Catalina Amuedo-Dorantes, Cristina Borra, Noelia Rivera y Almudena Sevilla
En una entrada reciente de este mismo blog, Libertad González y Ana Rodríguez comentaban que las cifras de mortalidad en España podrían haber sido otras caso de no haberse llevado a cabo medidas de confinamiento o de haberse implementado éstas de un modo menos estricto.
Algunos trabajos ya han identificado impactos positivos de diferentes intervenciones no farmacéuticas, como el cierre de colegios, la prohibición de eventos públicos de masas, el distanciamiento social, o el confinamiento; tanto en China, como en Europa (aquí y aquí), incluida España.
Sin embargo, hasta donde sabemos, ninguno de los estudios existentes ha estimado hasta qué punto las medidas de confinamiento presentan un impacto diferente en las muertes por COVID dependiendo de cuándo se implementan éstas.
Con el objetivo de contener la expansión del virus, el gobierno español decretó el estado de alarma el pasado 14 de marzo, imponiendo estrictas medidas de confinamiento a toda la población. En ese momento, había 96 casos confirmados por cada 100,000 habitantes en La Rioja, 53 en Madrid, pero menos de 5 casos por cada 100,000 habitantes en las Islas Baleares, Murcia o Canarias. Por lo tanto, el confinamiento ocurrió para todas las regiones, a pesar de que la propagación del virus era muy diferente en cada una de ellas. ¿Cómo se ha visto afectada la mortalidad por la adopción de precauciones de modo más temprano para algunas regiones versus más tardío para otras?
La Figura 1 muestra la trayectoria del número diario de muertes para dos grupos de regiones españolas, aquellas para las que la expansión del virus estaba en una etapa más avanzada cuando se tomaron las medidas de confinamiento, y aquellas para las que la introducción de las medidas se produjo cuando la expansión era aún incipiente. Concretamente, cuando se estableció el confinamiento el 14 de marzo, en Aragón, Asturias, Madrid, País Vasco, Castilla La Mancha, Cataluña, Navarra y La Rioja habían transcurrido al menos tres días desde el comienzo del brote (contabilizado a partir de que hubiera al menos tres casos por 100,000 habitantes). Por el contrario, en Andalucía, Baleares, Canarias, Cantabria, C. Valenciana, Extremadura, Castilla-León, Galicia y Murcia acababa de comenzar el brote (es decir, habían pasado menos de tres días). Como se observa, el confinamiento no consigue frenar suficientemente el crecimiento de la mortalidad en el primer grupo de regiones, para las cuáles llegó tarde. Sin embargo, para el segundo grupo de regiones, la mortalidad alcanzó niveles inferiores a los alcanzados por el primer grupo, incluso si consideramos el retraso de tres días en cuanto a la evolución de la epidemia con respecto al primer grupo.
Figura 1: Muertes diarias 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). Fuente: Ministerio de Sanidad.
Claro está que este análisis no demuestra que las diferencias en mortalidad se deban únicamente al momento en que el confinamiento fue implementado. Para ver si es ése es el caso, utilizando datos diarios para las 17 comunidades autónomas desde el 20 de febrero hasta el 13 de abril (918 observaciones), estimamos un modelo de diferencias en diferencias en el que explotamos la variación regional con respecto a la posición en la curva de propagación del virus en la que se encontraban las diferentes regiones cuando se introdujo el confinamiento. Nuestra identificación se basa en que esta variación geográfica es ajena a la fecha de introducción del confinamiento. De este modo, tras controlar por diferencias permanentes inobservables entre regiones y momentos en el tiempo, al igual que por otras diferencias regionales como la composición del empleo, la distribución por edad de la población, o el número de camas de hospital, podemos estimar el efecto de la velocidad en la adopción de medidas contra la pandemia sobre el número de muertes diarias por COVID.
