El tiempo es oro cuando se trata de una pandemia-2ª Parte

Catalina Amuedo-Dorantes, Cristina Borra, Noelia Rivera-Garrido y Almudena Sevilla

En una entrada reciente para NadaesGratis, comentamos lo importante que es actuar rápidamente cuando se trata de contener una pandemia.  En concreto, utilizamos el decreto del estado de alarma como un experimento natural, pues si bien actuó en todo el estado al mismo tiempo, la propagación del virus era muy diferente dependiendo de la región considerada. Utilizando un modelo de diferencias en diferencias obtuvimos que introducir las medidas de confinamiento un día antes reduce las muertes por COVID-19 en torno a 0.25 por cada 100,000 habitantes.

Hoy queremos añadir un análisis adicional centrándonos en las muertes por causas diferentes al COVID-19.  Para ello, utilizamos los datos del Sistema de Monitorización de la Mortalidad Diaria (MoMo), que recogen información de todas las muertes por cualquier causa de registros informatizados (representativos de, en torno, al 92% de la población).  Para cada día y comunidad autónoma, calculamos las muertes por causas ajenas al COVID-19 como la diferencia entre las muertes totales registradas en MoMo y las muertes por COVID-19 publicadas por el Ministerio de Sanidad.  Los datos corresponden al periodo del 20 de febrero hasta el 13 de abril.   

La Figura 1 muestra el número de muertes por causas ajenas al COVID-19 por cada 100,000 habitantes en dos grupos de regiones: (1) aquellas para las que la expansión del virus estaba en una etapa incipiente cuando se tomaron las medidas de confinamiento, y (2) regiones para las que la introducción de las medidas se produjo cuando la expansión estaba más avanzada. Distinguimos las regiones según el número de días transcurridos desde que alcanzaron 3 casos de COVID-19 por cada 100,000 habitantes, hasta que se impone el confinamiento.  En las regiones que estaban en una fase incipiente (‘Early in the curve’), el confinamiento se produjo a lo sumo a los 2 días después del brote (Andalucía, Baleares, Canarias, Cantabria, C. Valenciana, Extremadura, Castilla-León, Galicia y Murcia).  Sin embargo, en las regiones que se encontraban en una etapa más avanzada (‘Late in the curve’), transcurrieron entre 10 y 3 días desde que se había alcanzado 3 casos de COVID-19 por cada 100,000 habitantes (Aragón, Asturias, Madrid, País Vasco, Castilla La Mancha, Cataluña, Navarra y La Rioja).

A priori, no esperaríamos encontrar diferencias en las trayectorias para las muertes por causas ajenas al COVID-19 entre estos dos grupos de regiones.  Sin embargo, la Figura 1 muestra que también hubo diferencias en las muertes por motivos diferentes al COVID-19 entre los dos grupos de regiones.  Además, la brecha entre ambos grupos emerge a medida que las muertes por COVID-19 se disparan, e igualmente disminuye a medida que caen las muertes por COVID-19. En el apogeo de la pandemia, entre el 1 y el 5 de abril, las tasas de mortalidad por motivos ajenos al COVID-19 fluctuaron alrededor de 2,87 por cada 100,000 habitantes en las regiones que se encontraban en una fase incipiente de la pandemia cuando se impuso el confinamiento a nivel nacional.  Sin embargo, en las demás regiones, las muertes por motivos ajenos al COVID-19 fluctuaron en torno a 3.54 por cada 100,000 habitantes.

Figura 1: Muertes diarias por no-COVID por cada 100,000 habitantes

Nota: ‘Early in the curve’ se refiere a aquellas regiones para las cuales hacía menos de tres días que el brote había comenzado cuando se introdujo el confinamiento (Andalucía, Baleares, Canarias, Cantabria, Castilla-León, C. Valenciana, Extremadura, Galicia y Murcia). ‘Late in the curve’ se refiere a aquellas regiones en las que el brote había ocurrido hacía al menos tres días el 14 de marzo (Aragón, Asturias, Madrid, País Vasco, Castilla La Mancha, Cataluña, Navarra y La Rioja).

Fuentes: Serie histórica de casos acumulados y fallecidos. Situación de COVID-19 en España. Ministerio de Sanidad. Datos Poblacionales, INE. Datos de fallecidos por causa distinta a COVID-19 estimados usando datos de muertes totales registradas en MoMo y del Ministerio de Sanidad.

Este análisis no demuestra que exista una relación causal entre la mortalidad por causas diferentes al COVID-19 y el momento en que el confinamiento fue implementado.  Para ello, usamos un modelo de diferencias en diferencias en el que controlamos por discrepancias regionales que son permanente, ya sean observables o inobservables (como la composición del empleo, la distribución por edad de la población, o el número de camas de hospital).  Igualmente, tenemos en cuenta variaciones temporales que afecten a la mortalidad de modo similar en todas las regiones (como cambios en la disponibilidad de tests o posibles mejoras en tratamientos clínicos).

La Tabla 1 recoge la estimación del coeficiente del término de interacción entre el tratamiento y la rapidez relativa de la intervención.  Como en el blog Nada es Gratis, utilizamos diferentes umbrales para el inicio de los efectos del confinamiento.  En la primera columna, se considera que los efectos del confinamiento ya se observan a los tres días de su implementación –eso es, el 17 de marzo.   En la segunda columna, los efectos comienzan a los 5 días (19 de marzo); en la tercera columna, a los 7 días (21 de marzo); y en la cuarta columna, a los 10 días (14 de marzo).  Los resultados indican que la rapidez en la adopción del confinamiento no tiene un efecto significativo sobre la mortalidad por motivos diferentes al COVID-19.

Nuestros resultados indican que, aunque existe una correlación entre el número de muertes por COVID-19 y el número de muertes por otras causas (Figura 1), la velocidad de adopción de las medidas de confinamiento no impactó la mortalidad debida a otras causas diferentes del COVID-19.  Esto parece sugerir que problemas de saturación de los servicios sanitarios, que presumiblemente se produjeron en las regiones que se encontraban en una fase más avanzada de propagación del virus, no redujeron la calidad de los servicios sanitarios reservados para otras enfermedades hasta el punto de traducirse en más muertes –al menos, de media.  Carecemos, no obstante, de información para poder contrastar adecuadamente esta hipótesis hoy por hoy. A medida que el INE vaya publicando los microdatos de mortalidad con causa de muerte podremos añadir algo más de luz a estas cuestiones.