En este post vamos a analizar la posibilidad de transitar hacia un mix eléctrico 90% renovable de aquí a 2030/35 y del 100% para 2040. Algunas voces críticas han sostenido que para lograr eso habría que sobredimensionar mucho la potencia instalada e incorporar mucha capacidad de almacenamiento. Aquí trataremos de demostrar que, al menos para el caso de España es posible hacerlo sin tantos requerimientos y que si se cumplen determinados requisitos sería posible conseguirlo antes de lo que nos pensamos.

Metodología

Para realizar el análisis hemos asumido varias simplificaciones y supuestos para poder realizar una estimación aproximada razonablemente fiable.

  1. Hemos usado datos históricos de generación eléctrica con granularidad horaria desde el año 2017. Ocupamos un período de unos 5 años de históricos. Un tiempo razonable para que los diversos ciclos estacionales se hayan dado varias veces.
  2. A priori consideraremos que la demanda a satisfacer es igual a la actual. Hemos escogido hacerlo así para empezar por una cuestión de simplicidad y porque, de hecho, nuestra demanda lleva ya más de 10 años estancada. Algunos escenarios con mayor demanda eléctrica se analizarán al final. Así mismo, por simplicidad, no consideraremos variaciones en el patrón de demanda debidos al autoconsumo y a la gestión activa.
  3. Vamos a considerar únicamente un desarrollo tanto de la eólica como de la fotovoltaica pues en suma, son las dos tecnologías renovables que en los próximos años van a aportar el grueso de la potencia instalada con enorme diferencia respecto a las demás. Así, consideraremos que Termosolar e Hidráulica se mantienen con valores fijos de potencia instalada como hasta ahora.
  4. Dado que en un primer análisis vamos a tratar de ver las posibilidades de alcanzar ese 90% sin almacenamiento no vamos a considerar realmente los 4GW de bombeo que ya tenemos instalados. Eso nos permite tener un margen y pecar algo de conservadores acerca de los niveles a alcanzar.

El primer paso fue obtener de la web de la base de datos ESIOS de REE. https://www.esios.ree.es/es/analisis/1293?vis=1&start_date=25-11-2021T00%3A00&end_date=25-11-2021T23%3A50&compare_start_date=24-11-2021T00%3A00&groupby=minutes10&compare_indicators=545,544

Extraídos los datos de generación para las distintas tecnologías renovables, Eólica, Fotovoltaica, Termosolar e Hidráulica más los datos de la demanda total hicimos la siguiente manipulación de los datos. Una ventaja de tenerlos a intervalos de una hora es que la correspondencia entre MW de potencia y MWh generados durante cada hora es directa sin hacer ningún cálculo añadido.

El primer problema que encontramos es que en ese período de los últimos cinco años la potencia instalada de eólica y fotovoltaica no es constante sino que ha ido incrementándose con el tiempo, conforme se instalaban los parques. Así que los datos de potencia aportada no son homogéneos y deben normalizarse primero. Escogimos como criterio normalizarlos a potencia actual, como si todos los años desde 2017 hubiésemos tenido la misma potencia instalada que ahora. Así nos servimos de los valores de potencia instalada que REE da mes a mes para cada tecnología para ponderar la potencia generada teniendo en cuenta la que tenemos instalada ahora (a noviembre de 2021). Esto es:

  1. Eólica: 28.0 GW
  2. Hidráulica: 17.1 GW
  3. Fotovoltaica: 13.8 GW
  4. Termosolar: 2.3 GW

Una vez tenemos los datos normalizados a potencia actual trataremos primero de establecer la contribución de la solar y eólica sin tener en cuenta la hidráulica dado que esta última es gestionable, la incorporaremos al final con otras consideraciones.

En ese periodo nos sale que solar y eólica aportan actualmente en promedio un 34% de la electricidad generada. Un 45% si se añade la hidráulica. Este es el peso de las renovables en nuestro mix actual y queremos ver qué pasaría si seguimos aumentando eólica y solar como hasta ahora. Para ello calcularemos la diferencia entre la demanda y la electricidad generada por solar y eólica suponiendo que los excedentes generados se recortan (es decir se tiran) o se exportan a otras redes extranjeras. En la realidad lo normal sería además tener instalado algo de almacenamiento o que la demanda también se adaptase algo para aprovechar mejor esos excedentes y los precios bajos que producirían pero para empezar vamos a suponer que tal adaptación no ocurre y no aprovechamos los excedentes.


Resultados

Para representar las conclusiones construiremos una matriz 9×9 que contendrá 81 escenarios distintos. En el eje de las X colocaremos múltiplos de la potencia eólica actual a intervalos de 0.5 y para la fotovoltaica haremos lo mismo en el eje de las Y.

Obsérvese como la ruta más rápida para descarbonizar al máximo sin almacenamiento es instalando fotovoltaica y eólica en paralelo, manteniendo un crecimiento parejo de ambas más o menos, como era de prever. Y es que, como sabemos, la eólica y la fotovoltaica son tecnologías bastante complementarias, cuando hay mucho sol suele haber poco viento y viceversa. Notar que esto no muestra el share renovable total ya que faltaría aún por incluir la hidráulica.
Aquí podemos ver como estamos relativamente cerca de empezar a tener un buen puñado de horas al año en las cuales la electricidad generada por eólica y solar excederá el total de la demanda. Impresiona ver que con un 50% de sobregeneración renovable ya tendríamos excedentes por encima del 70% de las horas del año.
Por último podemos ver la cantidad de electricidad generada en términos absolutos respecto a la demanda. En el caso más extremo del análisis, teniendo cinco veces más potencia instalada tanto de eólica como de fotovoltaica generaríamos 1,6 veces la demanda actual. Si bien no podríamos aprovecharla toda sin almacenamiento e interconexión.

Estos resultados ya nos permiten ver que aún tenemos cierto margen antes de generar demasiados excedentes. Si bien en el caso real de nuestro mix los excedentes aparecerán antes incluso de lo que se estima en el cuadro. El motivo es nuestra potencia nuclear instalada. El plan actual de cierre nuclear prevé que este sea escalonado entre 2027 el primer reactor y 2035 el último. Es un plazo bastante generoso y que a mi entender se tendrá que acabar acortando ante la rápida expansión de las renovables. Porque el problema de la nuclear es que tiene que producir a potencia constante todos los días para funcionar a buen rendimiento tanto desde un punto de vista técnico como económico. Siendo así, lo que ocurrirá es que a medida que empiecen a surgir excedentes, las nucleares simplemente estorbarán y habrá que acelerar su cierre. El gas, sin embargo tiene la ventaja de su flexibilidad y podrá desconectarse completamente durante las horas de excedentes renovables. Esa flexibilidad, además de la razonable eficiencia de los ciclos combinados (55%) es la ventaja que hará que el gas sea la última fuente en salir del mix. Costará bastante de eliminar del todo, como veremos, aunque sí irá perdiendo peso muy rápidamente conforme crezcan solar y eólica.

Añadiendo la hidráulica al análisis

¿Y la hidráulica? Sí, nos hemos dejado la hidráulica para el final por varias razones. La primera es que es una tecnología sobre la que no se esperan más incrementos de potencia. Solo crecerá por lo que aporten los nuevos bombeos que se van a instalar pero ya hemos dicho que no van a ser objeto de consideración por ahora. Y la segunda y más importante es que es gestionable y eso es una gran diferencia. En realidad la hidráulica es generación y acumulación a la vez. Porque puede decidir a qué horas producir y cuando no, y reservarse la energía potencial de la masa de agua embalsada para cuando se requiera. ¿Cómo podemos pues estimar su contribución a la hora de acercarnos al 100% renovable?

Hemos considerado varios supuestos razonables a partir del histórico con el que trabajamos. Por una parte hemos visto que el factor de capacidad de la hidráulica está condicionado, como es natural, por cuestiones de caudales ecológicos, periodos de lluvias y sequías así como por las necesidades de capacidad mínima de los embalses para los otros usos del agua. Hemos considerado pues un factor de capacidad para empezar del 60%, esto es que de los 17GW hidráulicos solo asumiremos como disponibles en cada momento dado unos 10GW como máximo. Esta será la cifra de potencia máxima que le supondremos pues a la hidráulica. Es algo que se corresponde con el histórico de datos de generación hidráulica.

La hora de máxima generación hidráulica estaba produciendo 11.7 GW de potencia eléctrica. Vemos que existen valores negativos ya que el bombeo se halla incluido implícitamente. Así, asumiremos que las horas en negativo son horas sin producción hidráulica y con bombeo. Vemos como el mínimo valor de -4 GW coincide con el bombeo instalado.

Además de eso hemos asumido que en el total de cada escenario no podremos superar nunca a la producción total realmente generada en el histórico de datos, atendiendo así a las limitaciones propias de la necesidades de capacidad de los embalses. Excluiremos del cálculo todas las horas en negativo asumiendo que la hidráulica no estaba turbinando sino solo con los bombeos activados. A partir de ahí asumiremos que la hidráulica puede hacerse cargo de todos los déficits eléctricos hasta los 10 GW. Más allá de eso será insuficiente. Es una suposición tal vez algo atrevida porque, en efecto, hay muchas variables a considerar que hacen que la potencia hidráulica realmente disponible en cada momento varíe. Pero aquí hemos considerado una cosa y es que con la expansión de las renovables esa potencia disponible cada vez será mayor porque la hidráulica se abstendrá de producir muchas más horas que ahora. Eso significa que los pantanos tendrán una capacidad mayor en promedio dando más margen para turbinar a las horas en las que eólica y solar flaqueen. Así que teniendo todo eso en cuenta hemos considerado esa suposición como válida. Y el resultado de añadir la hidráulica junto al resto de renovables es el siguiente:

Como vemos, tras incluir la hidráulica la idea de alcanzar un 90% de generación renovable ya no es tan descabellada. Triplicando la potencia eólica y solar ya estaríamos en ese rango, probablemente bastante antes ya que es de suponer que los bombeos y otros sistemas de almacenamiento se irían usando e instalando mucho antes de llegar ahí para aprovechar buena parte de los excedentes.
La contribución de la hidráulica empieza estable, en torno a ese 11% pero termina por disminuir en los escenarios de más excedentes eólicos y solares. Eso significa que conforme nos vamos hacia la esquina derecha inferior del gráfico menos agua necesitamos turbinar porque los déficits de potencia son mucho menores en promedio y menos aporta al mix. En los escenarios más extremos tal vez por cuestiones ecológicas habría que turbinar más de lo que se indica lo que aún incrementaría más los excedentes renovables para aprovechar, ya sea en interconexión o almacenamiento.