La Tabla 1 recoge el resultado básico de dicha estimación, el cual queda reflejado en el coeficiente del término de interacción entre el tratamiento y la rapidez relativa de la intervención. La tabla muestra los resultados de estimaciones que usan diferentes umbrales para medir cuándo comienzan los efectos del confinamiento, esto es, cuándo comienza el tratamiento. En la primera columna, se considera que los efectos del confinamiento ya se observan a los tres días de su instauración, el 17 de marzo, en la columna 2, los efectos comienzan a los 5 días, el 19 de marzo, en la columna 3, a los 7 días, el 21 de marzo y en la columna 4 a los 10 días, el 14 de marzo (Conforme vayamos añadiendo más fechas a la base de datos podremos ampliar estos umbrales). Como la velocidad se mide en días, los resultados indican que un aumento de un día en la velocidad de intervención reduce las muertes por COVID entre 25 y 26 puntos porcentuales por cada 100,000 habitantes. Dado que la mortalidad media por COVID es de 0.67 por 100,000, los resultados indican que adelantar las medidas de confinamiento un día hubiera reducido la mortalidad media por COVID más de un 35%.
Efectos del Confinamiento en la Mortalidad por COVID
Nota: La variable dependiente es el número de muertes por COVID por 100,000 habitantes en la comunidad autónoma. La especificación incluye además efectos fijos para cada fecha y para cada región. Errores cluster regionales.
Fuentes: Serie histórica de casos acumulados y fallecidos. Situación de COVID’19 en España. Ministerio de Sanidad. Datos Poblacionales, INE.
En resumen, nuestros resultados sugieren que cuando hablamos de introducir medidas de confinamiento la rapidez es esencial: un día antes puede marcar la diferencia.
Hay 25 comentarios
Enhorabuena por la entrada. Tengo muchas ganas de leer el paper. Cuatro comentarios muy específicos (quizás pensando en el potencial paper):
1- ¿Están los datos de decesos desagregados a nivel más pequeño que el de comunidad autónoma? Si fuera así, entiendo que aumentaría la variación en la variable dependiente.
2- Si el análisis final se tuviera que implementar a nivel autonómico, y puesto que hay menos de 35 "clusters", me pregunto si no sería conveniente implementar los errores estándares anidados a nivel de comunidad autónoma a través del procedimiento de wild bootstrapping (Cameron et al. 2008).
3- Dadas la naturaleza espacial de la expansión del virus, me pregunto hasta qué punto sería conveniente modelar la cercanía entre comunidades autónomas o al menos corregir los errores estándares utilizando los spatial HAC standard errors (Conley, 1998).
4- ¿Existe alguna manera de ver si la "potencial" curva de infección de cada comunidad autónoma es similar? ¿Sería posible ver si la curva en relación a un día "x" a partir de un umbral de decesos es similar en todas las comunidades autónomas utilizando sólo un período de tiempo anterior al confinamiento?
Hola, Jorge
Muchísimas gracias por los comentarios. Creo que todo lo que nos dices es factible y puede incluirse en la versión paper, en el que:
1) Hacemos un robustness check con los datos por provincias con que contamos. Perdemos días al inicio de la pandemia, lo que es importante en nuestra estrategia de identificación; pero es factible y lo incluimos por tanto.
2) y 3) También podemos incluirlos en robustness checks.
4) Este análisis puede presentarse gráficamente y resultar super-interesante, la verdad.
Muchas gracias de nuevo
Cristina
Enhorabuena por la entrada.
Una pregunta adicional a la de Jorge:
Dados los tiempos de incubación desde la infección, y tiempo hasta la muerte, cómo es posible que el confinamiento logre en 3 días una reducción del 35% de mortalidad?
