Guía Estadística para entender el Coronavirus

Los miembros de la Royal Statistical Society han recopilado una guía esencial para entender las estadísticas sobre COVID-19. Aquí, enumeran definiciones importantes, así como cosas a tener en cuenta y lo que se debe hacer con respecto a los números que estamos observando.

Durante esta pandemia de COVID-19, escuchará o leerá muchas cifras diferentes. La Royal Statistical Society existe para ayudar al público a comprender mejor estas estadísticas. Por eso hemos preparado esta breve guía para ayudarlo en este momento difícil e incierto.

Puntos clave

  • El número de casos confirmados será menor que el número de casos reales.
  • Las comparaciones de casos y muertes entre países pueden no ser significativas.

Los modelos matemáticos producen estimaciones con rangos plausibles. Estos modelos pueden ayudarnos a comprender los posibles efectos de las políticas públicas.

Definiciones importantes

  • Un caso confirmado por COVID-19 significa una persona con un resultado positivo para el virus.
  • Un caso confirmado está activo si la persona aún está infectada: no se ha recuperado ni ha muerto.
  • Una muerte de COVID-19 significa un caso confirmado que ha muerto.
  • La tasa de letalidad es el número de muertes dividido por el número de casos confirmados. Esto también se llama el índice de letalidad.
  • La tasa de transmisión es el número esperado de infecciones directas de un caso. También se llama el número reproductivo básico.
  • La tasa bruta de mortalidad es el número de muertes como proporción de la población total. Los investigadores calculan esta tasa para diferentes regiones y países.

Lo que debes considerar

  • El número de casos confirmados será menor que el número real de casos. esto se debe a diversas razones entre las que podemos mencionar:
    • Algunas personas infectadas no experimentarán síntomas.
    • Tener síntomas consistentes no es suficiente para un diagnóstico confirmado.
    • No todas las personas con síntomas consistentes pueden hacerse la prueba del virus.
  • La prueba no es perfecta. Los países difieren en sus reglas sobre quién se hace la prueba para COVID-19 así como en qué pruebas usan. A veces, una prueba indicará que una persona infectada no tiene el virus. Las reglas de prueba, la capacidad y la calidad afectan el número de casos confirmados.
  • Las comparaciones de casos confirmados entre países son difíciles. Diferentes países tienen diferentes demografías, políticas de salud, estructuras sociales y culturas. Además, tienen diferentes regímenes de prueba, que pueden cambiar con el tiempo. Los países también pueden estar en diferentes fases de la epidemia. Las disparidades entre países en casos y muertes pueden deberse en parte a estas diferencias.
  • Trate la tasa de letalidad con precaución. Existe incertidumbre sobre el número de casos y muertes. Los casos leves y los casos sin síntomas pueden pasar desapercibidos. Los casos nuevos pueden no alcanzar la recuperación o la muerte durante varios días o semanas. Los sistemas de atención médica podrían registrar una muerte por COVID-19 como neumonía u otra causa. Las muertes futuras de las personas ya infectadas no se incluyen en el cálculo actual.
  • Las tasas de transmisión describen promedios. La tasa de transmisión mide qué tan rápido se propaga una enfermedad. Algunas personas pueden infectar a más o menos personas. Esto depende del comportamiento, la frecuencia de contacto, la biología, el azar y otros factores.
  • El crecimiento exponencial no puede continuar para siempre. Como ejemplo, digamos que una persona tiene el virus. Se lo pasan a tres personas, que a su vez se lo pasan a otras nueve personas. Ahora, hay 13 casos. Este es un crecimiento exponencial. El crecimiento exponencial es una fase de una epidemia. Continuar con esta tendencia simple es inapropiado para el pronóstico a largo plazo. A medida que más personas se recuperan o mueren, menos personas pueden contraer el virus. En algún momento, el número de casos nuevos debe comenzar a disminuir.
  • Los modelos matemáticos transforman datos en estimaciones. Para usar un ejemplo simple, un modelo toma la tasa de transmisión y produce una estimación del total de muertes. Un científico puede actualizar el modelo para reflejar nuevas medidas de salud pública como quedarse en casa. Lo hace bajando la velocidad de transmisión en su modelo. Esa menor tasa de transmisión conduce a una estimación de muerte más baja del modelo.
  • Diferentes modelos tienen diferentes propósitos. A medida que se recolectan nuevos datos y se tienen nuevas discusiones, los científicos actualizan sus supuestos y modelos. Los modelos que producen diferentes estimaciones pueden ser consistentes entre sí.
  • El modelado matemático implica muchos niveles de incertidumbre. Existe incertidumbre acerca de qué tan rápido se propaga el virus y cuántas personas se recuperan. La incertidumbre fluye a través de estos modelos. A medida que los científicos observan más información, las estimaciones se vuelven más precisas.
  • Debemos centrarnos en rangos de valores plausibles, en vez de en un solo número.

Lo que necesitamos que hagas

  • La confianza en las estadísticas públicas es vital. La información errónea puede dañar la salud de las personas. Por favor verifique tus fuentes antes de compartir estadísticas.
  • Si un número no parece correcto, confirma si una organización confiable ha reportado ese número.
  • Toma en cuenta que una sola estadística puede no contar toda la historia. Las noticias y las publicaciones en las redes sociales podrían presentar números fuera de contexto.
  • Las gráficas pueden ser engañosas. Verifica las fuentes de dónde provienen los datos. Las gráficas deben representar los números de manera proporcional.
  • Recuerda que los datos crean evidencia. La evidencia informa las decisiones.

La exactitud es importante en forma impresa, en la televisión, la radio y en línea. Comparte estadísticas, no compartas desinformación.

 

Traducido del original: A statistician’s guide to coronavirus numbers

 

Quant Girl

I write about Mathematics, Statistics, Finance, Programming, and the relationships among them. I enjoy learning, listening to music and podcasts, practicing yoga, reading magazines, and watching documentaries.

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.