Escenarios de mayor demanda eléctrica

No es esperable que la demanda eléctrica siga estancada. Debido a la electrificación de todo, especialmente del transporte, de la calefacción y de buena parte de la industria, se generará una demanda añadida. Es cierto que parte de esta podría ser atendida por el autoconsumo y por los excedentes que venimos citando pero aún así nos pondrá las cosas más difíciles a la hora de alcanzar niveles tan ambiciosos de penetración renovable en un tiempo récord como el propuesto. La IEA prevé un aumento de la demanda eléctrica de alrededor de un 30% para 2030 aunque eso probablemente sea excesivo para el caso de España ya que se correspondería a un generoso crecimiento del 3% anual. Dicho incremento de la demanda lo hemos calculado de forma homogénea, sin modificación del patrón de consumo. Esto no es del todo correcto ya que debido al autoconsumo diurno y a la carga nocturna de vehículos es muy probable que dicho incremento sea más fuerte en el horario nocturno que en el diurno, pero como es algo que tampoco está claro como evolucionará optamos por no complicarnos.

Obsérvese cómo incluso con un crecimiento de demanda importante a múltiples altos apenas hay disminución del share renovable y eso es debido al mejor aprovechamiento de los excedentes renovables gracias a la reserva hidráulica.

Previsiones de crecimiento renovable

Ahora que sabemos todo esto lo podemos vincular con los ritmos de crecimiento observados para fotovoltaica y eólica en los últimos tres años. Concretamente partiremos desde noviembre de 2018, que es donde marcaremos, un poco arbitrariamente, como el inicio del nuevo despertar renovable en España. Podemos verlo en el primer gráfico del post.

Desde entonces hemos instalado eólica a razón de más o menos 1.5GW al año y fotovoltaica unos 3GW anuales sin que la demanda haya aumentado. Si asumimos un crecimiento lineal a demanda constante, como hasta ahora, tendríamos lo siguiente:

% Renovable*EólicaFotovoltaicaDemanda
202145%1.0X1X1X
202558%1.2X2X1X
203071%1.5X3X1X
203580%1.8X4X1X
Proyección de crecimiento lineal manteniendo ritmos actuales. *Sin considerar almacenamiento alguno ni crecimiento neto de la demanda

Según estos resultados alcanzar el 90% no parece esperable en la próxima década, tampoco se lo proponen en el PNIEC en donde habrán hecho una proyección también lineal como la nuestra pero hay varios puntos a tener en cuenta que pueden cambiar ese cuadro.

1. Hemos asumido un crecimiento lineal. Es posible que a lo largo de la década las tecnologías tanto eólica como fotovoltaica sigan reduciendo costes lo que aceleraría los ritmos más allá de toda previsión. Claramente aquí el crecimiento flaquea del lado de la eólica, y es que la fotovoltaica cumple con creces tan solo manteniendo el ritmo lineal. Tal vez tenga cierta lógica porqué la eólica terrestre lleva tiempo desplegada mientras que es la fotovoltaica la que ahora está ganando en costes en las recientes subastas y la que estaba más rezagada. Pero sería prudente, tal y como se veía en las matrices de arriba, promover un crecimiento parejo en ambas tecnologías y ahora mismo vemos que está bastante descompensado del lado solar. La solución para desbloquear esto creo que será la eólica marina. Según la industria, el potencial ibérico en eólica marina es de 219GW (207 flotantes y 12 en base fija). La excesiva profundidad de los litorales ibéricos ha sido tal vez un punto que ha retrasado notablemente la adopción, pero con el abaratamiento de la eólica flotante cada vez hay menos excusas. De que esta tecnología explote en la próxima década puede depender el que se pueda alcanzar el 90% en tiempo récord.

Deberían planearse 35GW de eólica marina para la próxima década para poder acelerar el desarrollo eólico que nos acerque al 90% para 2030. No es algo impensable, Alemania acaba de planear 45GW solo de offshore para 2035

2. Por último, para un análisis completo habría que tener en cuenta el almacenamiento que ya tenemos, unos 4GW de bombeo, potencia que seguirá creciendo hasta alcanzar unos 10GW a finales de la década. Eso sumado a las baterías y otros sistemas que se desplieguen contribuirá también a aumentar el % renovable aprovechado y las opciones reales de alcanzar ese ambicioso 90% renovable para 2030/35.

A continuación planteo tres escenarios de crecimiento renovable con ese mayor crecimiento eólico pero también con crecimiento de la demanda eléctrica. Hay que recordar que la demanda eléctrica hizo pico en 2008 y desde entonces el consumo se ha mantenido estable, estancado. Huelga decir que cuanto menos suba la demanda más rápido descarbonizaremos el mix.

% Renovable*EólicaFotovoltaicaDemanda
202145%1.0X1X1X
202565%1.5X2X1X
203080%2.0X3X1X
203590%2.5X5X1X
Proyección acelerando el crecimiento eólico con offshore y con una aceleración en FV para la siguiente década. *Sin considerar almacenamiento alguno ni crecimiento neto de la demanda
% Renovable*EólicaFotovoltaicaDemanda
202562%1.5X2X1.05X
203075%2.0X3X1.10X
203582%2.5X5X1.20X
Escenario de crecimiento moderado de la demanda, sin considerar almacenamiento
% Renovable*EólicaFotovoltaicaDemanda
202560%1.5X2X1.1X
203065%2.0X3X1.3X
203572%2.5X5X1.5X
Escenario de alto crecimiento de la demanda, sin considerar almacenamiento. Como vemos será muy difícil llegar más allá del 70/80% renovable si la demanda creciese a tasas importantes.
% Renovable*EólicaFotovoltaicaDemanda
202559%1.2X2X1X
203075%1.5X4X1X
203583%1.8X7X1X
Escenario de boom exponencial fotovoltaico, sin aceleración eólica, sin considerar almacenamiento y a demanda neta constante. En este caso, para alcanzar porcentajes mayores los requerimientos de almacenamiento serán importantes que en el escenario más compensado entre eólica y fotovoltaica.

Lograr el 100% renovable

Visto lo visto no parece que haga falta tanto almacenamiento como muchas veces se sugiere, principalmente por dos razones. Una ya la hemos visto, lo normal es que se tienda a sobregenerar y cuanto menos alcanzar en algún momento una producción alrededor de un 50% por encima de la demanda, pero podría ser más a largo plazo. Con ese colchón reduciríamos mucho las necesidades de almacenamiento y ya vemos en el cuadro anterior que con un 50% de sobregeneración nos podríamos situar en niveles del 95% renovable. El único freno a la sobregeneración es en realidad económico ya que para un mismo coste de instalación la amortización cada vez será más larga al verse reducido el retorno. Pero si los costes de las renovables siguen reduciéndose puede que sobregenerar hasta cierto nivel sea más rentable que instalar el correspondiente almacenamiento y tengamos una curva de coste similar a la siguiente:

La otra gran arma para acercarnos al mítico 100% va a ser la interconexión. En ocasiones, cuando una red vaya sobrada de recursos renovables el vecino estará débil y viceversa. Sobreproducir, nos dará margen de exportar electricidad si el vecino anda corto y paga bien. Así, una interconexión más robusta combinada con la sobregeneración que antes he comentado nos debería permitir llegar a niveles cercanos al 100% posiblemente. En ese sentido la península Ibérica es actualmente bastante isla energética a diferencia de los países centroeuropeos pero eso podría cambiar. Lo lógico sería primero reforzar la conexión que ya se tiene tanto con Francia como con Marruecos y pensar en la conveniencia de establecer proyectos de cableado submarino ya sea hacia Italia u otros países del norte de África como hacia las Islas Británicas. Tal vez aún sea pronto pero el panorama se irá clarificando en pocos años conforme sepamos a qué ritmo podemos crecer en eólica marina y cuanto crecen en potencia renovable nuestros vecinos respecto a nosotros.

Naturalmente nada nos librará de tener que instalar algo de almacenamiento pero a todas luces no hará falta tanto ni se tendrá que instalar de una tacada, sino conforme la demanda lo vaya requiriendo, es decir progresivamente. Y se va a demandar conforme aparezcan los primeros excedentes renovables que hemos mencionado al principio y para lo cual falta ya poco. Es solo con ese almacenamiento con el que se podrá completar y cerrar el mix para lograr el ansiado 100% quizá para 2040.

A vueltas con el almacenamiento

Con los datos que hemos recogido nos propusimos realizar un último experimento, el de una batería imaginaria con eficiencia perfecta, potencia ilimitada para cualquier déficit y con carga suficiente para aguantar los cinco años con un mix puro de eólica y solar sin descargarse del todo nunca. Naturalmente semejante batería es imposible pero su gráfico de descarga (que marca la evolución de su estado de la carga o SOC) nos permite realizar el ejercicio de visualizar qué es lo que pasa.

Esta simulación la hemos realizado con un mix 4X / 4X . Es decir cuadriplicando la potencia instalada tanto de fotovoltaica como de eólica. Hemos subdividido el gráfico de descarga en tres segmentos. La gracia del asunto es que para resolver todo este puzzle no se va a usar una única tecnología sino una combinación de varias según se adapten mejor a uno u otro uso.

Para cubrir el primer tramo (el delimitado por la línea roja superior) se requeriría tener unos 170GWh disponibles para ciclar con frecuencia intradiaria. Por lo menos la mitad de esa energía ya por sí sola la puede cubrir nuestra hidráulica, la interconexión podría hacerse con otra parte y el resto sería para las baterías de litio de corta duración (2 a 4h) y otras tecnologías del segundo tramo. El primer tramo es el más exigente en frecuencia pero también el que menos capacidad requiere, por ello es ideal para las baterías de litio, más eficientes, con mayor velocidad de respuesta pero de menor duración. Este es el lugar de las baterías distribuidas de uso múltiple, como backup, para hacer arbitraje energético, pero también asistiendo al equilibrio de red. El V2G (Vehicle to Grid) también podría aportar buena parte de la capacidad y potencia necesarias y ahorrar mucho el requerimiento total de baterías dedicadas.