Pregunto porque el único mecanismo a través del cual el confinamiento puede reducir la mortalidad es a través de una reducción de infecciones, y de media, transcurren unos 20 días entre infección y muerte. El hecho de que los resultados presentados a 3, 5, 7 y 10 días sean tan similares, podría indicar que los supuestos implícitos para atribuir un efecto causal del confinamiento sobre la mortalidad no se cumplen.
https://github.com/Miquel-Serra/Covid-Excess-Mortality/blob/master/All%20Cause%20Mortality.jpeg
Adjunto un ejemplo comparando la mortalidad global de Madrid y Castilla y león que quizá ilustre mejor mi pregunta.
Muchas gracias por tu entrada.
La interpretación correcta del coeficiente no es que el efecto del confinamiento se produzca a los tres días, sino que se trata del efecto medio desde el tercer dia hasta el último día en que se cuenta con datos en la muestra (13 de abril). Dado que el confinamiento se impone a todas las regiones al mismo tiempo, el coeficiente arrastra la diferencia inicial en contagios entre las regiones que se confinaron al inicio del brote y las que lo hicieron con el virus más extendido.
Hola, Miquel. Muchas gracias por tu comentario.
La interpretación correcta del coeficiente no es que la mortalidad se reduzca a los tres días del confinamiento. El coeficiente es el efecto medio desde el tercer día hasta el último día en que se incluyen datos (el 13 de abril). Los resultados son muy similares porque, una vez que se introduce el confinamiento, la diferencia en contagios entre las regiones que estaban en un estadio inicial y las que estaban en un estadio más avanzado se arrastra con el cambio en la fecha de inicio de los efectos.
Muchas gracias Cristina por tu respuesta y aclaración.
Ahora que lo estamos interpretando de la misma forma, tengo tres observaciones que quizá me podéis aclarar:
1. En un plano teórico, utilizando un modelo SIRD clásico (susceptible, infectado, recuperado o difunto), para que adelantar el confinamiento un día reduzca la mortalidad poblacional un 35%, el virus requeriría una tasa de reproducción básica diaria unas 6 veces superior a la del sarampión, el confinamiento debería reducirla a 0 en un día y adicionalmente también requeriría hacerlo en un punto muy específico de la curva. Esta observación no es consistente con la evidencia actual.
2. Interpretando de nuevo los resultados, si de media adelantar un día el confinamiento respeto al siguiente reduce un 35% la mortalidad poblacional a un mes vista, adelantarlo dos, de media, lo reduce un 70%? Me preocupa que esta predicción tampoco es consistente con ninguno de los datos disponibles. ¿Cómo afectaría a los resultados que hubiese errores sistemáticos en la medición de infectados?
3. He replicado vuestro análisis sobre la mortalidad diaria por todas las causas. Especificando el momento 0 como el primer cambio de tendencia en la curva de cada CCAA normalizada a 22 de febrero y con datos hasta el 19 de abril, el coeficiente de la interacción entre velocidad y tratamiento que estimo es entre 11 y 32 veces inferior al vuestro. Una reducción media entre el 1.1 y el 3.1%. Muchas gracias de nuevo
Muchas gracias por tu comentario, Miquel
Verdaderamente la limitación de los datos con que contamos no nos permite realizar estimaciones dinámicas del tipo que sugieres. Miramos con interés los test de robustez que nos indicas
Cristina, los tres puntos que plantea Miquel merecen una respuesta más explícita. Van más allá de la calidad de los datos, pues apuntan directamente al valor del modelo estimado. Primero, por las implicaciones teóricas que tiene respecto a la difusión de la epidemia. Segundo, por la interpretación que hacéis de los resultados y, tercero, por la validez de los mismos. Un impacto causal estimado con una base de datos alternativa de entre 11 y 32 veces inferior, merece algo más que una excusa en términos de datos. Las criticas de Miquel me parecen muy acertadas y, en cualquier journal serio, serían un "reject" sin apelación.
Estimados Jaime y Miquel. Los resultados que obtenemos son muy robustos. Utilizando datos de mortalidad diaria por todas las causas (Sistema MoMo) que creo que son los que utilizáis vosotros -pues no nos habéis dado muchos datos- la reduccion de la mortalidad diaria media por regiones que obtenemos es del 6%. Si tenemos en cuenta que, durante el periodo de la muestra, aproximadamente el 20% de las muertes regionales se deben al COVID, esto implica un impacto del 30%, muy similar al que publicamos en la entrada del blog.
