En este documento se presentan visualizaciones actualizadas cada semana de la evoluciĆ³n de COVID-19 en ConcepciĆ³n, Paraguay. En su versiĆ³n actual resume la tendencia en la incidencia (casos nuevos diarios), casos activos (current infected), ajuste y proyecciĆ³n por tendencia exponencial y el tiempo de duplicaciĆ³n en el total de confirmados, tendencias en internaciones y Ć³bitos. AsĆ como tambiĆ©n, 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. AdemĆ”s, estas estimaciones pueden verse afectadas por el esfuerzo en nĆŗmero de pruebas que se realiza.
Esta figura muestra el promedio y el 95% de intervalo de confianza de casos nuevos diarios por semana fuera de albergues. La lĆnea roja muestra la significancia estadĆstica de la Ćŗltima semana en comparaciĆ³n a las semanas anteriores.
La figura muestra la suma de todos los casos nuevos reportados por semana. La lĆnea azul muestra la media mĆ³vil con un periodo de dos semanas, el ultimo valor corresponde a la tendencia del ultimo mes.
La figura muestra el cambio porcentual entre semanas a partir de casos nuevos suavizados con una media mĆ³vil de dos semanas. El computo se realiza utilizando la funciĆ³n percentChange.
El cĆ³mputo de los casos activos para una fecha determinada resulta de la sustracciĆ³n 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 mĆ©trica importante para las autoridades de salud pĆŗblica al evaluar las necesidades de hospitalizaciĆ³n versus la capacidad disponible1.
AquĆ, por definiciĆ³n el total de recuperados probables para una fecha \(t\) estĆ” dado por la sumatoria de los casos nuevos confirmados en una fecha menor o igual que \(t-Ļ\), donde \(Ļ\) es el periodo de recuperaciĆ³n que se asume, en este caso 14 dĆas. Dicho de otro modo, un caso confirmado como positivo se considerarĆ” recuperado (fuera del periodo infeccioso) despues de 14 dĆas.
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 asĆntota horizontal.
La figura muestra el ajuste de total confirmados fuera de albergue a un modelo exponencial. A partir de la estimaciĆ³n de parĆ”metros es posible cuantificar la tendencia del tiempo de duplicaciĆ³n. Sea el modelo exponencial \(Ct = a e^{bt}\), tal que \(a\) y \(b\) son parĆ”metros desconocidos, el doble en confirmados a partir del valor inicial satisface la ecuaciĆ³n \(2 a=a e^{bt}\), o de igual modo \(e^{bt}=2\). Tomando entonces la igualdad \(bt = log(2)\), es posible definir el tiempo de duplicaciĆ³n de total confirmados como \(T_{dupl} := log(2)/b\).
La figura log-log muestra el ajuste de total confirmados a un modelo subexponencial. SegĆŗn este modelo la ley que gobierna la dinĆ”mica del total de muertes en la ventana de tiempo considerada (21 dĆas) tiene la forma \(TC = a t^{b}\), tal que \(a\) y \(b\) son parĆ”metros desconocidos.
Se compara Ćndices de rendimiento de los modelos de crecimiento exponencial \(TC = a e^{bt}\) con el de crecimiento subexponencial \(TC = a t^{b}\). El modelo con mayor Performace-Score es el mejor modelo dado los datos en la ventana de tiempo analizada.
| Name | Model | AIC | BIC | R2 | R2 (adj.) | RMSE | Sigma | Performance-Score |
|---|---|---|---|---|---|---|---|---|
| log(TC)=log(a)+b t | lm | -177.864 | -174.591 | 0.986 | 0.985 | 0.004 | 0.004 | 76.80% |
| log(TC)=log(a)+b log(t) | lm | -171.313 | -168.179 | 0.985 | 0.984 | 0.004 | 0.004 | 66.10% |
| TC=a+b t | lm | 203.292 | 206.425 | 0.987 | 0.986 | 26.536 | 27.897 | 33.33% |
| TC=a+b1 t + b2 t^2 | lm | 203.292 | 206.425 | 0.987 | 0.986 | 26.536 | 27.897 | 33.33% |
La figura muestra una proyecciĆ³n con base al modelo exponencial hasta 2021-07-23. Datos fuera de albergue del 2021-06-13 al 2021-07-03. El modelo se ajusta a los Ćŗltimos 21 dĆas de total confirmados fuera de albergues. La proyecciĆ³n es de 21 dĆas en total. Para las estimaciones se ha utilizado la librerĆa forecast. Se esperan 847.06 casos nuevos en los prĆ³ximos 21 dĆas, un promedio diario de 40.3 casos.
La figura muestra una proyecciĆ³n con base al modelo subexponencial hasta 2021-07-23. Datos fuera de albergue del 2021-06-13 al 2021-07-03 . El modelo se ajusta a los Ćŗltimos 21 dĆas de de total de confirmados. La proyecciĆ³n es de 21 dĆas en total. Para las estimaciones se ha utilizado la librerĆa forecast. Se esperan 766.44 casos nuevos en los prĆ³ximos 21 dĆas, un promedio diario de 36.5 casos nuevos reportados.
La figura muestra la evoluciĆ³n del tiempo de duplicaciĆ³n del total de confirmados. Se ha calculado por medio de transformaciĆ³n \(log(TC)\), regresiones lineales mĆ³viles y en expansiĆ³n de datos de la series de tiempo. Cada estimaciĆ³n representa el histĆ³rico de una ventana de 21 dĆas.
El nĆŗmero reproductivo instantĆ”neo \(\mbox{R}t\) es utilizado como un instrumento para guiar estrategias de control de epidemias (Thompson et al 2019). El mĆ©todo utilizado para la estimaciĆ³n 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 retroalimentaciĆ³n sobre la efectividad de las intervenciones.
Esta herramienta se ha generado a partir de una cooperaciĆ³n tĆ©cnica de la OPS y el MSPBS.
Las figuras con nĆŗmeros de semana siguen un estĆ”ndar EPI WEEK (es la versiĆ³n de los CDC de EE. UU. de la semana epidemiolĆ³gica. Sigue las mismas reglas que isoweek() pero comienza el domingo). Note que desde enero del 2021 se representa por EPI week date + 53 para preservar el orden cronolĆ³gico de las semanas en las figuras.
Los cĆ³mputos proporcionados utilizan como datos de entrada el registro diario y registro diario por Departamento del MSPBS. La informaciĆ³n entregada es computada de forma independiente a otras plataformas del Ministerio, en consecuencia puede presentar algunas diferencias numĆ©ricas. Hacerlo de forma independiente lo convierte en una plataforma complementaria.
Enlaces a otras plataformas:
Herramienta de anƔlisis de escenarios COVID-19 Paraguay, Imperial College London.
Impacto del COVID-19 en los sistemas de salud de LatinoamƩrica y el Caribe, IECS.
OURWORLDINDATA. EstadĆstica e investigaciĆ³n Pandemia de coronavirus (COVID-19)
Vitrinas del Conocimiento. Enfermedad por coronavirus (COVID-19)