El segundo tramo en el ejemplo (situado entre las dos rectas rojas) requiere ya disponer de unos 500GWh de capacidad adicional (670GWh los dos tramos sumados). Nuevamente, la hidráulica, la interconexión y el bombeo reversible aportarán buena parte de esa capacidad junto a nuevas tecnologías de almacenamiento de larga duración. El conocido como LDES (long duration energy storage). A este grupo pertenecen las baterías electroquímicas de flujo, de metal aire y las termoeléctricas de metal líquido. También los dispositivos GBES (Gravity Based), CAES (Compressed Air) o LAES (Liquid Air). Este tipo de instalaciones son también ya de mayor escala, y muchas estarán asociadas a parques de generación renovable. Estas tecnologías ocuparían una posición intermedia y central siendo capaces de asistir en las necesidades tanto del tramo 1 como del tercer y último tramo.

El tercer tramo sería el del almacenamiento de muy largo plazo caracterizado además por una baja frecuencia de ocurrencia. Requiere virtualmente de una capacidad brutal pero en realidad no construiremos ninguna batería para cubrirlo entero. No tendría sentido ni práctico ni económico pues aquí nos hacemos cargo de los eventos infrecuentes. Aparecen como excursiones aleatorias en el gráfico de descarga. No son muchas pero agotarían la capacidad de cualquier batería por gigante que fuera. Aquí la hidráulica seguirá echando una mano pero tendremos que contar irremediablemente también con la interconexión. Será el último reducto del gas (el gas peaking), durante un tiempo algunos ciclos combinados seguirán operativos listos para arrancar en ocasiones puntuales. Pero estas centrales podrían irse substituyendo por centros adaptados al consumo de hidrógeno electrolítico o para usar metano procedente de sistemas P2G (power to gas). La eficiencia del proceso de obtención, almacenamiento y posterior combustión del hidrógeno o cualquier otro sintético es baja pero también lo sería la frecuencia de uso. Sería la salvaguarda de último recurso y lo que garantizaría el suministro en el peor escenario posible. Los primeros años tendríamos pues una reserva estratégica de Metano fósil que pasaría progresivamente a ser de biogas, de Hidrógeno electrolítico y/o metano sintético. El tamaño de esa reserva lista para despachar no está claro porque en parte dependerá del nivel de interconexión y sobregeneración propia y de los vecinos conectados. De ahí lo importante de mejorar ese último aspecto.

¿Y para 2050 qué?

Me permito aquí hacer un ejercicio de cierta ciencia ficción cercana porque el 2050 y más allá nos queda demasiado lejos y porque creo que la transición no se detendrá aquí. La capacidad de generar energía podría seguir incrementándose y los excedentes llegar a cotas realmente absurdas. La eólica marina podría seguir expandiéndose mar adentro creando corredores conectados con generación híbrida tanto eólica como de OWC (Oscilating Water Column) y con almacenamiento por flotabilidad y electrólisis directa del agua de mar. No pararíamos hasta electrificar también la navegación ya sea directa o indirectamente pudiendo situar las hidrogeneras e incluso electrolineras en alta mar. Capaces podríamos ser ya de concebir estratégicos cables submarinos intercontinentales, flanqueados por interminables parques marinos, crear interconexiones que conecten zonas de usos horarios distintos, el día con la noche, o de hemisferios distintos, el verano con el invierno. Las pérdidas de dichas conexiones aun pudiendo ser importantes se verían compensadas por el hecho de dar utilidad a los enormes excedentes generados por algunas regiones especialmente ricas en recursos renovables que de otra forma se perderían. Es posible que la del gas peaking en realidad solo sea una fase y el estadio final sea una macro red energética global densamente interconectada, una suerte de Enernet. Una red en la cual la energía, al igual que pasa con la información en internet, dejaría de ser un bien escaso.

Capacidad de cubrir la demanda con eólica y solar solo con interconexión (sin almacenamiento ni sobregeneración), en (a) escala regional (interconexiones entre estados), (b) subcontinental (entre regiones multinacionales) y (c) continental (entre continentes enteros).

Conclusiones

Una de las cosas que queda clara es que existen múltiples caminos para acercarse al 100% renovable y lo más probable es que el elegido sea una combinación de todas las capacidades aquí mostradas. Es esa multiplicidad de opciones la que me convence de su factibilidad ya que es difícil que pueda existir un cuello de botella crítico pues si alguna estrategia no resulta siempre tenemos varias alternativas que sí podrían hacerlo. En nuestro caso concreto, alcanzar ese 90% antes de lo previsto vemos que requiere que se den dos elementos importantes. Primero una aceleración en el ritmo de despliegue de la eólica. Para que ello sucediera probablemente debería entrar en juego la eólica marina con un planeamiento de un mínimo de 35GW adicionales a los que se instalen de eólica terrestre. Así mismo, el consumo eléctrico no debería subir demasiado, a ser posible mantenerse. Aquí operan aspectos contradictorios por una parte la expansión de la movilidad eléctrica con los BEV presionará al alza el consumo eléctrico pero a la vez supondrá una mayor capacidad del V2G permitiendo mayores aprovechamientos renovables. Por otro lado, una expansión rápida del autoconsumo fotovoltaico contribuirá a reducir la demanda en las horas centrales del día, y habrá seguro más adaptaciones de la industria que ahora se nos escapan, así que no está claro como evolucionará la demanda. Lo que hemos tratado de explicar en este trabajo es que, llegar al 90% sin grandes requerimientos de almacenamiento adicional no es algo impensable aquí al menos y que si no ocurre tan pronto ocurrirá más tarde con seguridad. No existe inviabilidad técnica y el único limitante real será el económico que es el que dictará los tiempos así como el ritmo al que incrementemos la demanda eléctrica. Pero todo eso a lo sumo lo que puede hacer es retrasar la transición pero no evitarla.

Fuentes

Esios REE

Geophysical constraints on the reliability of solar
and wind power worldwide

GWEC Offshore Wind Resource Hub

LDES Report

Carbon Tracker Initiative – Report: The Sky’s the Limit

Rethink Report: Rethinking Energy 2020-2030

Publicado el por Víctor García | Deja un comentario

La nefasta gestión de la pandemia en Madrid


En España existe la falsa creencia de que la gestión económica y sanitaria de la pandemia de COVID-19 que ha realizado el gobierno regional de la presidenta Isabel Ayuso ha sido buena. En líneas generales, se argumenta que se ha hecho todo bastante bien ya que (i) las intervenciones en materia de política sanitaria han sido de las más avanzadas, y (ii) a nivel económico, se ha dado más libertad que en otras regiones para que las empresas y comercios no se vieran tan afectados por las restricciones, lo que en última instancia habría hecho que el mercado de trabajo de la región de Madrid fuese de los “más dinámicos” de todos.

Sin embargo, desde una perspectiva comparada, los datos oficiales de Eurostat sobre la gestión de la crisis sanitaria y económica muestran que el comportamiento de España, y en especial en Madrid, hasta finales de 2020 fue pésimo. La resistencia al shock del COVID-19 fue casi nula y la argumentación anterior simplemente no se sostiene por ningún lado.

El exceso de mortalidad acumulado con respecto al promedio histórico de 2015-2019 durante 2020 en Madrid fue del 42.1% mientras que la pérdida de empleo en % (para la población de 25-64 años) del 2.2%. En España, las pérdidas de empleo durante 2020 fueron del 2.3% y el exceso de mortalidad del 15%. Estas dos métricas nos colocan en el farolillo rojo de Europa en cuanto a gestión de la pandemia. Prácticamente todas nuestras regiones puntúan en el 25% superior de la distribución de pérdidas de empleo y de vidas en los mapas a continuación. Esto contrasta con la capacidad de minimizar daños económicos y el coste en vidas de las regiones de países del norte y centro de Europa.

Nota: La escala de colores (de amarillo claro a rojo oscuro) aumenta con las pérdidas de empleo. El rango de color rojo abarca al 25% de las regiones con pérdidas de empleo más elevadas, entre el 1.4 y el 2.9%. Las regiones coloreadas en rojo oscuro son las que pertenecen al 5% superior de la distribución, con pérdidas de empleo superiores al 2.9%.

Nota: La escala de colores (de amarillo claro a rojo oscuro) aumenta con el exceso de mortalidad. El rango de color rojo abarca al 25% de las regiones con un exceso de mortalidad más elevado, entre el 15.4 y el 20.9%. Las regiones coloreadas en rojo oscuro son las que pertenecen al 5% de la distribución, con excesos de mortalidad superiores al 20.9%.

A continuación, se muestra la relación entre (i) las pérdidas de empleo y (ii) el incremento de mortalidad, para la muestra de 233 regiones de 27 países europeos mapeadas anteriormente (los círculos en rojo son las regiones españolas). La clasificación en cuadrantes centrados en el promedio europeo sirve para (ii) determinar si una región lo hizo bien en las dos dimensiones, en una pero no en la otra, o si lo hizo mal en ambas; y (ii) para comprobar que, a nivel general, sí que existía un débil “trade-off” entre economía y salud.  

Si se hace un zoom considerando los índices de desempeño estandarizados en cada una de la dos dimensiones, sanitaria y económica (con los ejes centrados en el promedio europeo), pero tomando en consideración únicamente las regiones españolas, puede observarse que la única región que puntúa por encima de la media europea en las dos dimensiones analizadas es Asturias. Pero lo que más llama la atención, es la ubicación extrema de Madrid, con un nivel de mortalidad muy elevado para lo abultado de su caída en empleo. También destacan los resultados pésimos en empleo de Baleares y Canarias explicados por su dependencia del turismo (casi un 40% del empleo en ambas regiones está relacionado con actividades de restauración, acomodación, etc).

Dada la heterogeneidad que hay en la muestra de regiones europeas, se podría argumentar que tiene más sentido comparar Madrid con otras regiones capitales europeas. En la tabla a continuación se muestra que Madrid sale también muy mal parada en esta comparación, ya que es la segunda capital europea que peores resultados económicos obtuvo (sólo superada por Eastern-Midland (IE06), la región de Dublín) y la peor de todas en términos sanitarios, muy lejos de Bruselas (BE10). Por su parte, las dos regiones capitales con mejores resultados en el mercado de trabajo de toda Europa fueron Atenas (EL30) y Budapest (HU11) que experimentaron tasas de crecimiento positivas. En términos de exceso de mortalidad, las que consiguieron tasas más bajas y donde la pandemia prácticamente no se hizo notar (con sólo un 1% adicional de mortalidad), fueron las regiones de Copenhague (Hovestaden, DK01) y Riga (LV00).  

