Estimación simple y ajuste de la curva de casos diarios en República Dominicana basada en bases de datos globales

Apesar de que mi formación de base es en Ciencias de la Tierra, geofísica para ser más específica, me siento motivada a abordar el problema con herramientas que son comunes a ambos campos, la medicina y las geociencias: el tratamiento de señales y la programación. Mi objetivo es que los especialistas en el área de la salud puedan dar mejor lectura a estos resultados y que los mismos puedan ser utilizados en la gestión inmediata de la crisis.

¿De dónde provienen y qué tipo de datos utilizo?

Los datos provienen de fuentes de datos globales, cuyo centro de datos está gerenciado por la Universidad de Oxford.

¿Cuál es mi enfoque?

Comencé mis cálculos hace aproximadamente un mes, cuando se conocía menos el comportamiento de la pandemia. La primera curva de casos diarios de contagio de COVID-19 fue observada en China, en su totalidad. Por ese motivo, decidí hacer un ajuste de la curva observada en China para posteriormente, poder evaluar si un comportamiento similar podía ser observado en los otros países. La función que mejor se ajusta a la curva de casos diarios de China es una función gaussiana o en forma de campana. De allí que, parto del principio que la curva de los casos diarios del COVID-19 podría seguir un comportamiento gaussiano (ver Figura 1).

¿Cuál es la utilidad de hacer un ajuste de curva?

Un ajuste de curva permite no únicamente asociar una población de datos a una función específica (en dado caso sea posible) sino que permite, dado que esa función siempre existe en el tiempo, poder hacer estimaciones (dentro del límite que nos permite la razón) del comportamiento de la curva o de la población de datos en el futuro cercano. Siendo más específica, la curva de ajuste permite tener un estimado de cuántas personas podrían ser contagiadas en un país, desde el momento en que la curva comienza a tener un comportamiento exponencial (al comienzo de la crisis).

¿Mis estimaciones son exactas?

No. Las estimaciones dependen de múltiples factores, algunos de ellos podrían inferirse, otros los desconocemos quizás por completo, por ejemplo, que las condiciones de distanciamiento social y densidad poblacional se mantengan en una zona específica, de cómo reaccione cada población ante el virus y otros tópicos que están fuera del alcance de este escrito y de mi conocimiento. Sin embargo, en el caso de los países que han aplicado el confinamiento, en los cuales se aplican tests sistemáticamente, se observa que la curva de ajuste es bastante cercana a los datos y sigue una tendencia gaussiana.

El modelo que calculé para República Dominicana (ver Figura 1) permite estimar un promedio de 7972 personas infectadas al final de la curva o primera ola del virus, con una fecha para el pico del 18 de abril del 2020. Al momento de escribir este documento, 30 de abril de 2020, la curva de casos diarios parece haber comenzado su descenso, sin embargo, se observan picos secundarios, que podrían tener incidencia sobre el comportamiento o amplitud de esta.

El modelo sirve de igual manera, para poder estimar la duración de la curva del virus (¡es solo una estimación! Que la curva progrese a favor o en contra va a depender del comportamiento cívico de los ciudadanos) y la fecha probable de culminación de esta. Una curva muy angosta en el tiempo, indica una gran velocidad de contagio y un esfuerzo mayor del sistema hospitalario. Una curva muy ancha, indica una velocidad de contagio lenta y menor probabilidad de colapso del sistema hospitalario, pero también, medidas de confinamiento de mayor duración.

¿Por qué nos debemos preocupar? ¿De qué nos sirve conocer el número de casos diagnosticados diariamente?

Nos debemos preocupar, pues cada sistema hospitalario tiene un límite, y si la cantidad de contagiados en un mismo período supera la capacidad del sistema hospitalario, el paciente se podría quedarse sin acceso al servicio médico con las consecuencias que esto trae. De allí que, conocer el número de casos diarios y el total de casos hasta el momento (ver Figura 2) permite que las autoridades puedan gestionar la crisis de una mejor manera, y permite saber, a partir de qué fecha, la curva se estabilizará (¿observan el efecto de techo al final de la curva?, eso indica que la curva ha dejado de crecer, en otras palabras, el número de contagiados es ínfimo o cero).

¿Se puede esperar una segunda ola de COVID-19?

Aún no lo sabemos. Si citamos como ejemplo la curva de casos diarios de Taiwán o de Corea del Sur, la segunda ola podría ser de menor intensidad que la primera, sin embargo, insisto, eso depende de múltiples factores, y lo mejor que podemos hacer, es seguir aplicando las medidas barreras para contener al máximo el virus, hasta que se tenga más conocimiento del comportamiento de este.

¿Qué sucede si no se aplican las medidas barreras?

Es sencillo, la curva será muy ancha, pero involucrando a mayor parte de la población, implicando mayor velocidad de contagio y una crisis de más larga duración. Aún en los países en los cuales no se han aplicado medidas de confinamiento o cuarentena, se cumplen las medidas barreras: lavarse las manos con frecuencia, utilizar máscaras, mantener la distancia social, etc.

¿Qué más puedo aportar?

Cuando hice el ajuste de la curva, observé que existen picos de más corta duración y decidí aislarlos (remover la tendencia de la curva principal), para así poder analizarlos con más facilidad. Esos picos los asocio con eventos secundarios, pero que tienen una incidencia sobre el conteo del total de los casos diagnosticados. En el análisis, utilizo como línea de base la curva gaussiana. Lo que pude observar, es que cada cinco días, se producen picos o desviaciones positivas de la media, lo cual asocio a una posible relajación del distanciamiento social (¿posiblemente vinculado a los fines de semana?). Estos picos tienen una incidencia negativa sobre la curva, implican un número de contagiados superior al estimado por el modelo. Sin embargo, cada 4-6 días aproximadamente, también se observan picos o desviaciones negativas de la media, que reflejan quizás un mayor cumplimiento del distanciamiento social, y que paradójicamente, vienen a compensar, las desviaciones positivas observadas. Por consiguiente, las estimaciones del número total de casos positivos podrían no estar muy alejadas de la realidad.

Concluyendo

Utilicé datos provenientes de bases de datos globales para hacer un ajuste de la curva observada de casos diarios. Estimo que la curva de casos diarios de Republica Dominicana está en pleno descenso y que ese comportamiento depende del cumplimiento de las medidas barreras (distanciamiento social, porte de máscaras, lavarse las manos con frecuencia, etc.). La curva de casos diarios positivos de COVID-19 de Republica Dominicana ha debido tener su máximo el 18 de abril de 2020. Identifiqué picos secundarios que, dada su frecuencia, 4-6 días, los relaciono con relajación o flexibilización del distanciamiento social durante los fines de semana. Que la curva siga en descenso y el virus pueda contenerse dependerá de todos.