El escenario central para las Navidades con la variante Ómicron

La difusión de la variante Ómicron del COVID-19, es uno de los temas más en boca de la población española por estas fechas y está suponiendo un grave trastorno en los planes de muchas familias. Conviene pues poner números a lo que se puede esperar para estas Navidades. Para ello, en este post se realiza una estimación de la letalidad actual y se pronostican las infecciones hasta el 8 de enero.

Contexto

En este otro post (de noviembre de 2020), ya comentamos que los datos y estadísticas oficiales de infecciones y defunciones no coincidían con las estimaciones más plausibles. Esto se debía a los problemas de subnotificación de casos. Asumiendo la estimación global de consenso de una letalidad promedio del 1.25% durante la primera ola el pico diario de nuevos casos el 26 de Marzo de 2020 fue del entorno de unos 143 mil nuevos infectados. Esta cifra es muy superior a los 9600 que da el Instituto Carlos III.

Figura 1: Infecciones reales vs infecciones estadísticas oficiales (13 Marzo – Noviembre 2020)

En cualquier caso, ya sea que se utilicen los datos oficiales o los corregidos, si se si se normalizan los datos de infecciones y muertes entre 0 y 1 (de modo que 1 es el máximo y 0 es el mínimo) puede observarse la descorrelación creciente entre casos y muertes, que se acelera a partir de Marzo de 2021.

Figura 2 : Histórico de infecciones y defunciones (datos oficiales)

Estimación de la letalidad

Ahora bien, ¿Cuál es la letalidad actual del COVID-19? ¿Cómo se traduce esa descorrelación en letalidad? Para responder a esta cuestión clave para construir un escenario para la Ómicron, se han estimado varios modelos de defunciones con parámetros variantes en el tiempo, de modo que es posible ver como ha evolucionado el efecto de las infecciones en la letalidad. En las Figuras 3 y 4 se muestran los resultados de la estimación de la evolución a lo largo del tiempo tanto de (i) la elasticidad defunciones-infecciones como (ii) del efecto absoluto de las infecciones en términos porcentuales.

Figura 3: Estimaciones de la elasticidad de defunciones-infecciones (promedio de modelos entre t+10 y t+14)
Figura 4: Efecto de las infecciones en las defunciones (promedio de modelos entre t+10 y t+14)

La Figura 3 muestra como hace 1 año y medio, un aumento del 1% de los casos provocaba un aumento de entre el 0.8 y el 1% de las muertes. En Marzo de 2021 se produjo una caída abrupta pasando del 0.8 al 0.15-0.2% y desde verano ha ido repuntando al alza. Ahora un aumento del 1% sólo provoca un aumento del 0.37%. Estas cifras son consistentes con la creciente descorrelación entre infecciones y letalidad.

Por otro lado, la información de la Figura 4 es especialmente importante, ya que nos dice que en términos absolutos hemos pasado de una situación inicial en la que 1000 infecciones se traducían en 20-25 muertos a los 10-15 días siguientes, a otra en la que 1000 infecciones sólo provocan unos 1.5-2 muertos.  Otra manera de ver por donde se sitúa la letalidad actual es utilizar la crude fatality rate (CFR) ingenua, que para el último mes nos da una tasa de letalidad del 0.16%. Por tanto, ahora mismo es muy improbable que la letalidad de Ómicron en España supere la cota del 0.15%.

Pronósticos de infecciones

Por otro lado, en la Tabla 1 se resume la trayectoria mediana de las infecciones pronosticadas mediante el Renewal Equation Time-Varying Parameter Model (RE-TVPM) de Abott et al. (2020), junto con las bandas de confianza del 10%, 25%, 75% y 90% respectivamente.  La trayectoria futura más probable sugiere que las infecciones diarias se disparen hasta alcanzar una media móvil de 7 días de 201 mil casos para el día 8 de enero de 2022. Sólo hay un 10% de probabilidad de caigan por debajo de 32 mil y un 10% de que superen los 1.07 millones. La región central de la distribución de probabilidad sugiere que lo más normal sería que en el pico de Navidades, estemos con un promedio de casos diarios de unos 110-280 mil casos. Tras todas las navidades, se espera que el total de casos aumente en 1.75 [0.5, 6.1] millones. Esto sugiere que en el escenario central se batirá el récord de 143 mil casos de Marzo de 2020 y que la incidencia acumulada a 14 días podría llegar a los 3 mil casos por cada 100 mil habitantes a final de navidades.

Nota: el modelo utiliza como input la media móvil de 7 días para suavizar el ruido administrativo observado en los datos diarios, por lo que el pronóstico no se debe interpretar como el número de casos diarios sino de la media móvil de 7 días.

