Sr. Editor: A finales de diciembre de 2019 apareció en China un nuevo conoravirus, que causa la enfermedad de coronavirus (COVID-19) en humanos ¹1. World Heatlh Organitzation [Internet]. Rolling updates on coronovirus disease (COVID-19). [citado el 9 de abril de 2020]. Disponible en: https://www.who.int/emergencies/diseases/novel-coronavirus-2019/events-as-they-happen.
https://www.who.int/emergencies/diseases... . El 6 de marzo de 2020 se presentó el primer caso confirmado de COVID-19 en el Perú. Desde entonces, el Ministerio de Salud (MINSA) comunica diariamente cuál es la situación epidemiológica.

En múltiples redes sociales hemos observado un interés continuo por construir diariamente curvas epidemiológicas para estimar la «dinámica» de COVID-19, usando incidencia acumulada, tasa de incidencia y «predicciones» basadas en tendencias. En ese sentido, nuestro objetivo es describir conceptos clave (Material suplementario), supuestos y limitaciones que deben considerarse para describir y analizar adecuadamente una curva epidémica. Ejemplificaremos estos puntos usando los datos obtenidos en China (excepto Hubei) y Japón ²2. Xu B, Kraemer MUG; Open COVID-19 Data Curation Group. Open access epidemiological data from the COVID-19 outbreak. Lancet Infect Dis. 2020;S1473-3099(20)30119-5. doi: 10.1016/S1473-3099(20)30119-5.
https://doi.org/10.1016/S1473-3099(20)30... . La metodología está disponible en GitHub ³3. Andree Valle [Internet]. Lima: Repositorio; 2020 [citado el 9 de abril de 2020] Disponible en: https://github.com/avallecam/covid19_peru_curvas..

El número de casos confirmados reportados diariamente depende de factores, como i) la definición de caso sospechoso según el MINSA; ii) las políticas y estrategias sanitarias; iii) la capacidad para realizar más pruebas diagnósticas; iv) el desempeño diagnóstico de las pruebas; y v) las vulnerabilidades preanalíticas en laboratorio. En tal sentido, la tendencia observada en una gráfica de casos positivos no debería interpretarse estrictamente como incidencia acumulada, sino como porcentaje de casos confirmados del total de sospechosos analizados.

Del mismo modo, observamos con preocupación el desarrollo de «modelos predictivos» usando regresiones que analizan casos acumulados. En este contexto, los modelos mecanísticos son útiles en el campo de la epidemiología por su naturaleza dinámica y su poder predictivo ⁴4. King AA, Domenech de Cellès M, Magpantay FM, Rohani P. Avoidable errors in the modelling of outbreaks of emerging pathogens, with special reference to Ebola. Proc Biol Sci. 2015;282(1806):20150347. doi: 10.1098/rspb.2015.0347.
https://doi.org/10.1098/rspb.2015.0347... . Recientemente, en Japón se evaluó y pronosticó la propagación de COVID-19 en diversos escenarios mediante un modelo mecanístico que consideró parámetros relacionados con el ciclo natural de la infección, tasas de transición entre compartimentos, composición poblacional, entre otros⁵5. Karako K, Song P, Chen Y, Tang W. Analysis of COVID-19 infection spread in Japan based on stochastic transition model [published online ahead of print, 2020 Mar 19]. Biosci Trends. 2020;10.5582/bst.2020.01482. doi: 10.5582/bst.2020.01482.
https://doi.org/10.5582/bst.2020.01482... . En tal sentido, sugerimos que los «modelos predictivos» basados en regresiones sean interpretados como una proyección ajustada a datos observados con problemas de autocorrelación temporal, y no como información de la dinámica de la epidemia ⁴4. King AA, Domenech de Cellès M, Magpantay FM, Rohani P. Avoidable errors in the modelling of outbreaks of emerging pathogens, with special reference to Ebola. Proc Biol Sci. 2015;282(1806):20150347. doi: 10.1098/rspb.2015.0347.
https://doi.org/10.1098/rspb.2015.0347... ^,66. Razum O, Becher H, Kapaun A, Junghanss T. SARS, lay epidemiology, and fear. Lancet. 2003;361(9370):1739-1740. doi: 10.1016/S0140-6736(03)13335-1.
https://doi.org/10.1016/S0140-6736(03)13... .

Hemos observado que se usa con frecuencia la curva de casos incidentes para calcular la tasa de incidencia de COVID-19. Asimismo, la tasa estimada con fechas de diagnóstico de casos positivos notificados a diario es errada. Del mismo modo, se está calculando incorrectamente la dinámica de infección usando la diferencia de casos positivos en dos días continuos.

El análisis de casos incidentes podría aproximarse y entenderse como velocidad de transmisión, siempre y cuando su definición se fundamente en la ocurrencia del evento y no en la fecha de diagnóstico. Solo cuando la diferencia entre el inicio de síntomas y el diagnóstico es cercana a cero o constante y conocida para toda la población, la fecha diagnóstica podría ser usada como definición de caso incidente. En tal sentido, los casos positivos notificados a diario no deberían ser considerados como casos incidentes debido a que la fecha de diagnóstico reportada es potencialmente afectada por i) la escasez de pruebas diagnósticas; ii) la falta de descentralización de las pruebas en todo nivel; y iii) una posible demora logística para la confirmación de la infección.

Para ilustrar lo expuesto, en la Figura 1A se presenta la curva epidémica de casos incidentes y en 1B, la incidencia acumulada para China y Japón. Al comparar la distribución acumulada de los casos incidentes, según el inicio de síntomas (azul) y el día de confirmación (amarillo), observamos un retraso promedio de siete días para el periodo de análisis. Si en dichas fechas ajustamos los datos a un modelo exponencial, se proyectarían escenarios con tiempos de duplicación de 0,56 días y 7,20 días para China y Japón, respectivamente. Además, al usar la curva acumulada como una «proyección», solo se presentaría una «aparente» reducción cuando los casos incidentes ya han disminuido en su mayoría. La confirmación de casos de COVID-19 ha demorado, con una mediana de 5 (rango intercuartil [RI]: 3-8) días en China y de 7 (RI: 3-11) días en Japón, la cual se ha ido reduciendo con el trascurrir de las semanas hasta una mediana de 2 (RI: 1-3) días en nueve semanas (Figura 1C). En ambos escenarios la diferencia de días entre el inicio de síntomas y la fecha de diagnóstico no ha sido constante y tendió a disminuir conforme la epidemia avanzaba. Por tanto, la fecha de diagnóstico no debe ser usada como definición de caso incidente y tampoco como una aproximación de la tasa de incidencia ni de dinámica de infección.

En conclusión, felicitamos la iniciativa para analizar datos en tiempo real, pues ello es reflejo del interés creciente sobre el impacto de la COVID-19 en nuestra población. No obstante, recomendamos que los gráficos presentados sean acompañados de una interpretación adecuada, limitaciones y conclusiones respaldadas en el análisis ejecutado y en la naturaleza de los datos utilizados.

REFERENCIAS BIBLIOGRÁFICAS

Fechas de Publicación

Histórico