Un estudio matemático prevé 2.000 muertes por COVID en España en dos semanas

La Comunidad de Madrid, La Rioja, Aragón, Castilla La Mancha y País Vasco son las comunidades autónomas con los niveles más altos de fallecimientos por millón de habitantes.  COVIDModel.es trata estos fallecimientos como “muertes sentenciadas” ya que se deducen del número de personas ya infectadas y, por tanto, no son evitables con las medidas de confinamientos que se puedan tomar hoy para limitar el contacto entre personas.

Las decisiones de hoy afectan a los fallecimientos de dentro de 22 días. El nivel de infección actual provocará en torno a 2.000 muertes en los próximos 14 días en España, según se desprende del estudio matemático COVIDModel.es.

COVIDModel.es estima, con una fiabilidad media del 96%, que el número de fallecimientos en toda España por COVID-19, en vista del nivel de infección y la tasa de mortalidad actual, aumentará casi un 30% pasando de 1.515 fallecimientos en los últimos 14 días a 1.995 en los próximas dos semanas.

Previsiones por comunidades autónomas

El 43% de los fallecimientos por COVID-19 pronosticados por COVIDModel.es corresponden a la Comunidad de Madrid, donde el modelo predice más de 850 muertes por Covid-19 para las próximas dos semanas. Junto con la Comunidad de Madrid, La Rioja, Aragón, Castilla La Mancha y País Vasco son las Comunidades autónomas con los niveles más altos de fallecimientos por millón de habitantes.

Estas cifras van relacionadas directamente con el nivel de ocupación hospitalaria en cada una de estas regiones. Como se puede observar, la Comunidad de Madrid actualmente tiene ocupadas más del 38% de las camas en las Unidades de Cuidados Intensivos (UCI) y más de un 40% en La Rioja. De la misma forma se aprecia, con datos a fecha de 24 de septiembre, que Aragón tiene ocupadas el 31%, Castilla-La Mancha el 23% y País Vasco el 21% de las camas de la UCI.

Metodología de un estudio pionero

El modelo matemático COVIDModel.es parte en su análisis de las cifras de fallecimiento que se obtienen del sistema de Monitorización de la Mortalidad (MoMo). Este sistema muestra un exceso de 1.517 fallecimientos en las últimas dos semanas en España. Más de un 40% superior a las cifras de fallecimientos por Covid-19 publicadas por el Ministerio de Sanidad.

COVIDModel.es realiza sus predicciones basándose en las tasas de mortalidad calculadas a partir de los fallecimientos de Momo y las infecciones por PCR y en el retraso observado de 22 días, de media, entre el momento de la infección y el fallecimiento, en caso de producirse. Para conocer, por tanto, los fallecimientos de dentro de 22 días simplemente se multiplican los infectados de hoy por la tasa de mortalidad.

COVIDModel.es trata estos fallecimientos como “muertes sentenciadas” ya que no son evitables con las medidas de confinamientos que se puedan tomar hoy para limitar el contacto entre personas. Las decisiones de hoy afectan a los fallecimientos de dentro de 22 días.

“Aunque existen disparidades entre la predicción y la realidad en algunos momentos, estas diferencias tienden a compensarse cuando el análisis se hace a 14 días” explica Jorge Serrano, coordinador del estudio. Estas disparidades puntuales son debidas a que el Ministerio de Sanidad no ofrece datos de infectados los fines de semana y COVIDModel.es solo puede estimarlos en base a la tendencia de la curva.

Anteriores estudios

COVIDModel.es, un modelo matemático encargado por el partido "Por Un Mundo Más Justo", ofreció en junio el primer análisis detallado de las tasas de mortalidad en todas las comunidades autónomas concluyendo que el colapso sanitario fue el causante de la mitad de los fallecimientos por Covid-19 en España.

El estudio COVIDModel.es puso por primera vez en relación el número de personas infectadas del estudio del Instituto Carlos III con las muertes publicadas por el Instituto Nacional de Estadística (INE), obteniendo como resultado la evolución de las tasas de mortalidad en España como consecuencia de la saturación hospitalaria, pudiendo conocer así el número de personas que habían fallecido como consecuencia del colapso de los hospitales.