nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
En diciembre de 2019 surgió un nuevo coronavirus en Wuhan, China, que se ha convertido en un problema de salud mundial:1 SARS-CoV-2, causante de COVID-19, perteneciente a la misma familia que SARS y el coronavirus del síndrome respiratorio de Oriente Medio (MERS-CoV); todos ocasionan infecciones zoonóticas.2
América ha sido especialmente afectada por la pandemia de COVID-19. Ocho países (Ecuador, Brasil, Perú, Panamá, Chile, México, Canadá y Estados Unidos) están entre los 20 con mayor mortalidad por COVID-19 por cada 100 000 habitantes.3-9 Actualmente no se dispone de tratamiento específico y, como si fuera poco, en América Latina se evidencian deficiencias en sus sistemas de salud y de infraestructura, especialmente en camas de unidades de cuidados intensivos y ventiladores mecánicos requeridos para el soporte de pacientes con infección severa, de modo que el riesgo de un aumento desbordado de muertes se encuentra latente.9-12
Lo anterior hace indispensables las intervenciones no farmacológicas para reducir la morbilidad y la mortalidad. Estas intervenciones han demostrado ser formas efectivas de responder al brote cuando se implementan tempranamente en la epidemia.13-15 En China se llevaron a cabo tres importantes intervenciones no farmacológicas para controlar la propagación y reducir el tamaño del brote de COVID-19:10
- Primero, las prohibiciones de viajes entre ciudades y el establecimiento de un cordón sanitario en Wuhan y las ciudades circundantes de la provincia de Hubei.10,12,14
- En segundo lugar, medidas para mejorar la detección, el rastreo de contactos, la identificación, el diagnóstico, el aislamiento y la notificación de personas con sospecha de enfermedad y casos confirmados.10,15
- En tercer lugar, las restricciones de viajes y de contacto, que incluyeron limitar el contacto social individual, el uso de medidas de higiene personal y de protección, y el aumento de la distancia física entre los enfermos de COVID-19 y quienes no se han infectado.10,16
Los objetivos de este estudio fueron los siguientes:
- Estimar cuántos decesos diarios por cada 100 000 habitantes se podrían haber evitado si cada medida no farmacológica estudiada se hubiese tomado en el momento del diagnóstico del primer caso.
- Estimar un modelo de regresión lineal múltiple predictivo del número de fallecimientos por cada 100 000 habitantes a partir de las medidas llevadas a cabo por los países.
Métodos
Se diseñó un estudio ecológico en julio de 2020 acerca de 27 países americanos. El criterio de inclusión fue el acceso a los datos de todas las medidas implantadas que conformaron el estudio. Se estableció como punto de partida la fecha del primer diagnóstico oficial de COVID-1917 y se cuantificaron los días desde su acontecimiento hasta la implantación de cinco medidas, las cuales se consideraron variables independientes:17
- Días entre primer caso y cierre total de lugares de trabajo no esenciales.
- Días entre primer caso y prohibición de llegada de viajeros internacionales o cierre de fronteras.
- Días entre primer caso y prohibición de eventos públicos.
- Días entre primer caso y suspensión de enseñanza presencial.
- Días entre primer caso y prohibición de salir del domicilio.
Se obtuvo la tasa de fallecimientos por COVID-19 por cada 100 000 habitantes de cada uno de los 27 países a día 9 de julio de 202018 (variable dependiente), así como el número de camas hospitalarias y de médicos por cada 1000 habitantes.19
Análisis estadístico
Se realizó una regresión lineal simple entre cada una de las variables independientes y la variable dependiente, para conocer el número de fallecimientos por 100 000 habitantes que se podrían haber evitado cada día si cada una de las medidas se hubiese llevado a cabo en el momento del diagnóstico del primer caso.
Se estimó un modelo predictivo de regresión lineal múltiple entre el número de fallecimientos por cada 100 000 habitantes (variable dependiente) y la variable independiente "días transcurridos desde el primer caso hasta la prohibición de salir del domicilio". Este modelo se ajustó por las demás variables independientes mediante el método de selección del mejor modelo a partir de todas las ecuaciones. Para elegir el modelo finalista se empleó el criterio Cp de Mallows, seleccionando el que presentaba un valor más bajo.
