast.

Evolución del tiempo de duplicación

La figura muestra la evolución del tiempo de duplicación del total de confirmados. Se ha calculado por medio de transformación \(log(TC)\), regresiones lineales móviles y en expansión de datos de la series de tiempo. Cada estimación representa el histórico de una ventana de 21 días.

Óbitos

Modelos exponencial y tiempo de duplicación de Total Muertes

La figura muestra el ajuste de total muertes a un modelo exponencial. A partir de la estimación de parámetros es posible cuantificar la tendencia del tiempo de duplicación. Sea el modelo exponencial \(MT = a e^{bt}\), tal que \(a\) y \(b\) son parámetros desconocidos, el doble en Muertes a partir del valor inicial satisface la ecuación \(2 a=a e^{bt}\), o de igual modo \(e^{bt}=2\). Tomando entonces la igualdad \(bt = log(2)\), es posible definir el tiempo de duplicación de total confirmados como \(T_{dupl} := log(2)/b\).

Modelo exponencial Total Muertes proyección

La figura muestra una proyección con base al modelo exponencial hasta 2020-11-23. Datos fuera de albergue del 2020-10-18 al 2020-11-08 . El modelo se ajusta a los últimos 21 días de de total de muertes. La proyección es de 15 días en total. Para las estimaciones se ha utilizado la librería forecast.

Evolución del tiempo de duplicación

La figura muestra la evolución del tiempo de duplicación del total de muertes. Se ha calculado por medio de transformación \(log(MT)\), regresiones lineales móviles y en expansión de datos de la series de tiempo. Cada estimación representa el histórico de una ventana de 21 días.

Promedio de óbitos diarios por semana

Esta figura muestra el promedio y el 95% de intervalo de confianza de óbitos diarios por semana. La línea roja muestra la significancia estadística del intervalo superior de la última semana comparando con las semanas anteriores.

Total de muertos por 100.000 habitantes

La figura muestra la evolución del total de muertos por 100.000 habitantes (\(\frac{100000}{7053000}TM\)). Ver países con más muertes con coronavirus por 100.000 habitantes.

Muertes diarias por millón de habitantes

Esta figura muestra el promedio por semana y el 95% de intervalo de confianza de muertes diarias por millón de habitantes (\(\frac{1000000}{7053000}M\)). El IHME ha descubierto que las ubicaciones que estudiarón a principios de este año imponían mandatos cuando las muertes alcanzaban el nivel de 8 muertes diarias por millón. Segun este organismo reimponer los mandatos en este punto es crucial para asegurarse de que los sistemas hospitalarios estén bien preparados para manejar la gran afluencia de pacientes con COVID-19. El escenario de las “máscaras universales” del IHME asume que el uso de máscaras alcanzará el 95% en 7 días, y los mandatos de distanciamiento social continuarán disminuyendo, pero se volverán a imponer durante seis semanas si las tasas de mortalidad diaria alcanzan 8 por millón.

Internaciones

Transmisibilidad

\(Rt\)

## TableGrob (3 x 1) "arrange": 3 grobs
##       z     cells    name           grob
## incid 1 (1-1,1-1) arrange gtable[layout]
## R     2 (2-2,1-1) arrange gtable[layout]
## SI    3 (3-3,1-1) arrange gtable[layout]

El número reproductivo instantáneo \(\mbox{R}t\) es utilizado como un instrumento para guiar estrategias de control de epidemias (Thompson et al 2019). El método utilizado para la estimación fue el de UncertainSI. El intervalo serial utilizado fue el reportado por Du et al 2020. El monitoreo de \(\mbox{R}t\) a lo largo del tiempo proporciona una retroalimentación sobre la efectividad de las intervenciones.

\(R_{0}\)

Una medida fundamental para entender la evolución de una enfermedad infecciosa transmisible es el número reproductivo básico \(\mbox{R}_{0}\). En sentido estricto se define como el número esperado de casos secundarios después de la introducción de un individuo infeccioso en una población totalmente susceptible (Anderson et al 1992). La valoración teórica de esta medida es debido que \(\mbox{R}_{0}\) representa un umbral tal que una enfermedad debe tener \(\mbox{R}_{0} > 1\) para invadir una población, de lo contrario desaparece justo después de su introducción.

El \(\mbox{R}_{0}\) es afectado por varios factores e.g. biológicos, socioconductuales y ambiéntale (Delamater et al 2019). Además, el valor numérico del mismo dependerá del método de estimación, el modelo matemático y los métodos de muestreo para la obtención de datos. En consecuencias, los resultados deben interpretarse considerando ese contexto. Cualquiera sea el caso, el número reproductivo es un concepto clave en epidemiología, y es indiscutiblemente “una de las ideas más importantes y valiosas que el pensamiento matemático ha aportado a la teoría de las epidemias” (Heesterbeek et al 1996).

El interés en la estimación del potencial de transmisibilidad en una epidemia radica en que: 1.) el tamaño potencial de un brote se basa en la magnitud del valor de \(\mbox{R}_{0}\) para ese evento (Heffernan et al 2005); 2.) el \(\mbox{R}_{0}\) se puede usar para estimar la proporción de la población que se debe vacunar para eliminar una infección (Anderson & May 1982, 1985); 3.) el comportamiento umbral permite determinar qué medidas de control y en qué magnitud serán mas efectivas para reducir el \(\mbox{R}_{0}\) por debajo de uno, proporcionando una guía importante para las iniciativas de salud pública (Heffernan et al 2005).

Muestras procesadas

Esta figura muestra el promedio y el 95% de intervalo de confianza de muestras procesadas por semana. La línea roja muestra la significancia estadística del intervalo superior de la última semana comparando con las semanas anteriores.

Tasa de positividad

Tasa de positividad diaria

La figura muestra la tasa de positividad diaria definida como el porcentaje de personas que dan positivo a la prueba de RT-PCR para COVID-19 entre todas las evaluadas. La línea roja muestra un umbral de 5%. La Organización Mundial de la Salud (OMS) establece que la situación está bajo control cuando el porcentaje se mantiene por debajo de ese umbral durante las últimas dos semanas como mínimo, siempre y cuando la vigilancia de casos sospechosos sea integral. Una tasa de positividad sostenida por debajo de ese umbral significa una baja transmisión o contagio comunitario (ver “Criterios de salud pública para ajustar las medidas de salud pública y sociales en el contexto de la COVID-19”)

Promedio semanal de tasa de positividad diaria

La figura muestra un sumario estadístico por semana del promedio en la tasa de positividad diaria. Las líneas azules muestran una comparación de la significancia estadística de la última semana con las semanas previas considerando un intervalo de confianza del 95%. La línea roja muestra el umbral del 5% antes mencionado.

——————————————————————————–

Esta herramienta se ha generado a partir de una cooperación técnica entre la OPS y el MSPBS.

Enlaces externos:

Nota: esta es una versión de prueba, si encuentra errores o tiene sugerencias se agradecerá que se ponga en contacto con nosotros.

Consultas: o .