Qué dicen (y qué no) las cifras del virus: por qué es tan complicado juzgar la mortalidad por covid de Madrid y cada comunidad
La campaña electoral multiplica las conclusiones rotundas sobre el éxito de determinadas medidas o decisiones, pero los expertos recuerdan lo complejo de atribuir causas
Con la campaña electoral de Madrid se multiplican las comparaciones de las cifras del covid por regiones. Se utilizan para sacar conclusiones rotundas sobre el éxito de ciertas medidas o ciertos gestores. Pero es un ejercicio complicado incluso usando datos exactos y verdaderos: con un fenómeno como la pandemia, según cuáles mires puedes proyectar una imagen distinta. “Es un problema complejo en todo el sentido de la palabra, con multitud de factores que se relacionan entre ellos”, resume Saúl Ares, investigador del CSIC. Es lo mismo que subraya Clara Prats, de la Universitat Politècnica de Catalunya: ”Son múltiples las variables que intervienen y la forma en la que se relacionan”. Y también lo recalca el epidemiólogo Alberto García-Basteiro: “Son muchos los factores y su interrelación es compleja: solo modelos muy sofisticados podrían intentar estimar la fracción atribuible a cada determinante”.
Lo que sí podemos mostrar son las cifras de casos, ingresos y fallecidos. Empezamos con la estadística de muertes, que es la medida más significativa del impacto de la pandemia, mostrando las registradas desde marzo de 2020, en cada ola y por mil habitantes de cada provincia.
La tabla recoge el total de fallecidos en cada una de las 50 provincias españolas (además de Ceuta y Melilla) desde el inicio de la pandemia hasta mediados de abril de este año. Para la segunda y tercera ola usamos las cifras de muertes confirmadas que recopila el Instituto de Salud Carlos III. Para la primera, en cambio, usamos el exceso de muertes recogido del INE, porque la detección de casos de coronavirus entonces era muy mala.
Según estos datos, las provincias con más muertes por covid desde el comienzo de la pandemia son Soria (5,9 por cada mil habitantes) y Segovia (5,6); seguidas de Cuenca, Ciudad Real y Salamanca (alrededor de 4). Después aparecen Ávila, Guadalajara, Toledo, Madrid, Albacete y Palencia (con más de 3 fallecidos por cada mil habitantes). En el extremo opuesto aparecen las provincias insulares, las gallegas y algunas andaluzas, donde las muertes son la décima parte que en Soria o Segovia.
Pero en la tabla también se observan diferencias por olas. Es el caso de Madrid, por ejemplo, que aparece como una de las peores en total (la novena) y en la primera ola (la séptima), pero también en la media de la segunda ola y entre las que menos muertes registran en la tercera ola (la catorce con menos).
Como veremos, estos números varían cuando empezamos a considerar factores como la edad de la gente o la cantidad de personas susceptibles de infectarse.
¿Cúanto importa la edad de la población?
La covid-19 es una enfermedad que se ceba con las personas muy mayores (casi el 90% de los fallecidos desde marzo de 2020 tenía más de 70 años). Por tanto, las provincias donde hay más mayores se enfrentaban a un peligro mayor. Para tener esto en cuenta a la hora de comparar territorios se pueden ajustar las cifras de mortalidad de cada provincia según su estructura de edad: calcular cuál sería esa mortalidad si allí hubiese la misma proporción de jóvenes y mayores que en toda España.
Esta tabla recoge las mortalidades ajustadas para el total de fallecidos en la pandemia y para los fallecidos desde diciembre de 2020, lo que llamamos tercera ola.
Este ajuste no altera la imagen general, pero sí introduce algunos matices. Lo más importante es que mejora la estadística de provincias con mucha población mayor, como Soria, Segovia y Ciudad Real: una parte de su elevada mortalidad se debía a que tienen población envejecida, aunque siguen siendo tres de las cuatro regiones con peores cifras también después de ajustar.
Otras provincias como Ávila, Salamanca o Cuenca también ven descender sus cifras. De hecho, Madrid las supera ahora y se convierte en la quinta provincia con peor mortalidad. También empeoran Guadalajara —sube de séptima a segunda—, Barcelona —pasa de estar en la media a ser la novena peor— o las provincias valencianas, que tienen poblaciones más jóvenes. Almería o Cádiz, que se situaban entre los territorios con mortalidad más baja, salen ahora en la mitad.
Si nos fijamos en la tercera ola, Madrid sigue estando entre las provincias por debajo de la media en mortalidad ahora que hemos corregido la ventaja que tiene por la edad de su población.
¿Cúanto importa el impacto de la primera ola?
La epidemia tiende a frenarse a sí misma. Lo hace a través de dos mecanismos: por un lado, porque con cada infectado se reduce el número de personas susceptibles de reinfectarse. Y a eso se suma un posible efecto cosecha: cuando aparece, el virus es más letal porque encuentra más personas débiles o vulnerables. Esto significa que, en una hipotética igualdad de condiciones, las muertes serán inferiores en las zonas más castigadas.
Pero los datos disponibles limitan la importancia de este fenómeno en España. Haber sufrido una primera ola muy dura no ha impedido que algunas regiones tuviesen también muchas muertes en la segunda y la tercera ola. Tampoco haber evitado la primera ha significado necesariamente una peor segunda o tercera ola.
Como se ve en el gráfico, hay provincias como Lugo, Ourense o Canarias que han tenido pocas muertes tanto en la primera ola como en las sucesivas. Pero incluso ignorando esas, que probablemente están protegidas en parte por su posición geográfica, la relación entre primera ola y siguientes es débil. Hay algunas provincias que fueron de las peores en la primera ola y luego ya no, como Madrid, Ciudad Real o Segovia; otras esquivaron los brotes de primavera y luego sufrieron en invierno, como Palencia, Zaragoza, Teruel o incluso Almería; pero también hay algunas provincias con una mortalidad siempre elevada en todas las olas, como Soria, Guadalajara y Toledo.
