La importància d’analitzar els casos sospitosos en el seguiment epidemiològic de la COVID-19 (3ª part): correlació als nivells territorials

En els dos apunts anteriors vaig encetar l’explanació de com les dades de casos sospitosos de la COVID-19 són útils per a enriquir l’arsenal d’anàlisi epidemiològica en un moment amb dificultats notables per a tenir una imatge precisa de l’expansió i evolució de la pandèmia. En primer lloc vaig mostrar la seva utilitat per a estimar una taxa de letalitat més ajustada a la realitat.

Després vaig defensar la importància d’estar alerta al ritme de contagis en l’anàlisi del R0, però no tan sols dels casos positius, donat que hi ha dinàmiques diferents en el mode de registre d’aquestes informacions. I és que els casos sospitosos d’avui es covertiran, probablement, en els positius de demà i, per tant, ens estan avançant una informació preciosa. A continuació efectuaré una anàlisi exploratòria comparada dels casos positius i sospitosos a la llum dels diferents nivells territorials en què està organitzat el sistema de salut: les regions, els sectors i les Àrees Bàsiques de Salut, per tractar d’extreure’n algunes conclusions.

La proporció de casos positius en els diferents nivells territorials

Com ja s’ha comentat anteriorment, hi ha aproximadament el doble de casos sospitosos que de positius. Però per a fer comparacions territorials, en primer lloc, cal calcular les taxes de prevalença de la epidèmia sobre la població, doncs no podem treballar directament sobre les dades absolutes de casos. És lògic que les unitats territorials més poblades tinguin major probabilitat d’acumular una quantitat més gran tant de casos sospitosos com de positius. Per tant, cal relativitzar el càlcul per la població de cada unitat abans de comparar res i així es neutralitza el factor del pes poblacional.

Si considerem les taxes poblacionals d’infecció a Catalunya, veiem que per cada mil habitants hi ha aproximadament 6 casos positius  i 12 de sospitosos (dades del 25 d’abril). La taxa global de casos, doncs, resultaria de la suma d’aquestes dos paràmetres: 18 infectats per cada mil habitants.

Al desglossar les dades per Regió Sanitària, veurem com aquesta proporció és manté grosso modo en les set regions en què està organitzada l’assistència a la salut catalana. En general, s’observa com a mesura que anem descendint en el ranking per regions, de les que tenen les taxes més altes de positius a les més baixes, s’acompanya també una disminució gradual i ordenada de les respectives taxes de sospitosos. Algun cas sobresurt de la tònica general, com el Camp de Tarragona (on els sospitosos són el triple) o, especialment, les terres de l’Ebre. En aquesta última regió la taxa de sospitosos és més de vuit vegades superior a la de positius. Segurament això es deu a que aquesta regió presenta els nivells epidèmics més baixos, fet pel qual es pot entendre que s’hagin prioritzat sobre manera els recursos laboratorials en les altres regions. Però aquesta forta distorsió assenyala una sub-notificació important dels positius, la qual cosa s’hauria de tenir en compte en un futur immediat i corregir-la, si fos el cas.

Si passem a l’anàlisi dels trenta Sectors Sanitaris (SS), el següent nivell territorial jeràrquic, s’observa com es manté el grau i el sentit de la correlació entre ambdues variables. En el gràfic de dispersió es pots observar com els SS es situen força ordenadament a prop de la recta de regressió, pel qual el coeficient de regressió és força alt (r2=0,76). De mitjana es pot preveure que un augment d’un punt en la taxa de positius es correlaciona amb un increment de +1,2 punts en la taxa de sospitosos, a partir d’una contant de 5. Aquest últim indicador ens informa que en el cas hipotètic que una SS tingués 0 casos positius, es podría preveure, a partir de la recta, que n’hi correspondrien 5,2 de sospitosos. I amb una taxa hipotètica de 1 positiu, n’esperariem 5,2+1,2= 6,4 de sospitosos, una situació semblant a la descrita anteriorment a les Terres de l’Ebre

Així, observant directament la recta de regressió actual, es pot esperar que un SS amb una taxa de 4 casos positius per mil habitants es correspongui, segons la mitjana de l’increment, amb una taxa de 10 sospitosos per cada mil habitants, mentre que una SS amb 8 positius, en tindria 15 de sospitosos per cada mil. Pari passu, per a un SS amb 12 positius, se n’esperarien quasi 20 de sospitosos, de mitjana.

