COVID-19, analizando al Centinela y otros modelos: Segunda Parte

Autor: Dannia Colín-Castelán
*Originalmente publicado en Cienciorama el 6 de mayo, 2020

En la entrega anterior del blog se explicó qué es el Sistema Centinela y el método de muestreo utilizado para tomar una muestra representativa de la población con el objetivo de determinar la incidencia de enfermedades infecciosas. En esta segunda parte discutimos cómo el estudio de una fracción de casos ayuda a estimar el total de individuos con COVID-19 en una población.

¿Cómo es que contar sólo algunos de los casos nos puede permitir estimar el total?

Regresemos al ejemplo de la sopa introducido en la entrega anterior. Si yo quisiera saber cuántos trozos de verdura tiene mi sopa no necesito contarlos todos. Puedo mezclar bien la sopa, sacar una taza y contar cuántos trozos de verdura hay ahí. Digamos que encontramos 20, si en total tenemos 4 tazas de sopa puedo multiplicar los 20 trozos que hay en una taza por las 4 tazas totales de sopa lo que nos da un total de 80 trozos de verdura. Si nos ponemos a contar todos los trozos de verdura de la sopa quizás encontremos que no son 80, quizás sean 78 o 83. En cualquier caso nuestra estimación de 80 trozos se acerca bastante.

En el Sistema de Vigilancia Centinela se le hace la prueba a los pacientes que tienen síntomas respiratorios que llegan a las USMER (Unidades de Salud Monitores de Enfermedades Respiratorias, ver la entrega anterior para más detalles) y algunos de esos son positivos; no todos, sólo algunos. Se cuentan cuántos dieron positivo; en el siguiente ejemplo (figura 2) tenemos dos casos positivos (rojos) de un total de ocho en nuestra USMER (cuadro azul), el porcentaje de pacientes que dieron positivos para COVID-19 en nuestro ejemplo es del 25%. En total tenemos 6 unidades de salud (5 blancas y una azul) pero sólo a los pacientes de la USMER se les hizo la prueba de COVID-19. Sin embargo, aunque las 5 unidades de salud blancas no puedan decirnos cuántos de sus pacientes son positivos sí nos pueden decir cuántos pacientes tienen en total. La unidad 2 tiene 7 pacientes, la 3 tiene 9, la 4 tiene 8, la 5 tiene 8 y la 6 tiene 8. El total de los pacientes, incluyendo los de la USMER, es 8+7+9+8+8+8=48. El 25% de 48 es 12 y si contamos el total de los pacientes positivos (puntos rojos) en todos los cuadros son de hecho 12. Aunque originalmente sólo contamos los casos positivos de una sola de nuestras unidades médicas pudimos estimar el número total de los casos positivos en nuestras 6 unidades.

Figura 2. Ejemplo de estimación de pacientes totales utilizando sólo una unidad de muestreo.

Figura 2. Ejemplo de estimación de pacientes totales utilizando sólo una unidad de muestreo.

El cálculo real es algo más complicado y menos preciso porque tiene más variables y muchísimos más datos, pero el principio es el mismo. El Sistema Centinela genera un reporte cada semana, y con los datos obtenidos se puede calcular un estimado de cuántos casos positivos hay por cada uno de los casos confirmados en las USMER. En nuestro ejemplo, los cálculos completos resultan en 5 casos positivos no confirmados en nuestras unidades médicas blancas por cada caso confirmado en nuestra USMER azul. En los datos presentados por la Secretaría de Salud sobre la epidemia de COVID-19 en México hasta el día 16 de abril, ese factor era de 8.8; es decir, por cada caso confirmado de COVID-19 en una USMER se estimaba que había 8.8 casos positivos en las otras unidades médicas no USMER. Ese dato del número de casos estimados por cada caso confirmado se calcula una vez a la semana según los datos que se vayan obteniendo en las USMER.

Interpretando los datos

¿Esto quiere decir que las estimaciones de los casos obtenidas con el Sistema de Vigilancia Centinela son precisas? Sí y no. El Sistema de Vigilancia Centinela nos permite hacer estimaciones muy precisas sobre el número de casos positivos totales en las unidades médicas. Según la Guía Operativa para la Vigilancia Centinela de la Infección Respiratoria Aguda Grave (IRAG) de la OPS, “La Vigilancia Centinela es la manera más eficaz de recopilar datos oportunos y de buena calidad” pero requiere de varias condiciones para ser preciso, una de ellas es que todo tipo de pacientes reciban atención médica en las USMER desde los casos leves hasta los casos graves.

