Como determinar la relevancia de los asintomáticos durante la pandemia del COVID-19
Por LUIS OREA – Department of Economics, University of Oviedo, School of Business and Economics, Avda. del Cristo s/n, 33006, Oviedo, Spain.- Email: lorea@uniovi.es , INMACULADA C. ÁLVAREZ – Department of Economics, Universidad Autónoma de Madrid, C/ Francisco Tomás y Valiente, 5, 28049, Madrid, Spain – Email: inmaculada.alvarez@uam.es y ALAN WALL – Department of Economics, University of Oviedo, School of Business and Economics, Avda. del Cristo s/n, 33006, Oviedo, Spain. – Email: awall@uniovi.es
La pandemia del COVID-19, que comenzó en China en diciembre de 2019, se ha expandido rápidamente y ha golpeado duramente durante la primera ola en Europa a países como España, Italia o Reino Unido. Esta circunstancia obligó a establecer en estos países confinamientos a nivel nacional. La mayoría de los trabajos que analizan la efectividad de estas medidas concluyen que han contribuido a mitigar los efectos de la pandemia (Flaxman et al. (2020), Cho (2020)). Algunos otros trabajos han incidido además en la relevancia de estas medidas en la reducción de la propagación espacial del virus (Dickson et al. (2020), Orea and Álvarez (2020)).
Sin embargo, existe otro elemento a tener en cuenta, sobre todo durante el inicio de la pandemia, que se trata de la proporción de asintomáticos que no han sido tenidos en cuenta debido a la falta de pruebas PCR o de antígenos (Korolev (2021)). Por ese motivo, en Orea et al. (2021) proponemos una metodología basada en una aproximación a los modelos epidemiológicos SIR mediante el uso del análisis de fronteras estocásticas, que permite considerar a los asintomáticos como la parte del residuo que no es observada, o lo que se denomina el término de ineficiencia en este tipo de modelos. Nuestra propuesta metodológica se asemeja a la propuesta por Millimet and Parmeter (2020).
Hemos aplicado nuestra aproximación metodológica a los datos de casos de infectados a nivel provincial en España durante la primera ola. Los resultados de nuestras estimaciones nos llevan a concluir que el confinamiento ha sido efectivo en la prevención de la propagación del virus entre provincias y al interior de las mismas. Asimismo, hemos simulado cual hubiese sido la situación a 4 de abril de 2020 si el confinamiento no se hubiese implementado el 14 de marzo. Observamos que el confinamiento consigue reducir el número potencial de casos de covid-19 en un 65.2%. Este resultado es similar al de otros estudios, como es el caso de Cho (2020), que concluye que los casos se hubiesen reducido en Suecia en un 75% si las medidas de control hubiesen sido más estrictas.
Figura 1. Evolución temporal de los casos reportados
Otra de las aportaciones de este estudio es la de poder saber cuáles son los casos potenciales a nivel provincial, incluyendo los datos de reportados y los de asintomáticos. De este modo, podemos calcular cual es la ratio de casos reportados respecto del potencial si tenemos en cuenta los asintomáticos. En la Figura 1 se muestra la evolución de dicha ratio de reportados. En primer lugar, observamos una evolución temporal creciente. En segundo lugar, la media entre provincias varía entre el 25,3% y el 52,5%, lo que refleja una elevada disparidad geográfica. Por último, observamos como algunas provincias presentan una ratio muy reducida, sobre todo al inicio de la pandemia, lo que indicaría una gran proporción de asintomáticos que no están siendo detectados. En este sentido, la ratio de reportados que obtenemos es similar al de Li et al. (2020), que obtiene una ratio muy bajo de reportados (14%) con anterioridad a la implementación del confinamiento.