Pronósticos de defunciones

No creo que los sistemas de conteo sean capaces de llegar a reportar estas cifras por la saturación de los laboratorios y el calendario festivo en el que estamos. Lo más probable es que muchos casos quedarán sin contabilizar como sucedió en la primera ola.

La cuestión es ¿Hay que preocuparse por la avalancha de casos que viene? Lo cierto es que, sin volverse locos, sí que conviene ser muy prudentes. Si usamos una estimación ligeramente superior a la que hemos estimado en la Figura 4 en el peor de los días (un 0.2%), no debería obtenerse un promedio a 7 días por encima de los 500 muertos y si usamos una letalidad del 0.15%, que es más plausible, no deberíamos irnos a un promedio semanal de más de 300 muertos diarios. Esta información se sintetiza en la Tabla 2. Un pico de defunciones alrededor de los 300 fallecidos sería una cifra bastante mala que no se veía desde el Febrero de 2021, pero está muy lejos de las 1500-2000 defunciones reales de la primera ola de 2020. Por otro lado, el acumulado de defunciones durante estas Navidades no debería exceder las 2600 [806,9154]. Supongo que para las autoridades sanitarias son cifras asumibles o no lo han visto venir.

Nota: Esta estimación depende fuertemente del supuesto de letalidadl del 0.15%. Los datos deben interpretarse no como el número de defunciones diarias sino como la media móvil de 7 días (o el promedio semanal de muertos).

Para finalizar, creo que conviene matizar que estas predicciones tienen un margen de error y la situación finalmente podría ser algo mejor si:

(1) la estimación de letalidad estuviese sesgada al alza

(2) el modelo sobreestimase las infecciones

(3) si tanto (1) como (2) se diesen a la vez.

Por un lado, la tendencia a la baja en letalidad observada a lo largo del tiempo es clara, y la evidencia que tenemos del efecto de Ómicron en Dinamarca y en Sudáfrica no es mala del todo. En estos países el efecto de Ómicron en defunciones desde que arrancó la ola hasta las fechas del pico es el de multiplicar las muertes por un factor de 3-4. Esto para España implicaría un máximo de 200-250 muertos diarios, pero si el diferencial de vacunación que tenemos de ventaja se hace notar, el saldo podría ser inferior.

Otro punto en esta línea es que los errores más abultados en el pronóstico de epidemias suelen ocurrir precisamente en el punto de inflexión de la curva en el que se pasa de crecer, a estabilizarse, y posteriormente decrecer.  Esto sucede porque conforme el riesgo de infección aumenta, la gente se anticipa adaptando su comportamiento reduciendo la movilidad y el número de interacciones sociales. Es el tipo de proceso mediante el cual un observador de una tendencia acaba afectando a la misma (de hecho, esto es lo que hace imposible predecir con precisión el precio de una acción en la bolsa).

Resumiendo, el escenario central que habría que barajar es de un pico cercano a los 201 mil infectados diarios y un total de 1.75 millones de infecciones en los próximos 14 días. En términos de defunciones, no deberíamos superar las 300 defunciones diarias ni acumular más de 2600 fallecidos durante la primera quincena enero. Mi opinión, basándome en lo que ya sabemos sobre otras olas de Ómicron en otros países, es que es más probable que estos números finalmente se queden ligeramente por encima de lo que sucederá.  

Con esta información, valoren y tomen sus decisiones para estas fechas.

—————————————————————————————————————————–

Nota 1: Para estimar la letalidad time-varying se emplea un modelo auto-regresivo con parámetros variables en el tiempo y el Kalman filter. La especificación es dinámica en tanto que además de incluir una constante y las infecciones en t-h, también se controla por las defunciones en t-h. Los datos reportados se obtienen de promediar las estimaciones de modelos utilizando h = 10, …, 15

Nota 2: Para predecir las infecciones, se utiliza el RE-TVP model de Abott et al. (2020). Se ha supuesto que tanto el generation time como el incubation period son ligeramente más cortos que los estimados por Ganyani y Lauer.

Los códigos computacionales en Matlab y R están disponibles a petición.

Acerca de Vicente Rios

Soy investigador de macro-econometría especializado en la modelación de sistemas sociales dinámicos y la propagación de perturbaciones espacio-temporales en los mismos empleando algoritmos de Model Averaging. Actualmente trabajo en cuestiones de desigualdad, conflicto, crecimiento, instituciones y medio ambiente. Web personal: https://sites.google.com/view/vicenterios/home
Esta entrada fue publicada en covid-19. Guarda el enlace permanente.

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s