< Propagación
Letalidad, mortalidad, exceso de mortalidad, R0, kappa: de que estamos hablando?
Texto actualizado en 2020-06-21
Aprenda lo que significa cada uno de estos términos para entender los riesgos asociados con una infección por el coronavirus SARS-CoV-2 y la dinámica de la propagación de COVID-19.
Tasa de mortalidad: riesgo de morir por la COVID-19 para una persona infectada con SARS-CoV-2. Esta tasa se calcula dividiendo el número de personas que murieron de la COVID-19 por el número total de personas infectadas con el virus. Esta tasa depende de varios factores, entre ellos la edad, las condiciones físicas y médicas (obesidad, diabetes, hipertensión, inmunodeficiencia, ...) y el género. Para saber más sobre la letalidad estimada de la COVID-19, ver ¿Cuál es el riesgo de morir por la COVID-19 para una persona infectada?.
Tasa de mortalidad: riesgo de morir en un momento dado. Esta tasa se calcula dividiendo el número de personas que murieron por el número total de personas en un territorio determinado y durante un período de tiempo definido.
Exceso de mortalidad: exceso del número de muertes en comparación con un período anterior. Los datos de mortalidad correspondientes a los meses de marzo y abril en Francia muestran un exceso de mortalidad en comparación con el mismo período de 2019. Aunque no todas las muertes son atribuibles a la enfermedad COVID-19, es razonable estimar que el exceso de mortalidad se debe en gran medida a la enfermedad.
R0, número reproductivo de referencia o tasa de transmisión inicial del coronavirus: el número de personas infectadas en promedio por una persona infectada con SARS-CoV-2 en una población que nunca antes ha estado en contacto con este coronavirus. Si el R0 es 3, por ejemplo, esto significa que una persona infectada con el coronavirus infectará a un promedio de 3 personas, y estas 3 personas a su vez infectarán a otras 3. Esto resultará en una rápida propagación del virus. Si R0 es menos de 1, significa que una persona infectada infectará en promedio a menos de una persona y la epidemia eventualmente se extinguirá. Cuanto más bajo sea el R0, más probable es que la epidemia desaparezca rápidamente. La R0 también se utiliza para calcular la proporción mínima de personas de una población que deben ser inmunizadas para que la epidemia comience a disminuir y desaparezca. Esto se debe a que una persona inmunizada no se infectará y no infectará a otros. Si se inmuniza a un número suficiente de personas en la población, entonces un individuo infectado infectará en promedio a menos de una persona. Esto se llama inmunidad de la manada. Aunque el concepto de R0 es bastante simple de entender, su estimación es compleja y varía ampliamente entre los estudios para COVID-19. Antes de la contención, las estimaciones de R0 oscilaban entre 1,95 y 6,49. Mientras que la R0 depende de la infectividad del patógeno, también depende de la densidad de población y del comportamiento individual. Para obtener más información sobre cómo reducir la tasa media de reproducción o R, véase ¿Cómo logramos la desconfinanciación?.
R, Re o Rt, número de reproducción efectiva o tasa de reproducción media: el número de personas infectadas en promedio por una persona infectada con SARS-CoV-2 en un momento dado.
Factor de dispersión k (kappa): parámetro que mide la variabilidad de la tasa de reproducción dentro de la población. Cuando k es alto, el número de personas infectadas por cada individuo infectado (infecciones secundarias) es aproximadamente el mismo para todos los individuos infectados: esta es la situación observada durante la epidemia de gripe española en 1918. Por el contrario, cuando k es bajo y cercano a 0, el número de personas infectadas por cada individuo infectado es muy variable: la mayoría de los individuos infectan a muy pocos, pero unos pocos infectan a muchos. La epidemia tiende entonces a propagarse a través de los llamados eventos de "superpropagación", en los que una persona infectada transmite el virus a muchos contactos. Por ejemplo, cuando k = 0,1 y R0 = 3, el 73% de las personas infectadas infectan a menos de una persona, mientras que el 6% de las personas infectadas infectarán a más de 8 personas. La epidemia progresa entonces de manera discontinua, por medio de brotes (en inglés, "clusters"). Este modo discontinuo de propagación se observó durante la epidemia del SARS (R0 = 2; k = 0,16) y, en menor grado, en la epidemia del MERS (R0 = 0,6; k = 0,25). Todavía es demasiado pronto para saber con seguridad la k de la COVID-19 pero sería alrededor de 0.1-0.4. Para más información, véase ¿Por qué las situaciones de superpropagación son cruciales para entender la epidemia de VIDOC-19?