Nota: en azul se destacan las dos mejores, en rojo las dos peores.

Resumiendo, no hay ningún motivo para la visión triunfalista que se sostenga con los datos actualmente disponibles. Casi todas las regiones españolas lo han hecho mal y dentro de España, Madrid ha sido de las peores. En 2020 fue la región con el exceso de mortalidad más alto de toda Europa y a nivel de empleo, quedó la número 205 de 233. Son cifras realmente malas que no tienen vuelta de hoja.

……………………………………………………………………………………………………………

Nota: Este análisis sólo nos da una foto fija de la geografía de la crisis de la pandemia de COVID-19 hasta el 31/12/2020, ya que al no existir datos consolidados de 2021 no es posible tener en cuenta que la severidad de la epidemia y velocidad de recuperación del empleo durante 2021 han podido alterar ligeramente los ránkings.

Publicado en Sin categoría | Etiquetado , , , | Deja un comentario

¿Por qué el uso obligatorio de mascarilla en el exterior no tiene ningún sentido?

La propagación del SARS-CoV-2 por transmisión aérea en espacios cerrados está ampliamente aceptada. Sin embargo, la probabilidad de transmisión por el aire al aire libre depende de varios parámetros, aún bastante inciertos: concentraciones de aerosoles cargados de virus, viabilidad y duración, dosis mínima necesaria para transmitir la enfermedad.

En este trabajo de Belosi et al. (2021) publicado en el Journal of Environmental Research los autores realizan una estimación de las concentraciones al aire libre en el norte de Italia (región de Lombardia) utilizando un enfoque de modelo de caja simple, basado en una estimación de las emisiones respiratorias y para las ciudades de Milán y Bérgamo (Italia).  Además, investigan la probabilidad de interacción del aerosol cargado de virus con partículas preexistentes de diferentes tamaños.

Los resultados indican concentraciones promedio al aire libre muy bajas (<1 copia de ARN / m3) en áreas públicas, excluidas las zonas concurridas, incluso en el peor de los casos y asumiendo una cantidad de infecciones hasta el 25% de la población.

En promedio, asumiendo un número de infecciones igual al 10% de la población (es decir, una IA de 10 mil por 100mil, o unas diez veces peor que en el peor momento de la pandemia), el tiempo necesario para inspirar un cuanto (es decir, la dosis de núcleos de gotitas en el aire requerida para causar infección en el 63% de las personas susceptibles) sería de 31,5 días en Milán (rango 2,7-91 días) y 51,2 días en Bérgamo (rango 4,4-149 días).

Fig. 2
Fig. 3

Por lo tanto, la probabilidad de transmisión aérea debido a aerosoles respiratorios es MUY BAJA en condiciones exteriores.

También muestran que la probabilidad de que el aerosol cargado de virus se adhiera a partículas atmosféricas preexistentes (se ha hablado mucho de las PM2.5 o PM10) resultó ser insignificante, por lo que los resultados aplican también a ciudades densas y con un elevado nivel de contaminación.

Por tanto, la evidencia científica muestra que la ley que se ha aprobado hoy en España y que regula el uso obligatorio de mascarilla en todo momento no tiene ningún fundamento.
Parece que en el gobierno no hay nadie leyéndose lo que va saliendo…

Publicado en Sin categoría | Deja un comentario

La prohibición de fumar en terraza de muchas regiones en España carece de fundamento científico

  La preocupación por la posible transmisión del virus a través del humo de cigarrillo exhalado por fumadores es perfectamente legítima, pero no está justificada ni basada en ninguna evidencia. De hecho, sólo hay un estudio de un grupo de pakistaníes (ver Ahmed et al., 2020) publicado en el journal de medicina de Pakistán que haya analizado la cuestión y sobre todo, muchas opiniones. Por otro lado, la preocupación por la salud de los fumadores en el caso del COVID-19 tampoco está justificada, ya que si bien es cierto que una vez en el hospital suelen tener peor evolución (Faraslinos et al., 2020a), tienen mucha menos probabilidad de entrar en el hospital que el resto de la población (Farsalinos et al., 2020b, Israel et al., 2020; Wenzl, 2020)

En España, a raíz de la prohibición del verano pasado de fumar en terrazas de Galicia (tomada sin ninguna evidencia científica) un elevado número de Comunidades Autónomas rápidamente se unió al festival de restricciones. Actualmente, parece ser que la prohibición ya se ha levantado en Galicia, pero permanece en muchas otras. La justificación teórica que motivó esta restricción es que el coronavirus se transmite mediante aerosoles y que el humo exhalado por cigarrillos, e-cigarrillos o vapeadores podría transportar el virus con capacidad infectiva y favorecer la transmisión de la enfermedad. De momento no hay prueba de ello y en cualquier caso, el riesgo epidémico de permitir/prohibir fumar debe ponerse en contexto con el riesgo de otras actividades respiratorias

Así, hace apenas un mes, un artículo en la revista científica internacional “Journal of Environmental Research and Public Health” elaborado por (Sussman et al., 2021) muestra (y menciona explícitamente en la discusión de sus resultados) que la prohibición de fumar en las terrazas adoptada en España es absurda y no tiene fundamentos científicos.

En sus palabras:

“… Prohibir el vapeo en espacios al aire libre completamente abiertos aludiendo a la eliminación de la máscara o la posible transmisión de fómites tiene una justificación débil y extremadamente especulativa, especialmente en espacios abiertos como terrazas de restaurantes o al aire libre.  Lamentablemente, el Consejo Interterritorial del Sistema Nacional de Salud en España ha invocado precisamente en su documento de posicionamiento la necesidad de proteger a la ciudadanía del contagio del COVID-19 sobre bases débiles para justificar una prohibición a nivel nacional de fumar y vapear en todos los espacios exteriores (incluso espacios completamente abiertos)

… Las autoridades sanitarias españolas no aportan pruebas empíricas de que se haya producido un contagio real de COVID-19 a través de vapeo o exhalaciones de tabaco ni una justificación técnica coherente que respalde su plausibilidad, pero, sin embargo, invocan el principio de precaución para justificar la aplicación de esta prohibición al menos durante el período de vigencia»

De hecho, los autores del estudio platean mediante un riguroso ejercicio de modelización y calibración de parámetros (para los interesados, ver los detalles aquí) que la actividad de vapear y fumar es una actividad respiratoria relativamente infrecuente e intermitente con una tasa de emisión media de 79.82 gotas (media = 6-200, std = 74.66) que sólo añade un riesgo del 1% al hecho de respirar sin mascarilla en un espacio cerrado, por lo que es prácticamente irrelevante desde el punto de vista de la gestión de la epidemia.

La figura abajo, muestra que, comparado con otras actividades permitidas, el incremento del riesgo de contagio viral asociado al hecho de vapear/fumar es casi nulo.  

De hecho, según las estimaciones de estos investigadores, el incremento de riesgo de contagio asociado a fumar es un 43-175% inferior al de hablar 6–24 min por hora y un 259% inferior al de toser cada dos minutos. Estos resultados aplican igualmente al caso de los cigarrillos convencionales, en los que el 80% de los aerosoles no están relacionados con el sistema respiratorio sino con la quema del cigarro).

Sin embargo, vivimos en el único país del mundo en el que se permite comer y hablar en interiores durante más de media hora (donde el riesgo de contagio es mucho más elevado) pero se prohíbe fumar en el exterior de las terrazas, incluso cuando hay distancia de seguridad.

PD: Dedicado a los técnicos y consejeros de la Generalitat Valenciana y otras tantas regiones.

Publicado en covid-19, fumar, Sin categoría | Etiquetado , , | Deja un comentario

¿En qué momento estamos de la epidemia de COVID-19?

La “segunda ola” de COVID-19 ya está causando estragos en toda Europa y el debate sobre los confinamientos de todo tipo e intensidad está abierto. Un elemento importante que ha dificultado la toma de decisiones durante este período, y que sigue distorsionándolo todo, ha sido la mala calidad de los datos.

Así, los que seguimos la evolución de la curva epidémica diariamente, solemos encontrarnos con una imagen fuertemente distorsionada (ver Gráfico 1), ya que las estadísticas oficiales muestran un patrón ascendente de nuevos casos para los cinco países más importantes de Europa. Si tomásemos por buenos estos datos, deberíamos concluir que la segunda ola estaría siendo mucho más intensa que la primera en términos de incidencia.

Gráfico 1. Evolución temporal de los nuevos casos (datos oficiales)

Sin embargo, en este post muestro que la situación actual, aunque es preocupante, al compararse con la situación de primavera de 2020 todavía es bastante buena para la mayoría de los países analizados (sólo Alemania está igual que en marzo) y que las medidas restrictivas, esta vez parece que sí que se están tomado a tiempo.

Ahora bien, para poder comparar la incidencia entre las oleadas, hay que corregir las series históricas de contagios de los diferentes países durante la “primera ola”, ya que están plagadas de errores de medida. Esto se debe a que en la primera oleada de primavera de 2020 sólo se detectó una fracción pequeña del verdadero número de casos (un promedio del 10%). Este nivel contrasta con la elevada capacidad de detección actual (que oscila entre el 80- 100%), tal y como se ve en el Gráfico 2.

Gráfico 2.  Porcentaje de casos de COVID-19 detectados con respecto al total

Para (i) corregir los datos de nuevos casos por los problemas de “under-reporting” y aportar una imagen más realista de lo ocurrido, (ii) así como para ubicarnos en el momento en el contexto en el que estamos ahora; la estimación del porcentaje de casos detectado con respecto al total es crucial. Para llevarla a cabo, he empleado el algoritmo de corrección de Nishuira et al. (2009) que sirve para estimar la incidencia en tiempo real de brotes epidémicos. La forma genérica de corregir las series oficiales de un brote epidémico que propone Nishiura et al. (2009) y que ha sido utilizada por el grupo de investigación de la London School of Hygiene & Tropical Medicine para el caso del COVID-19 (y que replico aquí),  parte de dos observaciones clave.

