¿Son creíbles las cifras de fallecidos reportadas en Wuhan?

Por Juan López Pérez

El 31 de diciembre de 2019 se reportó en las noticias que varios casos de neumonía atípica estaban siendo investigados en China, más concretamente en la ciudad de Wuhan. El SARS-COV-2 sería diagnosticado como el virus causante de esa misteriosa enfermedad, que más tarde se conocería como COVID-19 (coronavirus disease 2019).

Tras un año de la detección de la nueva enfermedad, la ciudad más afectada de China reporta oficialmente 3869 fallecidos por la COVID-19. Mucho se ha especulado sobre la veracidad de estos datos. Ahora, gracias a los estudios de seroprevalencia realizados en esa ciudad, así como en otras partes del mundo, podemos acercarnos un poco más a la verdad.

Ver las imágenes de origen

Los estudios de seroprevalencia tratan de descubrir qué porcentaje de una población ha sido infectada por un virus. Para ello, se realizan análisis de anticuerpos en sangre a una parte representativa de la población a estudiar, ya que los anticuerpos son las huellas que deja nuestro organismo tras haber combatido una infección.

En Wuhan, el número de casos reportados asciende a 50354. Sin embargo, diversos estudios de seroprevalencia(1-3) han señalado que alrededor del 4.4% de los ciudadanos de Wuhan se habrían infectado (~ 485000) (ver tabla). Esto significa que casi un 90% de los casos no se habrían detectado. Estos datos son similares a los observados en España(4) (ver tabla), y otras partes del mundo(5-7). Con los datos de fallecidos e infectados (obtenidos a través de estudios de seroprevalencia) se puede calcular la tasa de letalidad del virus (IFR: Infection fatality ratio), esto es, qué porcentaje de las personas que se infectan acaban falleciendo.

Ver las imágenes de origen

En el caso de Wuhan, la IFR sería alrededor de 0.80% (ver tabla). Un meta-análisis realizado a partir de 24 estudios hechos en diversas partes del mundo concluyó una IFR media de 0.68% (95% CI 0.53%–0.82%)(8). En el caso de España, tomando el número de fallecidos reportados hasta el 11 de mayo (fecha de finalización de la primera ola del estudio de seroprevalencia en España), la IFR sería de 1.14 % (1.17% en el caso de la Comunidad de Madrid) (ver tabla). La IFR de España sería superior si se usa el número de fallecidos con COVID-19 como motivo confirmado o sospechoso del fallecimiento(9) (ver tabla).

Lo que se desprende de los datos analizados es que la IFR de Wuhan esta en línea con la reportada en otros lugares del mundo, o es incluso superior. Sin embargo, es cierto que es más baja que la observada para España. Las principales causas que aumentan la IFR de la COVID-19 son la edad de la población y la capacidad hospitalaria. Países con poblaciones más envejecidas tienden a tener una mayor IFR(10), ya que la IFR se dispara a partir de los 75 años(10).

La población mayor de 64 años en España asciende al 20% del total (en la Comunidad de Madrid al 18%)(11), mientras que en Wuhan esa cifra baja hasta el 8%(12). En cuanto a la capacidad hospitalaria, se ha observado una mayor IFR durante situaciones de prolongada saturación hospitalaria(13).

Ver las imágenes de origen

En el caso de Wuhan, si bien es cierto que al inicio de febrero el número de camas libres en la ciudad era mínimo, la construcción de dos hospitales y el uso de 16 Arcas de Noé (centros deportivos y de exhibiciones reconvertidos en hospitales de campaña) posibilitó disponer en un par de semanas de 15500 camas más(14). Esto permitió que para el 22 de febrero ya estuvieran vacías el 16% de las 23000 camas disponibles en los hospitales convencionales de la ciudad(14). Para el 10 de marzo, aliviada la presión sanitaria, ya se había cerrado uno de los nuevos hospitales construidos y los 16 Arcas de Noé(14).

Por otro lado, decenas de miles de médicos y enfermeros llegaron a Wuhan desde distintos rincones de China(15), lo que ayudó a tener más personal sanitario para tratar a los pacientes. En contraposición, el colapso en el sistema sanitario español y, en particular, en la Comunidad de Madrid fue más severo y se prolongó por un mayor espacio de tiempo(16).

La combinación de los dos factores aquí descritos (edad de la población y la capacidad hospitalaria), podrían explicar la menor IFR observada en Wuhan respecto a España y la Comunidad de Madrid. Aún suponiendo que la IFR en Wuhan fuese mayor de la estimada, alcanzando cifras similares a la detectada en España, el número de fallecidos en la principal ciudad afectada por la COVID-19 en el país asiático no llegaría a los 10000 muertos (ver tabla).

En resumen, podemos concluir que la cifra de muertes reportada en Wuhan entraría dentro de lo observado en otras partes del mundo teniendo en cuenta la tasa de letalidad de la COVID-19.

Referencias:

  1. https://www.globaltimes.cn/content/1211209.shtml
  2. https://www.thelancet.com/journals/lanmic/article/PIIS2666-5247(20)30053-7/fulltext
  3. https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2772148
  4. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)31483-5/fulltext
  5. https://www.thelancet.com/article/S0140-6736(20)32009-2/fulltext
  6. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)31304-0/fulltext
  7. https://www.ijidonline.com/article/S1201-9712(20)32180-9/fulltext
  8. https://www.taiwannews.com.tw/en/news/4079254
  9. https://www.eldiario.es/datos/45-000-personas-murieron-causa-covid-primera-ola-pandemia-espana_1_6494110.html
  10. https://www.nature.com/articles/s41586-020-2918-0
  11. https://www.ine.es/jaxiT3/Datos.htm?t=1488#!tabs-tabla
  12. https://www.hongheiku.com/shijirenkou/801.html
  13. https://www.imperial.ac.uk/news/211673/covid-19-england-analysis-first-waves/
  14. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30744-3/fulltext
  15. http://www.xinhuanet.com/english/2020-03/17/c_138887647.htm
  16. https://elpais.com/espana/madrid/2020-08-24/5-de-abril-el-dia-en-el-que-el-virus-desbordo-a-los-hospitales-de-madrid.html

Se el primero en comentar

Dejar un Comentario

Tu dirección de correo no será publicada.




 

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.