En condiciones normales, cuando no hay epidemia, es común que una persona que se siente resfriada o con tos busque atención médica para aliviar sus síntomas aunque no esté grave. La mayoría de la gente no se espera a sentir que se está muriendo para ir al hospital. Esto permite que el Sistema Centinela detecte casos leves y casos graves de la enfermedad, ya sea influenza o COVID-19. Es en estas condiciones que el Sistema Centinela puede ser muy preciso. Desafortunadamente en las condiciones actuales se le pide a los pacientes que tienen síntomas leves que no vayan a los hospitales para evitar saturar los sistemas de salud, evidentemente a estos pacientes no se les hace la prueba diagnóstica y no entran en el cálculo. Esto causa que incluso con los casos estimados por el Sistema Centinela haya un sub-registro de casos totales. La misma guía operativa de la OPS/OMS explica que el Sistema Centinela no puede detectar los casos leves sin atención médica. ¿Qué tan grande es el sub-registro? No lo sabemos. Para poder detectar los casos leves es necesario hacer un muestreo de la población en general, cosa que no se está haciendo todavía.

Por otro lado, no hacerles pruebas diagnósticas a los pacientes leves que lleguen tiene como consecuencia que sólo se detecten los casos más graves y por consiguiente, las muertes. Por lo tanto, la tasa de letalidad aparenta ser más alta de lo que es en realidad. Imaginemos que tenemos una población de 100 personas y de ellas 20 se infectaron de COVID-19. De los 20 infectados 8 no tienen síntomas, 8 tienen síntomas leves, 3 son casos graves y una persona falleció (figura 3). Digamos que le pedimos a los casos leves que no vayan al médico pero uno de esos pacientes se siente muy mal y va al hospital aún sin estar muy grave. Si contamos a todos los pacientes que llegaron al hospital tenemos un total de 5. Si sólo consideramos a los 5 pacientes que contamos y uno de ellos fallece tenemos una tasa de letalidad del 20%. Ahora bien si consideramos que en realidad falleció 1 persona de 20 que en realidad estaban infectados, resulta que la tasa de letalidad es del 5%.

Figura 3. Ejemplo de 20 pacientes infectados donde sólo 5 son detectados porque son los que llegan al hospital. Si calculamos la tasa de letalidad entre esos 5 pacientes sería del 20% pero si consideramos a los 20 que hay en realidad, la tasa de let…

Figura 3. Ejemplo de 20 pacientes infectados donde sólo 5 son detectados porque son los que llegan al hospital. Si calculamos la tasa de letalidad entre esos 5 pacientes sería del 20% pero si consideramos a los 20 que hay en realidad, la tasa de letalidad es del 5%. En este caso sabemos que hay 20 casos totales porque es un ejemplo teórico. En la práctica no sabemos cuántos casos totales hay.

En resumen, el sistema de monitoreo Centinela tiene un punto ciego para laepidemia de COVID-19, no puede calcular adecuadamente los casos con síntomas más leves o los pacientes asintomáticos y no tenemos idea de cuántos son. Ahora bien, tomando en cuenta las limitaciones del Sistema Centinela hay que tener algunas consideraciones a la hora de interpretar los datos:

tabla1_centinela.png

Esperamos que después de leer esta entrega estés más familiarizado(a) con cómo funciona el Sistema Centinela, sus ventajas y sus desventajas, y por qué es un medio confiable y útil para estimar el número de casos de COVID-19 cuando se usa correctamente. En la tercera y última parte de esta serie sobre el Sistema Centinela se discutirán modelos epidemiológicos y cómo son usados en el contexto de la epidemia de coronavirus. Te invitamos a leerla.

Acerca de la autora

Dannia Colín Castelán es biomédica de formación y Doctora en Ciencias. Le interesan mucho las neurociencias, es una lectora empedernida y viajera incurable. Fanática de los idiomas, el baile y la música.

*Este artículo fue publicado en su versión original y en una sola entrega el 6 de mayo, 2020 en Cienciorama, revista virtual de divulgación científica de la UNAM.