Figura 2. Distribución geográfica de los casos reportados
La Figura 2 nos muestra la distribución provincial de la ratio de reportados entre provincias en el momento temporal 20. Podemos observar dos grupos de provincias en función del valor de dicha ratio. Por otra parte, la mayoría de las provincias que se sitúan en el grupo con una baja ratio de casos reportados en términos relativos se sitúan en las regiones de Castilla-León, Extremadura y Valencia, junto con los principales epicentros de la pandemia (Madrid y Barcelona). Por tanto, están serían las provincias en las que el número de contagios observados supone una proporción muy baja respecto de los asintomáticos. Del otro lado, aquellas provincias con una ratio de casos reportados muy elevada, y por tanto superior a la de asintomáticos, se sitúan en diversas áreas de Andalucía, las dos Castillas, y de los Pirineos.
Figura 3. Distribución geográfica del inicio de la pandemia
Por último, cabe destacar la importancia de la realización de pruebas masivas con el objetivo de cubrir al mayor número posible de asintomáticos. Nuestros resultados permiten incidir en la relevancia de esta medida, puesto que la incidencia acumulada tiende a decrecer con el número de reportados inicialmente. Las figuras 2 y 3 nos permiten observar como un inicio temprano de la pandemia supone una menor ratio de reportados respecto de asintomáticos. Por tanto, estos resultados ponen de relieve la importancia de priorizar la detección de los casos de coronavirus al inicio de la pandemia como una medida efectiva para combatir la propagación del virus.
“La riqueza de las regiones” constituye un instrumento de comunicación e intercambio de ideas promovido por Asociación Española de Ciencia Regional (AECR). Para más información sobre la actividad de AECR visite su Página Web o síganos en Facebook, Linkedin, Youtube y/o Twitter.
Bibliografía:
Cho, S. W. (2020). Quantifying the impact of nonpharmaceutical interventions during the COVID-19 outbreak: The case of Sweden. The Econometrics Journal 23(3), 323-344. http://dx.doi.org/10.1093/ectj/utaa025.
Dickson, M.M., G. Espa, D. Giuliani, F. Santi, and L. Savadori (2020). Assessing the effect of containment measures on the spatio-temporal dynamic of COVID-19 in Italy. Nonlinear Dynamics 101(3), 1833-1846. DOI: https://doi.org/10.1007/s11071-020-05853-7.
Flaxman, S., S. Mishra, A. Gandy, H.J.T. Unwin, T.A. Mellan, H. Coupland, C. Whittaker, H. Zhu, T. Berah, J.W. Eaton and M. Monod (2020). Estimating the effects of non-pharmaceutical interventions on COVID-19 in Europe. Nature 584(7820), 257-261. https://www.nature.com/articles/s41586-020-2405-7.
Korolev, I. (2021). Identification and Estimation of the SEIRD Epidemic Model for COVID-19. Journal of Econometrics 220(1), 63-85. https://doi.org/10.1016/j.jeconom.2020.07.038.
Li, R., S. Pei, B. Chen, Y. Song, T. Zhang, W. Yang and J. Shaman (2020). Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2). Science 368 (6490), 489-493. https://doi.org/10.1126/science.abb3221.
Millimet, D.L. and C.F. Parmeter (2020). COVID-19 Severity: A New Approach to Quantifying Global Cases and Deaths, University of Miami, unpublished document.
Orea L. and I. Alvarez (2020). How effective has the Spanish lockdown been to battle COVID-19? A spatial analysis of the coronavirus propagation across provinces. Working Paper 2020/3, FEDEA (Fundación de Estudios de Economía Aplicada). Available at: https://documentos.fedea.net/pubs/dt/2020/dt2020-03.pdf.
Orea L., I. Álvarez and A. Wall (2021). Estimating the propagation of the COVID-19 virus with a stochastic frontier approximation of epidemiological models: a panel data econometric model with an application to Spain. Efficiency Series Paper, 01/2021, Oviedo Efficiency Group, University of Oviedo. http://www.unioviedo.es/oeg/ESP/esp_2021_01.pdf.