Creo que el análisis lo clava. Deberíais hacerlo con los países del mundo, aunque en ese caso hay otra variable relevante que es el grado de confinamiento de cada país
Recogemos el guante, Jose María
saludos ...tengo una pregunta..
¿Cuáles son los beneficios directos que tendría para nuestro país, haberse adelantado a esta situación y establecer una economía cerrada como plan de acción económica?
Hola, Mary. Lo cierto es que estimamos únicamente el efecto en la mortalidad, pero como señalas no es el único efecto que produce el confinamiento. Gracias por tu entrada.
Muchas gracias y enhorabuena por la entrada. Me parece uno de los trabajos cuantitativos sobre la Covid-19 más interesantes que hemos visto estos días.
Tengo unos comentarios, seguramente derivados de que hay detalles que se me escapan al leer.
1. En vuestro análisis DID, La comparación de las muertes de las regiones "late" y las "early" ¿se realiza en los mismos días del calendario, o se tiene en cuenta el retardo en el brote? Quiero decir, si en una región B el brote comenzó, por ejemplo, 4 días más tarde que en otra A, entonces habría que comparar las muertes de A en t , con las muertes de B en t+4, para que la comparación corresponda a la misma fase de la epidemia, no?. Por ejemplo, las muertes a las que se llega el 13 de abril en regiones B frente a las muertes del día 9 en regiones A. ¿Es así cómo lo hacéis?
2. Dado que vuestra separación de los dos grupos de regiones late y early es "al menos 3 días" y "menos de 3 días" desde el brote, entiendo que dentro de cada grupo se podrían encontrar pares de regiones tan separadas en su tiempo de brote como entre grupos. Es decir, 2 regiones separadas 2 días en su brote pueden estar en un mismo grupo, o en grupos distintos. ¿Es así?
3. Por último, ¿podría ser que las regiones donde brotó la epidemia más tarde hayan tenido algo más de márgen para ciertas actuaciones, por ejemplo, médicas? En algunas regiones han llegado equipos de protección antes de que tuvieran muchos casos, mientras que en las primeras no.
Hola, Pilar. Te respondo: sí, sí y sí. Esa variación en llegar antes o después es precisamente la que explotamos. La única cualificación que hago a tus comentarios es que la presentación gráfica divide las comunidades en dos grupos, mientras que la estimación econométrica utiliza una variable continua de rapidez en la intervención. Gracias por tu entrada
Existen 2 patrones de difusión del SARS-COV-2 diferenciados. Un patrón comunitario y un patrón nosocomial (brotes localizados en residencias, hospitales y similares. El confinamiento generalizado afectaría sobre todo a la transmisión comunitaria mientras que los brotes nosocomiales serían más sensibles a estrategias similares a las que adoptan los hospitales en los brotes intrahospitalarios. En España el patrón nosocomial ha sido determinante. Una parte sustantiva de la morbilidad y la mortalidad (quizás superior al 50% de las muertes, especialmente si contamos los fallecidos en hospital procedentes de residencias). Ambos patrones no parecen estar muy relacionadas: se pueden tener muchos fallecimientos en un territorio concreto porque una residencia grande haya tenido muchos fallecimientos sin que en la comunidad hayan apenas casos. Y previsiblemente, el grueso de contagios en las residencias se produjeron antes del confinamiento generalizado (con los subsiguientes fallecimientos en las 2-4 semanas siguientes).
Es muy probable que la atribución de reducción de mortalidad al confinamiento pudiera tener relación con las estrategias de higiene y control de casos que muchas residencias y hospitales iniciaron semanas antes del confinamiento. Nótese que evitar un alta hospitalaria de un paciente transmisor a una residencia (que puede acabar produciendo docenas de muertes) podría reducir más la mortalidad que el confinamiento de un volumen importante de personas.