Fuentes
Este estudio muestra el efecto de la edad, la diabetes y la hipertensión en la gravedad COVID-19 y la tasa de mortalidad de los pacientes hospitalizados en la ciudad de Nueva York y sus alrededores.
Richardson, S., Hirsch, J. S., Narasimhan, M., Crawford, J. M., McGinn, T., Davidson, K. W., ... & Cookingham, J. (2020). Presenting characteristics, comorbidities, and outcomes among 5700 patients hospitalized with COVID-19 in the New York City area. Jama.Este estudio muestra el efecto del género en la gravedad COVID-19 y la tasa de mortalidad en pacientes con COVID-19
Jin, J. M., Bai, P., He, W., Wu, F., Liu, X. F., Han, D. M., ... & Yang, J. K. (2020). Gender differences in patients with COVID-19: Focus on severity and mortality. Frontiers in Public Health, 8, 152.Los datos de la Santé Publique France correspondientes a las semanas del 23 al 29 de marzo de 2020 y del 30 de marzo al 5 de abril muestran que la mortalidad por todas las causas a nivel nacional en Francia es significativamente más alta de lo previsto durante este período. A nivel nacional, el exceso de mortalidad se estima en +16% y +34% respectivamente. Este aumento de la mortalidad por todas las causas es particularmente marcado en las regiones del Gran Este e Île-de-France.
Santé Publique France, Actualización epidemiológica semanal del 16 de abril de 2020Los datos del Observatorio Regional de la Salud de Ile de France (Francia) han puesto de manifiesto un exceso de mortalidad muy elevado en el departamento de Seine-Saint-Denis, con la mayor variación de la mortalidad en Ile de France en comparación con el mismo período en 2019 (+ 69,4% entre el 1º y el 31 de marzo de 2020 y + 118,4% entre el 1º de marzo y el 10 de abril de 2020). En comparación, la mortalidad en París aumentó en un 89,8%. En este departamento, el más denso de Ile de France pero también el más pobre, las viviendas suelen ser pequeñas (para una cuarta parte de la población de Seine Saint Denis, la superficie por habitante es de 14 m2 frente a 17 m2 en París) y están ocupadas por familias más numerosas (el 42,1% de las viviendas están ocupadas por 3 o más personas, frente al 21,8% en París), lo que hace difícil el distanciamiento social. Es también en este departamento, en comparación con otros departamentos de Île-de-France, donde reside el mayor número de trabajadores expuestos a situaciones de riesgo (trabajadores de hospitales, ordenanzas, cajeros, repartidores), con más viajes que en otras localidades (más del 50% de los habitantes de Seine Saint Denis trabajan en otro departamento, en comparación con sólo el 24,4% de los parisinos que trabajan en otro departamento). Por último, a menudo vinculada a condiciones sociales difíciles, la prevalencia de ciertas patologías (diabetes, enfermedades crónicas, sobrepeso) es mayor que en otras localidades. Las desigualdades sociales y sanitarias que sufre Sena Saint Denis explican el exceso de mortalidad tan elevado en Sena Saint Denis en comparación con otros departamentos de Ile de France.
Mangeney, C., Bouscaren, N.,Telle-Lamberton, M., Saunal, A., Féron, V.La surmortalité durant l’épidémie de COVID-19 dans les départements franciliens, Observatoire régional de santé Ile de France, Avril 2020.Los datos sobre la mortalidad humana pueden consultarse en el proyecto sobre mortalidad humana (https://www.mortality.org/), que revelan discrepancias entre el número de muertes notificadas COVID-19 y el exceso de mortalidad en cada país. Muchos periódicos como The Economist han descrito estas discrepancias con +10% reportado para Bélgica, -5% para Francia, -40% para los Países Bajos, -43% para Austria entre otros.