  • La primera es que una simple división del número de defunciones totales (Dt) entre los casos totales (Ct) en un período t, la denominada naive fatality rate (nCFR=Dt/Ct), es una estimación sesgada de la letalidad real, ya que muchos de esos casos no están resueltos. Es decir, no se sabe con certeza si se recuperarán o no. Esto es así ya que el curso de la enfermedad lleva un tiempo, y existe un desfase o retardo temporal entre contagio y defunción.
  • El segundo hecho es que, aun cuando consigamos una CFR ajustada (CFRa) por los desfases temporales y dividamos las muertes por los contagios en el período que sucedieron con más probabilidad, esas estimaciones de letalidad tenderán a sobreestimar la verdadera letalidad de la enfermedad.

Gráfico 3. Ratio letalidad ingenua: Defunciones totales / Contagios totales

Como puede observarse en el Gráfico 3, según las estadísticas oficiales, la tasa de letalidad ingenua (o nCFR) de España, Francia, Italia o Reino Unido hasta bien entrado el verano ha estado por encima del 10%, lo que no es realista. De hecho, el consenso de la literatura científica (ver aquí, aquí,  aquí o aquí) es que la verdadera letalidad por contagiado está en el rango del 1 al 1.5%. La estimación de letalidad ajustada por retrasos temporales (CFRa) de casos con resultados ciertos también sufre de un problema de sobre-estimación, ya que  hasta el verano, sólo se detectaba una proporción de los casos reales. Así que para corregir esto sesgo, se asume que los excesos de la CFRa con respecto a «la mejor estimación posible» pueden atribuirse a una falta de detección.

Aunque la letalidad puede variar por países y en el tiempo (y con los años puede que converja a un valor entre el 0.5% y el 1% tal y como plantea la OMS),  asumiré que «la mejor estimación posible de letalidad» para el período estudiado y para todos los países considerados es del 1.25%, aún a riesgo de sobreestimar el tamaño real de la epidemia en algunos e infraestimarlo en otros.

Para el caso de España una letalidad del 1.25% es algo superior al 1.16% que arrojó el estudio serológico a 22 de junio (28.3 mil muertos/ 2.47 millones de infectados con anticuerpos) pero me parece un valor bastante razonable.  Por un lado, los datos del MoMo sugieren que los muertos están muy infraestimados (lo que tendería a aumentar bastante el numerador). De otro lado, sabemos que hay una proporción de población que, aunque se infecte y supere la enfermedad, pierde los anticuerpos rápidamente. En la muestra representativa del estudio de seroprevalencia, el 15% perdió anticuerpos a lo largo de las olas del estudio que duró 2 meses (lo que también sube el denominador y cancelaría parcialmente el efecto de infraestimar las defunciones). Por tanto, si tenemos en cuenta este 15% de población adicional que pierde anticuerpos, cualquier estimación fiable de lo ocurrido, para el 22 de junio, debería dar como poco un total 2.8 millones de infectados.

Si usamos el porcentaje de casos no detectados cada período, se puede obtener la magnitud real de la epidemia en cada periodo. Un elemento que le da credibilidad a esta estimación basada en Nishiura et al. (2009) es que, para España a fecha de 22 de junio, este cálculo situaba el impacto de la epidemia en 2.95 millones de casos > 2.8 millones.

Así pues, tal y como puede observarse a continuación, las curvas epidémicas del COVID-19 que se derivan de este análisis, tanto para el caso de España como para el resto de países, son  muy diferentes de los datos oficiales.

Gráfico 4. Comparación datos oficiales vs datos reales: España

Gráfico 5. Nuevos casos por países: datos oficiales vs reales  Estos gráficos son clave para comprender la situación actual.

  • Muy lejos de estar batiendo récords cada día, el esfuerzo que se está realizando con el distanciamiento social, el uso de mascarilla y confinamientos parciales de todo tipo, está dando sus frutos ya que aunque 20 mil – 25 mil casos diarios son muchos, estas cifras no tienen nada que ver con la explosión y el pico de primavera, que para España se situó en unos 143 mil casos diarios el día 26 de marzo. Por poner el dato en contexto: a 4/5 de noviembre, estamos registrando aproximadamente 6 veces menos casos diarios que en el pico real.
  • Si se tiene en cuenta el conjunto de infecciones totales con los datos corregidos, el número total de infecciones asciende a 4 millones. Es decir, ya hay un 8.5% de la población que ha pasado la enfermedad. De nuevo, este dato contrasta con la cifra oficial de 1.2 millones o del 2.6% de la población.
  • En el período de 5 meses del 22 de febrero al 22 junio, se estima que se contagiaron aproximadamente 3 millones mientras que en los 4 meses y medio del 21 de junio al 5 de noviembre, sólo se han contagiado 1 millón de personas. Es decir, los primeros 5 meses son un 74% de los casos. Así pues, hemos ralentizado sustancialmente la velocidad de la epidemia y le hemos quitado casi un 66% de efectividad de transmisión al coronavirus.
  • Otra lección que podemos extraer al comparar lo sucedido recientemente en otros países, es que los gobiernos de Francia y Reino Unido, tras observar un fuerte acelerón en los casos y superar los umbrales del 50-20% de incidencia del pico de primavera, han endurecido las restricciones al máximo. Esto sugiere que en España, con incidencias > 45 mil casos un último endurecimiento de las restricciones y la vuelta al confinamiento domiciliario sería muy probable.

Con los datos del 4/5 de noviembre, en España, estamos al 17% del pico de marzo, por lo que todavía hay un cierto margen de tiempo y maniobra. Sin embargo, registros diarios de 20mil casos (unos 6000-7000 muertos al mes) a la larga podrían ser insostenibles para la capacidad hospitalaria. Llegados a este punto, si se estima que finalmente se va a tener que tomar la medida del confinamiento domiciliario, lo mejor sería ejecutarla cuanto antes para que la bajada de la curva fuese más rápida y se pudiese salvar la Navidad. Obviamente este confinamiento no debería ser tan duro para bajar la curva, ya que como he mostrado, la incidencia actual es 6 veces menor que la de marzo.

Publicado en Epidemics | Deja un comentario

Las Curvas de COVID-19 de Italia y España, 6 meses después

Este gráfico de la trayectoria de contagios acumulada de Italia y España, muestra que si bien fuimos unos días por detrás en el comienzo de la pandemia, les pasamos a comienzos de abril y mantuvimos distancias hasta junio, desde julio la divergencia se ha vuelto brutal.

contagios_ita_esp

Esa divergencia no está provocada por causas estructurales invariantes en el tiempo tipo distribución de riqueza, la descentralización, el civismo, la densidad de población o hacinamiento, ya que esas variables cambian lentamente y son similares entre ambos países. Las condiciones iniciales post-confinamiento tampoco parecen importantes. Unos 40-50 días después del desconfinamiento (nosotros salimos el 10 de mayo y ellos el 17), teníamos el mismo diferencial entre países que en las fechas de la desescalada de mayo, por lo que no habría cambiado mucho alargarlo hasta final de mayo. Sin embargo, a partir de la segunda mitad de junio, las curvas comienzan a separarse hasta que la brecha se hace gigante y en 3 meses acabamos acumulando 400 mil casos detectados más que ellos.

¿Qué es lo que ha pasado en este período?

Mi hipótesis es que son elementos de gestión los que marcan las diferencias:

(1) Contratación de rastreadores y vigilancia epidemiológica. Ellos dejan la ratio en 1 o 2 rastreadores por cada 10 mil habitantes y saben adscribir el origen de la mayoría de brotes. En España, la ratio de rastreadores en muchos sitios sigue a menos de 0.5 por 10 mil habitantes. Esto es MUY importante cuando tienes niveles bajos de transmisión para seguir dejándola en un nivel bajo. Puesto que este virus se propaga en oleadas muy asimétricas (de modo que una persona puede infectar a muchísimas más mientras que muchas infectadas contagiar a muy pocos), si no detectas muy bien los eventos de supercontagio cuando hay pocos casos, al tiempo se produce un efecto “bola de nieve”, los brotes se remezclan y se descontrola.

(2) Restricciones a tiempo y apropiadas. Aunque las mascarillas en espacios abiertos algo hacen (en Italia no son obligatorias salvo en espacios cerrados), dado que la transmisión es mucho más probable en espacios cerrados que al aire libre; lo importante es no permitir aglomeraciones en espacios cerrados. En esto hemos fallado.
En España el cierre del ocio nocturno se produce cuando ya estábamos con un volumen de casos casos diarios 10 veces más alto. En Italia cierran el 17 de agosto con 450 casos, nosotros el 14 con 5500. En el transporte sucede algo similar. Ellos han mantenido los transportes públicos a capacidad baja, para respetar las distancias y evitar densidad. En España no.

(3) Control de fronteras y casos importados. Por ejemplo, en Italia se establecen puestos de testeo en los parkings de los aeropuertos, lo que permite mantener el nivel de casos importados bajo sin que se te desmadre. Alternativamente si vas allí, estás obligado a presentar un test realizado en las últimas 48 horas, con un resultado negativo en función del país del que vengas. Esto es así, al menos desde mediados de agosto. Y aunque este factor sea posiblemente una causa menor para explicar la brecha  ya que la divergencia comienza antes, seguro que ha contribuido en el último mes y medio.

Publicado en Sin categoría | Deja un comentario

Escenarios de desconfinamiento temprano para España a partir de un modelo epidemiológico SEIR ¿Qué podemos esperar?

COVID SEIREste lunes el gobierno español ha decidido empezar la primera fase de desconfinamiento. Vamos a intentar anticipar diversas hipótesis razonables de cómo podría ir la cosa según diversos supuestos y mediante el uso de un modelo SEIR (Susceptible, Expuesto, Infeccioso, Recuperado).

 

Modelo Benchmark: Corea del Sur

Para ello hemos ajustado un modelo con los datos de Corea del Sur tanto para las curvas de infecciosos como para la de decesos para poder estar seguros de que los parámetros básicos del modelo tenían sentido.