Otra forma de juzgar las cifras de mortalidad en la segunda y tercera ola es ajustarlas por el número de personas que eran susceptibles de estar enfermas en cada momento. Ese ajuste puede hacerse usando del estudio de seroprevalencia del Ministerio de Sanidad. Por ejemplo, si se estima que en una provincia pasó el virus un 20% de la gente antes de diciembre, solo habrá un 80% de susceptibles, de manera que la mortalidad es mayor si la calculamos sobre ellos y ya no sobre toda la población. La siguiente tabla muestra las mortalidades por provincias con ese ajuste, y también el ajuste anterior de estructura de edad.
Este nuevo ajuste introduce nuevos matices, pero ningún cambio esencial en la imagen global de la pandemia. Las provincias con más muertes en la segunda ola son Zaragoza, Teruel, Toledo y Valladolid, con cerca de un muerto por cada mil personas susceptibles. La peor provincia de la tercera ola pasa a ser Soria, que tuvo la peor primera ola, y por tanto tenían menos susceptibles, pero aún así registra muchas muertes desde Navidad.
¿Qué pasa con Madrid despues de hacer estos ajustes? Una vez ajustada la edad, es la quinta provincia con la peor mortalidad de España. Y tuvo la tercera peor cifra en la primera ola. Su segunda y tercera olas no han sido anormalmente malas, tampoco después de corregir por cuánta población seguía siendo susceptible de infectarse. En la segunda ola aparece la 16 (de 52) y en la tercera, como la 24, cerca de la mitad.
De nuevo se hace evidente la complejidad de emitir juicios solo mirando estos números. “Es un fenómeno multicausal que habrá que ir desentrañando progresivamente, no se pueden sacar conclusiones fáciles”, dice Clara Prats. “Es normal que una epidemia de este tipo muestre esta variabilidad, porque se trata de un sistema complejo”, continúa. No hay dos regiones iguales y sus características les hacen más o menos vulnerables. Hemos mencionado dos variables —edad y susceptibles—, pero es fácil pensar en muchas más: el clima, la densidad de población, los hábitos de la gente, las medidas impuestas, su cumplimiento. “Incluso hay fenómenos de azar que intervienen”, explica Alberto García-Basteiro. ”Por ejemplo, en ciertos brotes el origen pudo estar en personas que no sabemos por qué son grandes diseminadores y que estuvieron en el lugar y hora oportuna para la diseminación”, señala en relación al ‘factor K’ del virus.
Pero, ¿son distintos los datos de casos, ingresos y UCI?
Hemos hablado hasta ahora de cifras de fallecidos, porque es la métrica más homogénea para medir el impacto del virus, además de la más grave. Además, no hay muchas sorpresas si se observan los casos o los ingresos: son cifras, en general, proporcionales al número de fallecidos.
El siguiente gráfico muestra la relación de los casos confirmados en cada provincia y sus cifras de hospitalizaciones, ingresos en UCI y muertes. (Solo consideramos la segunda y tercera ola porque en la primera la detección de casos fue muy mala; además, de nuevo hemos ajustado las tasas de ingresos y defunciones por la estructura de edad).
La movilidad no es tan distinta
La movilidad de las personas —nuestros viajes al trabajo, a bares o a cualquier lugar— se ha relacionado con más contactos y un mayor riesgo de contagios. Pero, ¿sirven las diferencias en movilidad para explicar la mortalidad por regiones en España?
Los datos de Google (a partir de la geolocalización de millones de teléfonos móviles) permiten medir el nivel de desplazamientos en cada provincia en relación a su normalidad prepandemia. Y no se observan grandes diferencias. Como se puede ver en los gráficos, los movimientos han subido y bajado a la vez. En el primer confinamiento todas las provincias estaban cerradas; luego su movilidad ha oscilado (sobretodo en agosto, cuando las grandes ciudades se vaciaron), pero casi siempre de forma bastante síncrona.
Estos datos permiten, además, distinguir los viajes al trabajo y los que son por ocio. En Madrid destaca la actividad en bares o tiendas sobre lugares como Barcelona o Ávila. Es algo esperable porque esas provincias impusieron más restricciones al comercio. Al mismo tiempo, si miramos la movilidad por trabajo, son Madrid, Barcelona o Valencia las que destacan por haber reducido su actividad más que el resto de España, probablemente por el tipo de empleos y porque el teletrabajo es más común.
Una variable relacionada, más difícil de medir, es la conectividad. “No es casual que las islas y comunidades periféricas como Galicia o Cantabria sean las que presentan mejores datos, ni que el 70% de la dinámica de la primera ola pueda explicarse en función de la conectividad con Madrid”, explica Saúl Áres.
Estos datos de movilidad nos recuerdan, además, que habrá muchas otras circunstancias que son comunes a gran parte de España. Por ejemplo, Madrid, Barcelona y Valencia destacan las tres porque han reducido menos su movilidad que otras grandes ciudades europeas. “Madrid ha tenido medidas mas laxas en cuanto a la hostelería, pero quizás sigue habiendo muchas otras similares y comparables con Barcelona (movilidad y densidad en metro o autobús, restricción de grupos…)”, nos recordaba María Lahuerta, epidemióloga de la Universidad de Columbia. Y las medidas llegan hasta donde llegan: “A pesar de las restricciones duras que puso Cataluña en la hostelería [en Navidades], sabemos que en esas fechas las reuniones se daban mucho en familia, lo que podría explicar también que durante esa ola las restricciones no ayudaran tanto”.