La base de datos de mortalidad por exceso de la economia:Los datos de la Oficina de Estadísticas Nacionales del Reino Unido (ONS) muestran resultados similares a los datos franceses del Observatoire Régional de Santé Ile de France. La comparación de la tasa de mortalidad entre el 1º de marzo y el 17 de abril de 2020 en las zonas desfavorecidas en términos de salario, empleo, salud, nivel de educación, medio ambiente, etc. y en las zonas favorecidas muestra que el riesgo de morir de SIDA COVID-19 en las zonas desfavorecidas es 2,1 veces mayor que en las zonas favorecidas.
Muertes relacionadas con COVID-19 la zona local y la privación socioeconómica: muertes ocurridas entre el 1º de marzo y el 17 de abril de 2020, Oficina de Estadísticas Nacionales, 1º de mayo de 2020.Estudio que compara la R0 de los estudios publicados sobre el SARS-CoV-2 antes de la aplicación de las medidas de contención. La media de R0 se estima en 3,28.
Liu, Y., Gayle, A. A., Wilder-Smith, A., & Rocklöv, J. (2020). The reproductive number of COVID-19 is higher compared to SARS coronavirus. Journal of travel medicine.Un estudio americano estima que la R0 era de 5,7 en Wuhan, mientras que su estimación era mucho más baja en las pequeñas ciudades europeas al comienzo de la epidemia.
Sanche, S., Lin, Y. T., Xu, C., Romero-Severson, E., Hengartner, N., & Ke, R. (2020). High Contagiousness and Rapid Spread of Severe Acute Respiratory Syndrome Coronavirus 2. Emerging Infectious Diseases, 26(7).Estudio epidemiológico sobre la población del brote o "racimo" en Oise donde muchos casos fueron infectados en una escuela secundaria, estimando R0 en 3,3.
Salje, H., Kiem, C. T., Lefrancq, N., Courtejoie, N., Bosetti, P., Paireau, J., ... & Le Strat, Y. (2020). Estimating the burden of SARS-CoV-2 in France.Un estudio de los brotes o "conglomerados" en Hong Kong (correspondientes a 1037 personas que dieron positivo) realizado en mayo de 2020 estima que el 20% de los casos de contaminación son responsables del 80% de la transmisión local. Las exposiciones sociales producen más casos secundarios que las interacciones familiares o laborales. El factor de dispersión k se estima en 0,45 (IC del 95%: 0,30-0,72).
Steger, M. F., Kashdan, T. B., & Oishi, S. (2008). Being good by doing good: Daily eudaimonic activity and well-being. Journal of Research in Personality, 42(1), 22-42. Lien vers PDF :Interés del factor de dispersión kappa para modelar la dinámica de propagación de ciertas enfermedades infecciosas. El factor de dispersión k para el SRAS se había estimado en 0,16 (intervalo de confianza del 90%: 0,11-0,64).
Lloyd-Smith, J. O., Schreiber, S. J., Kopp, P. E., & Getz, W. M. (2005). Superspreading and the effect of individual variation on disease emergence. Nature, 438(7066), 355-359.Explicaciones sencillas en francés sobre el parámetro kappa y la importancia de las situaciones de superpropagación.
Korsia-Meffre, S. (2020). COVID-19 : "La seule chose qui compte, c'est l'endroit où s'qu'elle tombe" ou comment éviter une éventuelle deuxième vague. VidalUn estudio de la Universidad de Chicago muestra que la COVID-19 se extiende más rápidamente en las ciudades con mayor densidad de población.
Berman, M. G., Bettencourt, L. M., & Stier, A. J. (2020). COVID-19 attack rate increases with city size. MedRxiv. PREPRINT