Se consideró un nivel de significación de p < 0.05 y un índice de confianza de 95 %. Para valorar externamente la fiabilidad del modelo se procedió a estudiar la pérdida de predicción mediante shrinkage, consistente en el cálculo de la diferencia entre el cuadrado del coeficiente de correlación múltiple del modelo estimado en el grupo de derivación (R2) y el cuadrado del coeficiente de correlación simple entre el valor predicho con el modelo estimado en el grupo de derivación y la variable dependiente Y, calculado en el grupo de validación (r2). Se asumió como aceptable una diferencia menor o igual a 0.1.
El análisis se realizó con el programa Stata 15.
Resultados
La Tabla 1 muestra, en cada uno de los 27 países, la fecha en que tuvo lugar el primer diagnóstico oficial de COVID-19, los días transcurridos hasta la puesta en marcha de cada una de las cinco medidas restrictivas, el número de fallecimientos por COVID-19 por 100 000 habitantes y las camas hospitalarias y los medios disponibles por cada 1000 habitantes en los países estudiados.
Tabla 1 Primer diagnóstico oficial de COVID-19, tiempo hasta la puesta en marcha de cada medida restrictiva, fallecimientos por la enfermedad y camas hospitalarias disponibles. América
| País | Fecha primer caso diagnosticado (DD/MM/AAAA) | Fallecidos × 100 000 habitantes* | Días entre primer caso y cierre total de lugares no esenciales de trabajo | Días entre primer caso y prohibición de llegada de viajeros internacionales o cierre de fronteras | Días entre primer caso y prohibición de eventos públicos | Días entre primer caso y suspensión de enseñanza presencial | Días entre primer caso y prohibición de salir del domicilio, salvo excepciones | Camas de hospital × 1000 personas | Médicos × 1000 personas |
|---|---|---|---|---|---|---|---|---|---|
| Argentina | 04/03/2020 | 3.81 | 15 | 12 | 7 | 12 | 15 | 1.9 | 4.0 |
| Barbados | 18/03/2020 | 2.44 | 10 | Cuarentena de viajeros | -1 | 1 | 17 | 5.8 | 2.5 |
| Bolivia | 12/03/2020 | 13.89 | 10 | 19 | 0 | 0 | 5 | 1.1 | 1.6 |
| Brasil | 26/02/2020 | 32.45 | 20 | 30 | 15 | 15 | 69‡ | 2.2 | 2.2 |
| Canadá | 26/01/2020 | 23.71 | 52 | 52 | 46 | 50 | Solo recomendación | 2.7 | 2.6 |
| Chile | 04/03/2020 | 35.10 | 12 | 14 | 12 | 11 | 72 | 2.6 | 2.6 |
| Colombia | 07/03/2020 | 9.28 | 18 | 18 | 5 | 9 | 18‡ | 1.5 | 2.2 |
| Costa Rica | 07/03/2020 | 0.50 | 37 | 10 | 3 | 10 | Solo recomendación | 1.2 | 2.9 |
| Cuba | 12/03/2020 | 0.76 | 36 | 36 | 8 | 12 | 60 | 5.2 | 8.4 |
| Dominicana, República | 02/03/2020 | 7.80 | 17 | 17 | 17 | 17 | 57 | 1.6 | 1.6 |
| Ecuador | 01/03/2020 | 28.52 | 16 | 14 | 12 | 12 | 7‡ | 1.5 | 2.0 |
| Estados Unidos | 21/01/2020 | 40.44 | 44 | 41** | 51 | 44 | 54‡ | 2.9 | 2.6 |
| Guatemala | 15/03/2020 | 6.11 | 2 | 34 | 2 | 1 | 7‡ | 0.6 | 0.4 |
| Guyana | 13/03/2020 | 2.05 | 15 | 14 | 21 | 3 | 21‡ | 1.6 | 0.8 |
| Haití | 20/03/2020 | 1.11 | -1 | 30 | -2 | -1 | Solo recomendación | 0.7 | 0.2 |
| Honduras | 12/03/2020 | 7.24 | 8 | 9 | 1 | 1 | 4 | 0.7 | 0.3 |
| Jamaica | 12/03/2020 | 0.34 | Cierre en algunos sectores | 9 | -1 | 1 | 1 | 1.7 | 1.3 |
| México | 29/02/2020 | 25.99 | 23 | 21** | 23 | 23 | 30 | 1.5‡ | 2.4 |