Lo que encontramos es que la mortalidad en Corea se está moviendo en un rango de 0.3 a 0.6 y que el período de incubación y de infecciosidad puede asumirse como de 5 días. Además se observa que el reporting de infecciosos y de muertos va más o menos con un decalaje temporal similar de unas dos semanas (14 días) desde el contagio. Asumimos para corea un supuesto de reporting de infecciosos de un 88% , uno de los más altos y que concuerda con otros estudios realizados al respecto: https://cmmid.github.io/topics/covid19/severity/global_cfr_estimates.html

El supuesto será algo conservador, ya que el underrerporting podría ser aún mayor y probablemente tampoco constante sino variable en el tiempo. Pero para poder desarrollar un modelo «boceto» para España ya nos servirá. Basados en los datos de Corea asumimos para España un rango de mortalidad algo superior, del 0.4 al 0.6% según el tramo. Esto es debido a un mayor envejecimiento de la población, un mayor contacto social y también a una mayor saturación del sistema sanitario en el pico de la pandemia.

Asumimos, a tenor de los datos observacionales, que ya estamos transitando el pico de casos activos con lo que en breve deberíamos iniciar la curva descendente. También que, según el estudio citado más arriba, España tiene un reporting del 10% del total de infecciosos. Es decir que hay 10 veces más contagiados de los que se ha dado cuenta oficialmente. Algo lógico debido a la poca atención inicial que las autoridades españolas prestaron al virus y que concuerda también con el hecho de que el virus tuvo que estar circulando por debajo del radar ya durante todo el mes de febrero y probablemente también desde finales de enero. Esa es la clave que explica porque en marzo explota casi de golpe como salido de la nada. Momento en el que la base de infectados es suficiente para que los casos graves lleguen en cantidades relevantes al sistema sanitario.

Escenario no confinado vs confinado

La primera decisión de confinamiento se toma el dia 14 de marzo. Bastante tarde pero aún así suficientemente antes de que la cosa llegue a niveles desmesurados. De no haber hecho nada las consecuencias habrían sido funestas y nos habrían dejado en cifras por encima de los 200.000 muertos solo en casos confirmados y en apenas dos meses, probablemente muchos más debido a una saturación del sistema sanitario fuera de toda escala.

 

Spain1

Y es que la R0 sin contención para España era de alrededor de 5. Un valor altísimo, sin duda.

Escenario con una sola fase de confinamiento a R0 = 1

Gracias a la primera fase de confinamiento parcial en la que aún se mantuvo cierta movilidad laboral no esencial (la llamaremos «parcial1») hemos curvado la curva lo suficiente para limitar el efecto y contener la cifra de decesos en un máximo de 50.000 por ahora. La R0 ha bajado y se ha situado en alrededor de 1 al menos hasta la segunda fase de confinamiento (la llamaremos «total»).

Dado que el desfase temporal en los datos de infectados es de unas dos semanas será ahora cuando notemos el efecto de esa segunda fase de confinamiento, la total. El problema es que como no tenemos datos del descenso nos es imposible inferir la eficacia de ese confinamiento y es por eso que creemos que la decisión del gobierno es algo imprudente. En teoría estamos justo atravesando la zona pico de casos activos y no podemos aún modelizar con garantías la curva de descenso como hemos hecho para Corea. Así que lo más que podemos hacer son supuestos. Así mismo, al levantar parcialmente el confinamiento corremos el riesgo de que se baje la guardia y nos vayamos de nuevo a valores de la R0 mayores que 1.

 

Escenario de confinamiento en dos fases: 14 a 28 con R0=1 y 28 en adelante con R0=0.7

Asumiendo que no levantamos el confinamiento total y que este ha sido con una R0 como la de Corea, de 0.7 (este dato es el que podremos cuantificar en esta semana del 13 al 19, de ahí la inevitable incertidumbre de los escenarios que siguen). De seguir así hasta el control definitivo de la primera oleada de la epidemia la curva sería bastante buena, dentro de la catástrofe y nos quedaría tal que así:

 

Escenario de confinamiento en tres fases: 14 a 28 con R0=1 , 28 a 12 con R0=0.7 y 12 en adelante con R0=1

Y ahora, ¿qué ocurrirá si dentro de 15 días volvemos a repercutir una R0 de valor 1 tras la reapertura parcial de este lunes? Pues aunque la cosa empeoraría algo la verdad es que seguiría siendo un resultado aceptable, si consideramos aceptable, asumir unas 10.000 muertes más claro está. Aunque si aceptamos el hecho de que, por ahora, con los confinamientos lo único que estamos haciendo es ganar tiempo para descongestionar el sistema sanitario y pertrecharnos de equipamiento, entonces muchos decesos no los estaríamos realmente evitando sino solo retrasando en el tiempo. Al menos hasta que se encuentre un tratamiento o vacuna eficaz. Lo cual puede no ocurrir nunca, no al menos en el curso de la epidemia que podemos intuir que sera de 1 a 3 años en distintas oleadas sucesivas. Lo que quiero decir es que este escenario, siendo peor que el anterior sigue no es ni tan malo habida cuenta de donde nos situamos ahora mismo.

Escenario de confinamiento en tres fases: 14 a 28 con R0=1 , 28 a 12 con R0=0.7 y 12 en adelante con R0=1.15

El riesgo que veo en empezar a desconfinar tan pronto es que la fase tres, la «parcial2» la llamaremos, podría regresar a valores superiores a 1 si nos confiamos y se baja la guardia. ¿Qué pasaría si por un casual se regresa tan solo a un valor de R0 de 1.15?

Pues a poco que en la tercera fase de confinamiento volvamos a una R0 superior a 1 tendremos un rebrote lo que nos podría llevar a duplicar la cifra de muertos respecto al curso actual y alargar la crisis en el tiempo. Y todo eso confiando que la R0 haya bajado ya sustancialmente durante la fase de confinamiento total. Algo que tampoco sabemos aún. En conclusión, el gobierno está decidiendo a ciegas. Podría acertar y si lo hace será por casualidad. Pero si yerra, debido a las dos semanas de desfase con las que recibimos los datos, nos daremos cuenta de nuevo demasiado tarde y la tendremos liada otra vez.

Escenario de confinamiento en dos fases: 9 a 23 con R0=1 y 23 en adelante con R0=0.7

Y ahora como bonus vale la pena preguntarse, ¿qué habría ocurrido si se hubiese actuado tan solo 5 días antes en vez de estar perdiendo el tiempo negando las evidencias para poder llegar abiertos hasta el 8M? Y este es el resultado, habríamos logrado controlar la epidemia en torno a los 12.000 decesos confirmados:

Probablemente no sea muy equivocado afirmar que si el 8M hubiese sido tan solo una semana antes España se habría salvado de lo peor porque muy posiblemente no se habría perdido esa crucial primera semana de marzo en estado de negación y todas las medidas se habrían hecho justo esos 5 días precedentes que serían necesarios para evitar el colapso sanitario que hemos sufrido.

 

Referencias

[1] https://cmmid.github.io/topics/covid19/severity/global_cfr_estimates.html

[2] https://institucional.us.es/blogimus/2020/03/covid-19-analisis-por-medio-de-un-modelo-seir/

[3] https://towardsdatascience.com/social-distancing-to-slow-the-coronavirus-768292f04296

[4] https://www.ijidonline.com/article/S1201-9712(20)30117-X/fulltext

[5] https://www.worldometers.info/coronavirus/coronavirus-incubation-period/

[6] https://annals.org/aim/fullarticle/2762808/incubation-period-coronavirus-disease-2019-covid-19-from-publicly-reported

[7] https://numbersandshapes.net/post/fitting_sir_to_data_in_python/

 

 

Publicado en Sin categoría | 1 Comentario

¿Cuándo debería levantarse la cuarentena?

En este blog hemos venido trabajando con varios modelos para analizar en tiempo real el brote de COVID-19. El modelo de crecimiento exponencial, crecimiento generalizado (sin límite de contagios, pero útiles para la fase temprana explosiva) y el logístico (mejor a medio plazo, por asumir punto de inflexión).

La observación de los datos publicados del Ministerio de Sanidad en estas últimas dos semanas y media, sugiere que los datos oficiales se ajustan claramente a un patrón logístico y que ya hemos pasado el pico »natural» de esta primera oleada de COVID-19.

  • Recapitulación

El pronóstico sobre el pico realizado el día 23 (dando fecha y cantidad) se muestra en el Gráfico 1 abajo. Como puede verse, el pronóstico que manejábamos era que el pico de nuevos casos se produciría en el entorno de unos 8500 casos nuevos, y que esto sucedería con máxima probabilidad el día 3 de abril siendo las fechas que cubrían el intervalo de confianza del 95% el [1Abril-11Abril]. Lo que han mostrado los datos es que el pico finalmente se produjo el día 31 de marzo, con unos 9200 casos. Por tanto, se produjo más pronto de lo esperado, y fue más intenso. Sin embargo, como puede observarse, el 70% de los datos sucedidos a dos semanas y media vista, han estado dentro de las bandas de confianza, una cobertura bastante decente.

Gráfico 1: Evolución nuevos contagiados 24M-9A

Peak_Forecast2

Usando los datos más recientes del Ministerio de Sanidad organizados por Datadista, el pronóstico que genera el modelo logístico a fecha de hoy sugiere que lo más probable es que entremos en una fase estacionaria a partir del 17 de abril, con un tamaño final de este primer brote de la pandemia en el entorno de los 180 mil casos. De hecho, se obtiene un resultado muy similar a través de la extrapolación de las tasas de crecimiento de nuevos casos usando datos del 27marzo-9abril (-0.6% por día), que ya reflejan el ritmo de contagios del confinamiento parcial, posterior al decreto de Estado de Alarma (aunque todavía podrían no capturan el efecto del confinamiento total).

Gráfico 2: Contagios acumulados

ForecastCum_Nuevos

  • La curva de contagios activos

Sin embargo, el pico de nuevos contagios no es el relevante para saber cuándo se deberían levantar las medidas de confinamiento, que es lo que le interesa a la mayoría de la gente a estas alturas de la película. El que realmente cuenta en este sentido, es el pico de nuevos casos activos que se calculan como:

Casos activos (t) = Casos confirmados (t) – Recuperados(t) – Defunciones(t)

En el Gráfico 3, vemos que según el modelo logístico el pico de esta variable se produjo el 7 de abril. En rojo se muestra la trayectoria esperada de los casos activos mientras que el período del confinamiento que cubre el período que va del 14 de marzo al 26 de abril se muestra en gris.