Si ens centrem en els sectors de la ciutat de Barcelona, que es corresponen amb els deu districtes administratius del cap i casal, s’observa com els dos amb les majors taxes de positius per cada mil habitants són Horta i Guinardó (10) i Nou Barris (9). Així mateix, aquests també concentren les més altes taxes de sospitosos, amb 21 i 14 casos respectivament per cada mil barcelonins. Aquests dos sectors es situen més o menys dispersos al voltant de la recta de regressió i són un exemple prou eloquent de la correlació existent entre ambdues variables

Anant més enllà, al nivell de les 372 Àrees Bàsiques de Salut (ABS) de Catalunya, observem que la variabilitat és encara més gran, el que és previsible, doncs les taxes es tornen més volàtils en poblacions més petites. No és el mateix, matemàticament parlant, l’impacte d’un cas a més registrat en un poble amb 150 habitants que no en una ciutat amb un milió i mig, per exemple. Pel cas que ens ocupa, tingui’s present que la mitjana de població en els SS és de 265 mil habitants, mentre que en les ABS és de 21 mil habitants. Tot i que el coeficient de regressió ara disminueix (r2=0,38), aquest es suficientment alt com per a mantenir-se estadísticament significant en un nivell de confiança del 99%. La raó està en que ha augmentat considerablement el volum de la nostra mostra d’anàlisi, passant de 30 a 372 observacions. En síntesi, la recta de regressió resultant (veure imatge a dalt de tot) indica que, al nivell de les ABS, es pot esperar un increment de +0,9 punts en les taxes de casos sospitosos per cada augment d’un punt en les taxes de positius, partint d’una constant de 6,4.

Només hi hauria dos punts clarament fora de la corba. Un és l’ABS Sant Quirze de Besora, amb 7 positius i 40 sospitosos per cada mil habitants (la taxa de sospitosos més alta de Catalunya, ara mateix). L’altre  és l’ABS de Barcelona 7E – Sant Rafael (a Horta-Guinardó), quan, amb 16 positius, obté una taxa de 33 sospitosos, quan cabria esperar-ne només 20, segons la recta de progressió linear. Val a dir que Sant Rafael és un cas digne d’atenció epidemiològica doncs en el moment en que s’ha pogut efectuar l’extracció de les dades (25 d’abril) és la ABS que deté la taxa més alta de positius de Catalunya i la segona més alta de sospitosos. Considerant les taxes globals (sumant positius i sospitosos), aquestes dues ABS son justament les que més es destaquen tristament en el rànquing: Sant Rafael, amb 49,7 casos per cada mil habitants i Sant Quirze amb 46,3. I ho són de lluny. El tercer col·locat es situa encara per sota del llindar del 40 casos per cada mil.

Sembla clar que els padrons proporcionals entre les taxes de casos positius i sospitosos tendeixen a reproduir-se de forma força reiterada en els diferents nivells territorials, tot i les asimetries assenyalades. La conclusió general que se’n pot extreure és que allà on hi ha un determinat nivell de casos positius hi ha també una proporció corresponent de casos sospitosos, considerant els gradients d’inclinació esmentats. O, dit d’una altra forma, la proporció de la distribució de positius i sospitosos no segueix un padró aleatori a l’espai, sinó que tendeix a reproduir unes certes proporcions. Aquesta constatació sembla suggerir que positius i sospitosos són les dues cares d’un mateix fenomen i seria una evidència més de que els sospitosos son en gran proporció, casos de persones efectivament infectades de coronavirus, tot i la manca de tests confirmatoris que ho corroborin,

Totes les dades aquí analitzades les teniu a l’abast al Quadre de Seguiment Epidemiològic (QSE), on les podreu consultar en línia i de forma interactiva, amb tota mena de filtres. Per a saber més sobre què és i com funciona el QSE, continueu llegint. En tot cas, gràcies per la vostra atenció!

Restem pendents, però, de que el Govern obert continuï actualitzant, com venia fent fins ara,  en el seu portal les dades desagregades de casos per ABS per a que puguem fer seguiment al dia de l’evolució detallada de les taxes d’infecció.

Nova eina interactiva per conèixer l’evolució de la COVID-19 a Catalunya

Vols conèixer de primera mà l’evolució diària de l’epidèmia del Coronavirus al teu barri, la teva ciutat o la teva comarca? Una nova eina interactiva està disponible a la xarxa i permet comparar els nivells coneguts d’infecció en diferents unitats d’agregació territorial

El nou Quadre de Seguiment Epidemiològic (QSE) ha estat creat per a posar a l’abast de tota la ciutadania l’anàlisi de la magnitud, el perfil i la tendència de la Covid-19 a Catalunya i les seves àrees geogràfiques. Mitjançant els seus filtres jeràrquics es poden analitzar i comparar fàcilment informacions per Regió Sanitària, Sector de Salut i Àrea Bàsica de Salut, les quals es superposen sovint amb les divisions administratives més conegudes per la població. També s’han construït unes dreceres per accedir ràpidament a les dades agregades de les grans ciutats, facilitant la cerca.

Les dades del QSE corresponien inicialment als tests positius de la prova de laboratori PCR del coronavirus– la més confiable per a diagnosticar la malaltia. Però ara, gràcies a un canvi de criteri de l’administració,  s’ha passat a disponibilitzar de forma desagregada també els casos positius en els tests ràpids, bé com els casos sospitosos amb simptomatologia compatible però que no han fet cap test o no han donat positiu. La font és el Registre COVID-19, del Departament de Salut, que disposa gairebé a diari les seves dades a la ciutadania a través del Portal del Govern Obert de la Generalitat de Catalunya. En el QSE també s’hi poden trobar informacions actualitzades sobre els principals indicadors de la pandèmia a Catalunya (casos nous, defuncions i altes hospitalàries), recollits per l’Idescat.