| Nicaragua | 19/03/2020 | 1.41 | Sin restricciones | Sin restricciones | Sin restricciones | Sin restricciones | Sin restricciones | 0.9 | 1.0 |
| Panamá | 10/03/2020 | 19.61 | 2 | 39 | 3 | 2 | 88 | 2.3 | 1.6 |
| Paraguay | 08/03/2020 | 0.29 | 2 | 16 | 2 | 2 | 32 | 1.3 | 1.4 |
| Perú | 07/03/2020 | 34.80 | 5 | 9 | 5 | 5 | 11 | 1.6 | 1.3 |
| Salvador, El | 19/03/2020 | 3.66 | -8 | -7 | -8 | -8 | 2 | 1.3 | 1.6 |
| Surinam | 15/03/2020 | 2.95 | 1 | -1 | 1 | 1 | 13‡ | 3.1 | 1.2 |
| Trinidad y Tobago | 13/03/2020 | 0.58 | 1 | 10 | 1 | 1 | 17 | 3.0 | 4.2 |
| Uruguay | 15/03/2020 | 0.84 | Solo recomendación | 9 | -1 | -1 | -2‡ | 2.8 | 5.1 |
| Venezuela | 15/03/2020 | 0.26 | 1 | 3 | 1 | 1 | 18‡ | 0.8 | 1.9 |
En negativo, días transcurridos entre el cierre o la suspensión y el diagnóstico del primer caso, ya que las medidas fueron tomadas antes de la detección del primer caso.
*A 9 de julio de 2020.
**Cierre de la frontera a viajeros de algunos países.
‡Prohibición de salir del domicilio salvo ejercicio diario, compras de alimentación y viajes imprescindibles.
La Tabla 2 muestra el coeficiente b obtenido tras la regresión lineal entre la variable independiente y cada una de las variables dependientes. Cada coeficiente b expresa el número de fallecimientos diarios por cada 100 000 habitantes que se habrían evitado si cada medida preventiva se hubiese adoptado el día del primer diagnóstico de COVID-19.
Tabla 2 Coeficientes β de la regresión lineal simple entre cada variable independiente y la variable dependiente (fallecimientos por 100 000 habitantes)
| Variable independiente | Coeficiente β | IC 95 % | Valor p | |
|---|---|---|---|---|
| Límite inferior | Límite superior | |||
| Días entre primer caso y cierre total de lugares de trabajo no esenciales | 0.324 | -0.043 | 0.691 | 0.081 |
| Días entre primer caso y prohibición de llegada de viajeros internacionales o cierre de fronteras | 0.382 | 0.001 | 0.762 | 0.049* |
| Días entre primer caso y prohibición de eventos públicos | 0.593 | 0.268 | 0.918 | 0.001* |
| Días entre primer caso y suspensión de enseñanza presencial | 0.600 | 0.258 | 0.942 | 0.001* |
| Días entre primer caso y prohibición de salir del domicilio | 0.250 | 0.041 | 0.458 | 0.021* |
*Valor estadísticamente significativo.
La Tabla 3 muestra las variables incluidas en el modelo predictivo, así como sus intervalos de confianza de 95 % y el valor p. El valor de la Cp de Mallows de este valor fue 2.03; el valor de la R2 ajustada fue 0.391 y el valor de la pérdida de predicción (diferencia entre R2 y r2 o shrinkage) fue −1.235 × 10-8.
Tabla 3 Coeficientes de las variables del modelo estimado, con sus respectivos intervalos de confianza del 95 % y valores p
| Variable independiente incluida/constante del modelo | Coeficiente β | IC 95 % | Valor p | |
|---|---|---|---|---|
| Límite inferior | Límite superior | |||
| Días entre primer caso y prohibición de salir del domicilio | 0.117 | -0.101 | 0.334 | 0.273 |
| Días entre primer caso y cierre total de lugares de trabajo no esenciales | -0.582 | -1.422 | 0.257 | 0.162 |
| Días entre primer caso y suspensión de enseñanza presencial | 1.300 | 0.261 | 2.158 | 0.015* |
*Valor estadísticamente significativo.