Gráfico 3: Casos activos

Forecast_Peak_All

Como puede verse, el valor esperado de casos activos del 26 de abril hace que no sea nada recomendable comenzar a reconectar la sociedad esos días y levantar el confinamiento parcial ya que para esas fechas los casos activos que tendremos todavía estarán por encima de los que había en el momento previo a la declaración del Estado de Alarma. Así, para el 26 de abril, se esperan unos 21 mil casos activos equivalentes a los del 20-21 de marzo. Terminar con la cuarentena parcial de la sociedad en esas fechas sería muy imprudente y arriesgado ya que todo lo que se ha logrado podría perderse fácilmente.

Para que nos hagamos una idea, ya que la curva no es simétrica y tiene una cola larga y gruesa a la derecha (es decir, cuesta más bajarla que subirla), la equivalencia temporal en la fase de bajada sería la siguiente:

Fecha de fin de confinamiento parcial Fecha equivalente parte creciente Número de casos activos
26-abr 21-mar 21000
01-may 17-mar 11500
15-may 09-mar 2000
25-may 04-mar 550
01-jun 02-mar 210
07-jun 01-mar 100

Por tanto, para llegar a la situación inicial de casos activos del 9 de marzo, justo después del famoso fin de semana polémico de las manifestaciones y mítines políticos, tendremos que esperar hasta el 15 de mayo. Puesto que existe un consenso generalizado sobre el hecho de que ese fin de semana ya se debería haber decretado el confinamiento parcial, tampoco parece muy razonable una vuelta a la normalidad para ese entonces. Si quisiésemos retroceder en el tiempo y ponernos al nivel de los 100 casos activos estimados que teníamos el 1 de marzo, deberíamos mantener la cuarentena hasta la primera semana de junio (concretamente el 7 de junio).

Aunque esto sería lo ideal (Wuhan volvió a abrir a las 10 semanas con menos contagiados oficiales), es muy probable que los gobernantes consideren que el país no puede permitirse ese coste a nivel económico, ya que las estimaciones que hay ahora mismo indican que cada 15 días de confinamiento restan unos 3-4 puntos de PIB. Alargar la cuarentena todo abril y mayo supondría una pérdida de unos 8-10 puntos del PIB, a lo que habría que añadir, la destrucción del sector turístico por la más que probable pérdida de la temporada de verano.  Estimamos que este shock estaría más cerca de la caída del PIB de la guerra civil (del 25%) que del colapso financiero y del sector de la construcción de 2008 (del 5%).

  • ¿Cuál es el riesgo de levantar la cuarentena demasiado pronto?

La experiencia de otros países muestra que el virus es muy difícil de controlar, por lo que, si a partir del 13 de abril, se vuelven a abrir actividades económicas no esenciales, del 27-28 de abril en adelante deberíamos ver un repunte en los datos de nuevos contagios. En lugar de las tasas de crecimiento del 0-0.5% de nuevos contagiados que veremos en la fase estacionaria del 15 al 27 de abril (y que se corresponderán con el período de confinamiento total), podríamos pasar a ver crecer el número de nuevos contagiados al ritmo del 3-4% (que es el umbral de crecimiento mínimo observado hasta hora de los datos de confinamiento parcial). Si se levantase el confinamiento general a la población, las tasas del 3-4% que estamos viendo ahora serían una broma. Por tanto, aunque pensamos que es bajo, hay un riesgo de rebrote inminente.

Para ejemplificar los riesgos de reconectar la sociedad hago los siguientes supuestos (esto es simplemente un ejercicio hipotético):

(i) Tras levantarse el confinamiento total el 13, el mismo día 14 de abril la tasa de crecimiento de casos activos aumenta al 2%

(ii) El Gobierno tarda entre 13 y 14 días en detectar lo que sucede por el desfase temporal entre contagios y confirmación del contagio, (mínimo 10 de testeo y 3 días adicionales de lag por el policy making)

(iii) Durante esas 2 semanas y media posteriores, la tasa de crecimiento de nuevos contagiados se acelera y aumenta ligeramente al 0.01% diario

(iv) Una vez se detecta el rebrote el 27 de abril, se vuelve a confinar totalmente a la población, lo que desacelera continuadamente el ritmo crecimiento (al -0.6 diario, como se ha visto en esta última fase con datos del periodo de cuarentena parcial).

Si se diese este escenario  estaríamos hablando de un nuevo pico ya no de 84 mil casos activos sino de 140 mil el 8 de mayo y ya no podríamos “suprimir” el virus a comienzos de junio, sino como pronto, a final de julio. La trayectoria temporal sería la graficada abajo.

Gráfico 4: Escenario de rebrote iniminente

Alternative_Scenario

Obviamente que la realidad se ajuste al patrón temporal dibujado arriba depende en gran medida de la validez de los supuestos y todavía hay muchas cosas que desconocemos del virus. Por ejemplo, ¿Cambiará su velocidad de difusión con el uso generalizado de máscaras? ¿Nos darán una tregua las temperaturas y el hecho de que las relaciones se den fundamentalmente en espacios abiertos? Si estos factores, tal y como hipotetizamos, inciden favorablemente, es plausible que la desescalada no derive en un repunte inmediato y se tarde unos meses en volver a los niveles de contagios de marzo (con suerte, deberíamos ver la segunda oleada ascendente en otoño).

En cualquier caso,  hay que insistir en que aunque las cifras de este escenario hipotético son simplemente un «thought experiment», es un error arriesgarse a abrir tempranamente. El coste económico de mantener el «lockdown» es indudable, pero en economía a lo que hemos vivido lo solemos llamar «sunk costs». La debacle económica ya no es evitable, y si se mantiene la cuarentena total hasta final de mayo, si que deberíamos ser capaces de extinguir el virus por completo del territorio. De lo contrario, con el tiempo, por no bajar suficientemente la curva de contagios podríamos vernos en una situación en la que no sólo se pierde la economía sino también el control del sistema sanitario por los errores de una política miope.

Publicado en Sin categoría | 4 comentarios

¿De qué cifras estamos hablando cuando se dice que “lo peor” está por llegar?

En numerosas comparecencias en los medios, el Presidente del Gobierno Pedro Sánchez ha advertido e insistido en que lo peor de la pandemia del COVID1-9 estaba llegar. ¿Pero qué es exactamente lo peor? ¿De qué cifras estamos hablando? En este post analizo la trayectoria esperada de las variables clave de los efectos de la epidemia (contagios, camas de UCI necesarias y muertes) para las próximas semanas. Los números que se obtienen mediante la estimación de modelos epidemiológicos de crecimiento no lineal son demoledores y sirven para hacernos una idea de lo “que está por llegar” en los próximos días.

Recapitulación

En el post anterior del día 10 de marzo cuando lancé los pronósticos de contagiados hasta el 24, todavía estábamos en la fase de arranque y propagación inicial del COVID-19 por lo que suponer que la evolución de los contagiados podía caracterizarse estadísticamente mediante un modelo de crecimiento generalizado (Generalized Growth Model, GGM) a priori, era bastante razonable.

La comparación de los datos oficiales observados entre el 10 de marzo y el 20 de marzo, con el pronóstico a 10 días que se muestra en el Gráfico 1, sugiere que la capacidad del GGM de pronosticar la dinámica del COVID-19 es bastante elevada. En el horizonte de 10 días fuera de muestra sólo los datos del viernes 13 y viernes 20 se fueron del intervalo de confianza del 95%. Esto sugiere que el modelo es bastante fiable lo que está en línea con la evidencia empírica previa sobre el rendimiento predictivo a corto plazo de este tipo de modelos epidemiológicos.

Gráfico 1: Precisión del último pronóstico

Fig1_weeklyforecast

Sin embargo, la capacidad predictiva de cualquier modelo se deteriora conforme aumenta el horizonte de la predicción. A partir del 20 de marzo, la realidad se retrasó un día con respecto al pronóstico del modelo, de modo que lo que se predecía para el 21 ocurría el 22, para el 22 el día 23, etc. En el caso de la modelización de un proceso estadístico explosivo de naturaleza no lineal como el que subyace a la pandemia de COVID-19, el deterioro de los pronósticos es muy sustancial más allá de una semana. Esta incapacidad de predecir con exactitud lo que va a suceder explicaría la reticencia de las autoridades de hablar claro y por ello, los técnicos del gobierno no se mojan.  Sin embargo, un pronóstico probabilístico, en el que cada dato y trayectoria temporal tiene una probabilidad asociada, “nunca se equivoca”.  Puede pasar que lo que suceda finalmente tuviese muy poca probabilidad dada la información existente y se salga de los intervalos de confianza, pero es lo mejor y más honesto que podemos hacer.


La dinámica del COVID-19 y sus efectos sanitarios

Para poder analizar lo que va a suceder, la elección de un proceso generador al que ajustar los datos es importante. Aunque ya llevamos 9 días de cuarentena, la movilidad no se ha reducido por completo y existe un porcentaje relevante de gente que sigue desplazándose todos los días para trabajar. Además, teniendo en cuenta que el período de incubación del virus es de 7 días y que los retrasos promedio en procesar los tests son de 4-6 días (lo que hace que los datos publicados vayan siempre desfasados entre 11 y 13 días), es razonable suponer que hasta el día 28 de marzo no empezaremos a recibir los nuevos datos del patrón de propagación del virus post-cuarentena. Por tanto, mantener el supuesto de que un GGM puede ser preciso pronosticando al menos a 5-6 días vista es realista hasta el día 28/29 de marzo. A partir de estas fechas, una desaceleración sería plausible debido al efecto de la cuarentena, por lo que el análisis también incluye los pronósticos derivados de un modelo crecimiento logístico generalizado (LGM), que permite un punto de inflexión en la curva de contagios y estimar su pico.

Los resultados obtenidos con estos dos modelos que adjunto a continuación se refieren tanto a: (i) número de contagios esperados, (ii) número de camas UCI necesarias esperadas, como (iii) número de muertos esperado.

  • Contagios

Como se puede observar en la Tabla 1, según el GGM el número más probable de contagios con los datos oficiales a final de mes sería de 107 mil contagiados, lo que supondría que en menos de una semana podríamos haber superado a China.