Hola, Salvador. Muchas gracias por tus comentarios. La información con que contamos es agregada y no distingue por tipo de contagio. Sería muy interesante estimar parámetros diferentes para patrones de contagio comunitarios y patrones localizados.
Esta visto que el covid es una mina para escribir papers. Solo en este blog van ya decenas de entradas. Supongo que tiene interés cuantificar cuántas muertes nos habríamos ahorrado de empezar antes el confinamiento, pero no sé si la econometría es capaz de hacerlo con mucha precisión. Y si le quitas eso, decir que habría habido menos muertes de haber decretado antes la alarma, no me parece que tenga mucho mérito.
Puede ser que decir que habría habido menos muertes de haber decretado antes la alarma no tenga mucho mérito.
Pero estimar cuántas puede ayudar en el diseño de las estrategias de salida o en decisiones futuras en caso de recurrencia.
La respuesta que da Juan Francisco es precisamente el motivo por el que nos decidimos a escribir este trabajo. Gracias en cualquier caso.
Siempre me quedara una duda, si actuar antes entre el dia 5 al 15, fue una decisión política o una decisión de expertos, hay quien dice que tardaron 4 días en ponerse de acuerdo los socios de gobierno, y hay quien dice que si Grecia,Portugal,Finlandia,Dinamarca,Alemania,Suiza actuaron antes con menos casos, haciendo antes los test, anulando antes los eventos de mas de 1000 personas y cerrando antes de la movilidad del transporte, es porque supieron gestionar mejor.
La gestión ha sido un desastre sin paliativos. Declarar el estado de alarma cuesta, eso todos lo entendemos, pero una mínima prudencia debiera haber llevado a desaconsejar manifestaciones y eventos deportivos (¡con equipos italianos!). Y lo que ya no tiene perdón, es no haber comprado material antes. En fin ...
Muchas gracias por la entrada.
Creo que puede haber un problema de interpretación con los resultados.
La tasa de mortalidad media por COVID en el mundo es hoy de 2.2 por 100 mil habitantes y solo puede aumentar. En España, está, ahora, en 46 por 100 mil.
Sin embargo, en el párrafo final se dice que "la mortalidad media por COVID es de 0.67 por 100,000".
Como no conozco los detalles del modelo estimado, los autores pueden estar refiriéndose a la tasa diaria de defunciones media a lo largo del periodo muestral (incluyendo los días iniciales con tasas cercanas a cero). Si es así, la caída estimada en la tasa de mortalidad del 35% sería sobre la tasa diaria, no sobre la total.
En consecuencia, adelantar el confinamiento al 4 de marzo (día previo a la primera muerte en España, según la OMS), hubiera supuesto una reducción del 35% de las muertes diarias desde el 4 de marzo hasta el 14 (día en que comenzó el confinamiento). Esto supondría que un adelanto de 10 días en el confinamiento hubiera evitado menos de 70 fallecimientos (NO 7000), ya que, según la OMS, entre el día 4 y el 14 de marzo se produjeron las primeras 191 defunciones por COVID-19 en España.
Si mi interpretación es errónea, los autores deberían explicar de dónde obtienen la tasa de fallecidos del 0.67 por 100 mil y/o corregirla al alza (con lo que el impacto estimado en las muertes se corregiría a la baja).
Agradecería que se aclarara este punto, porque el impacto estimado sería de órdenes de magnitud muy distintos.
Juan, muchísimas gracias por el comentario. Nuestra variable dependiente es el número medio de fallecimientos diarios por 100,000 habitantes en una región. Esta variable toma ese valor, utilizando datos hasta el 15 de abril de 2020. Efectivamente en todo momento la reducción hace referencia a la tasa diaria de muertes regional media. Gracias por la aclaración.
Los comentarios están cerrados.