Discusión
El objetivo de este estudio fue estimar cuántos fallecimientos diarios por COVID-19 cada 100 000 habitantes se podrían haber evitado si cada una de las cinco medidas restrictivas se hubiese tomado en el momento del diagnóstico del primer caso. A tenor de los resultados de este estudio, la no adopción de cada una de estas medidas causaría un aumento de entre 0.250 y 0.600 fallecimientos por 100 000 habitantes/día por cada 24 horas de retraso en la instauración de estas desde el diagnóstico oficial del primer caso. Este número de fallecimientos evitables fue estadísticamente significativo en cuatro de las cinco medidas implementadas.
El Colegio Imperial del Reino Unido mostró que una combinación de aislamiento de casos y cuarentena voluntaria durante tres meses podría prevenir 31 % de las muertes, en comparación con una epidemia sin ninguna medida de control. Agregar el distanciamiento social de las personas de 70 años o más durante cuatro meses aumentaría la proporción de muertes evitadas a 49 %. Se consideró que la combinación de aislamiento de casos, cuarentena doméstica, distanciamiento social de toda la población y cierres de escuelas y universidades es la combinación más efectiva para reducir el número de reproducción a un valor cercano a uno.20 Aunque las medidas de prevención y control más exhaustivas y estrictas son más efectivas para la contención de COVID-19, en algún momento el efecto incremental de agregar otra medida restrictiva es solo mínimo y debe contrastarse con los efectos negativos colaterales, como las consecuencias sociales y económicas para las comunidades que han estado sujetas a las medidas por periodos prolongados, lo que también podrían conducir a un aumento de la carga sobre la salud en general.21
Asumiendo que las medidas estrictas de distanciamiento y confinamiento contribuyen al descenso del número de casos y, en consecuencia, de fallecimientos, los siguientes pasos estarán dirigidos a cómo desescalar las medidas restrictivas impuestas. Si debido a los enormes costes sociales y económicos del confinamiento se finalizase prematuramente la cuarentena, se volvería al escenario de inicio donde la epidemia se extiende de nuevo y exponencialmente.15 El modelo desarrollado por Prem15 sugiere que el levantamiento repentino de las intervenciones podría conducir a un pico secundario más temprano, que podría evitarse relajando las intervenciones gradualmente. En este sentido, Colburn22 sugiere que para prevenir la sobrecarga del sistema de salud, la realización de pruebas, el rastreo de contactos y la cuarentena de casos sospechosos podrían ser las estrategias principales después de la relajación de las intervenciones no farmacológicas de distanciamiento social drástico. Colburn22 sugiere la incorporación de estas estrategias en modelos que permitan que los países tengan una mayor capacidad de realización de pruebas, para decidir si dichas políticas pudieran tener éxito en la supresión de la propagación de COVID-19 en una determinada nación.
Las intervenciones no farmacológicas también tienen efectos adversos en los individuos, las comunidades y la economía nacional. Algunos estudios concluyeron que la cuarentena podría tener efectos psicológicos nocivos, como síntomas de estrés postraumático, confusión e ira, que pueden conducir a efectos adversos psicológicos a largo plazo.23
Este estudio presenta las limitaciones propias de los estudios ecológicos, incluida la denominada "falacia ecológica". Esto determina que, como los grupos de sujetos no son homogéneos en términos de exposición, las inferencias causales están limitadas por la asociación que tiene lugar en el grupo en lugar del individuo, es decir, es incorrecto extrapolar los datos de la población al individuo. Otras limitaciones incluyen la multicolinealidad (es difícil separar los efectos observados de dos o más variables) y la ambigüedad temporal.
Conclusiones
La adopción de medidas restrictivas y de distanciamiento social son necesarias para lograr el descenso del número de personas contagiadas de COVID-19 y, por ende, de las cifras de mortalidad. Además, la prontitud de su instauración es fundamental para disminuir los fallecimientos. A ello hay que unir la necesidad de un sistema sanitario bien dotado, en calidad y cantidad, de todos los recursos humanos y materiales posibles para dar una respuesta contundente a la pandemia originada por el SARS-CoV-2.