Tabla 1: Evolución esperada del número de contagios

  Modelo de crecimiento exponencial generalizado (GGM)
Fecha 2.5% inferior Mediana 97.5% Superior
24/03/2020 41.189 41.655 42.062
25/03/2020 47.718 48.263 49.549
26/03/2020 55.004 55.677 56.312
27/03/2020 63.127 63.965 64.808
28/03/2020 72.097 73.210 74.340
29/03/2020 82.056 83.486 84.954
30/03/2020 93.122 94.888 96.758
31/03/2020 105.333 107.529 109.826
01/04/2020 107.828 110.530 113.372
  Modelo de crecimiento logístico generalizado (LGM)
Fecha 2.5% inferior Mediana 97.5% Superior
24/03/2020 40.109 40.949 41.892
25/03/2020 45.830 46.975 48.273
26/03/2020 51.899 53.482 55.303
27/03/2020 58.264 60.432 62.965
28/03/2020 64.847 67.790 71.256
29/03/2020 71.543 75.502 80.202
30/03/2020 78.307 83.509 89.794
31/03/2020 85.068 91.753 100.011
01/04/2020 91.758 100.173 110.826

Los resultados del modelo logístico, tanto de nuevos contagios como del total, se muestran en el Gráfico 2. Este es el modelo que permite una inflexión, y apunta a una crecimiento similar durante la próxima semana, aunque ligeramente más moderado. En este caso, para el 31 de marzo el escenario más plausible rondaría los 91.7 mil contagiados.

Gráfico 2: Evolución del total de contagiados

FIG3_TOTALCONTAGIOSLGM

La buena noticia que nos da el modelo logístico es que la fecha más probable del pico de nuevos contagios se produciría el día 3 de abril, tal y como se muestra en el Gráfico 3 (línea roja). A partir de esa fecha, el número de nuevos contagiados disminuiría. El valor más probable de estabilización de la epidemia implicado por el modelo se daría en el entorno de los 8500 nuevos contagiados. Sin embargo, el descenso se prevé lento, por lo que lo más probable es que para el 10 abril todavía no hayamos entrado en la fase estacionaria. En el escenario más optimista, pero muy poco probable, el pico se produciría el 1 de abril, haciendo el máximo de nuevos contagios en el entorno de 6690. El peor escenario implicaría que la fase de crecimiento de los nuevos contagiados no llegaría a su fin hasta el 11 de abril con 14 mil nuevos contagiados.

Gráfico 3: El pico de contagios

FIG4_PRONOSTICO_PEAK

  • Camas UCI

Un problema importante derivado da la propagación del COVID-19, es que el aluvión repentino de contagios con cuadros graves puede desbordar la capacidad de nuestro sistema de salud pública. Por lo general, la necesidad de camas de cuidados intensivos se corresponde a las personas que se contagiaron entre 10 y 14 días atrás y desarrollaron síntomas hace 1 semana. Por tanto, puesto que el crecimiento en contagios ha sido explosivo durante toda la semana, también es plausible suponer que la necesidad de camas UCI lo será durante la semana próxima.

Como se muestra en el Gráfico 4, los ingresos en la UCI han seguido un proceso ligeramente sub-exponencial.  Aunque se estén haciendo esfuerzos por ampliar la resiliencia del sistema sanitario ya sea (i) levantando nuevos hospitales y/o (ii) rehabilitando algunos en desuso, la estimación del stock de camas UCI en España es de unas 4633 (aproximadamente un 3.3% del total de camas de hospital). Desgraciadamente la trayectoria esperada de la ingresos en UCI que se muestra en el Gráfico 5, superará con un 97.5% de probabilidad la capacidad de carga base del sistema el día 28/03, ya que para esa fecha en el mejor de los casos harían falta 5869  camas UCI y en el peor de los escenarios unas 7364. Para el día 31 de marzo el número de camas UCI requerido por el sistema más probable será de unas 10602.

Gráfico 4: Ingresos UCI en España por COVID-19

Fig1ICU_GGM_IFit_24f_22m_ESP

Gráfico 5: Ingresos UCI  esperados

Ingresados_UCI_esperados

Por tanto, la única forma de absorber el shock pandémico de aquí a final de marzo en condiciones pasaría multiplicar por 2.88 (casi triplicar) el número de camas UCI con su debido equipamiento en un plazo de 10 días. Aunque es una tarea muy difícil, no sería imposible si el Estado pusiese en marcha toda su maquinaria. Por contextualizar el dato, este nivel de camas UCI está dentro de los estándares de países como Alemania que tiene 3 veces más camas de UCI que España.

El problema es que la reacción que está mostrando el aparato estatal en la gestión de la crisis está siendo terriblemente lenta y las necesidades van a ir en aumento (y de forma acelerada) conforme pase el tiempo por lo que no me parece muy arriesgado aventurar que la sanidad española colapsará la primera semana de abril cuando se enfrente a sobrecargas del 366% el 1 de abril, del 464% el 2 de abril y del 591% el 3, respectivamente.

Tabla 2:  Evolución esperada del número de ingresos en UCI

Fecha 2.5% inferior Mediana 97.5% superior
24/03/2020 2.556 2.710 2.838
25/03/2020 3.153 3.390 3.579
26/03/2020 3.870 4.248 4.549
27/03/2020 4.774 5.330 5.790
28/03/2020 5.869 6.698 7.364
29/03/2020 7.167 8.420 9.361
30/03/2020 8.758 10.602 11.919
31/03/2020 10.693 13.389 15.261
01/04/2020 13.039 16.964 19.584
02/04/2020 15.899 21.527 25.200
03/04/2020 19.392 27.405 32.501
  • Defunciones

Otro dato negativo que está por materializarse es el de los fallecidos. Este dato es el que va más desfasado en el tiempo ya que según la OMS un paciente que desarrolla un cuadro agudo tarda entre 2 y 8 semanas en morir tras ser contagiado, por lo que de nuevo un GGM es apropiado para modelar la trayectoria de defunciones. En el Gráfico 6 se muestra la trayectoria de muertes esperadas con sus respectivas bandas de confianza.

Gráfico 6: Evolución esperada de defunciones

Curva_defunciones

El número de defunciones más probable por la pandemia es de 12402 para el 31 de marzo. Estos datos supondrían mortalidades superiores a las observadas en Italia. El pronóstico central a dos semanas vista, para el día 5 de abril, apunta a un saldo de más de 28 mil fallecidos, 2.5 veces superior a la cota mínima estimada por Victor García aquí, en el que se hacía el supuesto de que se lograría aplanar la curva de un modo similar a lo que hizo China. La Tabla 3 resume las estimaciones de fallecidos esperados.

Tabla 3:  Evolución esperada del número de muertes

Fecha 2.5% inferior Mediana 97.5% superior
24/03/2020 2.722 2.867 3.022
25/03/2020 3.383 3.602 3.836
26/03/2020 4.172 4.494 4.850
27/03/2020 5.105 5.566 6.125
28/03/2020 6.218 6.848 7.704
29/03/2020 7.519 8.392 9.617
30/03/2020 9.016 10.229 11.935
31/03/2020 10.778 12.402 14.732
01/04/2020 12.839 14.964 18.100
02/04/2020 15.212 17.961 22.211
03/04/2020 17.936 21.486 27.159
04/04/2020 21.065 25.571 33.068
05/04/2020 23.431 28.575 37.443

 

Conclusiones y cuestiones abiertas

Los resultados de los modelos de crecimiento no lineal epidemiológicos estimados sugieren que el valor más probable de contagiados para el día 31 de marzo estará entre 91 mil y 107 mil (por encima de China), que el número de camas UCI necesaria para hacer frente al shock al sistema sanitario el 31 de marzo debería ser de 13899 (3 veces más que el stock disponible)  y que el número de defunciones más probable ascenderá a los 12402 mil casos (aproximadamente el doble de los que tiene Italia ahora mismo).

Obviamente la sobrecarga de la sanidad en la ventana de los días 28 de marzo al 3 de abril enmascara que hay comunidades autónomas que tienen más margen que otras para lograr el stock de camas UCIs necesarias para resistir. Sin embargo, todavía no tengo organizadas las estimaciones de la sobrecarga prevista para cada una de ellas los próximos días.

En cualquier caso los números efectivamente muestran que lo peor está por llegar.


Nota técnica: Para los que estén interesados en el ejercicio de modelización del que salen los números que presento les recomiendo leer este paper publicado en el Infectious Disease Modeling. La diferencia principal con este análisis es que en este post, en lugar de utilizar únicamente la información del modelo más reciente, hago un promediado de modelos y pronósticos, introduciendo un factor de olvido geométrico para implementar la ponderación. Así, los pronósticos generados con los modelos alimentados con los últimos datos tienen más peso en el pronóstico ensamblado que los pronósticos de modelos estimados con datos más alejados del presente. Este enfoque de model averaging tiene la ventaja de robustecer el pronóstico contra posibles outliers, artefactos estadísticos y/o fluctuaciones en los datos, que suelen generar grandes discrepancias en las trayectorias pronosticadas.

Fuentes: Wikipedia/Worldometers


Actualización 25/03  5.00h: Los tres datos publicados a última hora del 24/03 de 42,058 contagios acumulados (+19%), de 2,991(+28%) muertes en total  y de 2636 ingresos acumulados en UCI están recogidos en los intervalos de confianza del 95% de probabilidad.

Actualización 26/03  1.50h: Los tres datos publicados a última hora del 26/03 de 49,515 contagios acumulados (+18%), de 3,647 (+22%) muertes en total  y 3,434 ingresos acumulados en UCI están recogidos en los intervalos de confianza del 95% de probabilidad a 2 días del GGM. Para el LGM, el dato de contagios se va fuera del intervalo del 95%, al 2.5% superior de probabilidad.

Publicado en Sin categoría | 13 comentarios

COVID-19: ¿Dónde estará el pico de decesos? Estableciendo una cota inferior en base a la curva china

Esta galería contiene 4 fotos

A estas alturas todos somos ya conscientes de que la epidemia ha avanzado de una forma asombrosa. Probablemente debido a una combinación de alta transmisividad y relativa baja letalidad. Este último factor, a la postre sería decisivo para provocar el … Seguir leyendo

Más galerías | 8 comentarios