Proyecto financiado por el Instituto de Salud Carlos III: COV20-00881


La epidemia de SARS-COV-2 y de la enfermedad COVID-19 está teniendo una difusión desigual en las distintas zonas de España, tanto en intensidad cómo en velocidad. Estas diferencias han sido debidas, según este estudio, a varios factores que están influyendo de forma distinta en cada territorio. El objetivo de este proyecto de investigación es identificar esos factores y trasladar este conocimiento para que se pueda actuar sobre ellos y así reducir la intensidad de la epidemia y prevenir ascensos futuros.


* Los resultados presentados en este panel son producto de un proyecto de investigación y sus conclusiones no tienen por qué ser compartidas por las instituciones participantes.


Comunidad Autónoma


Casos diarios declarados a la RENAVE desde el comienzo de la pandemia, por fecha de inicio de síntomas y en su ausencia fecha de diagnóstico menos 6 días. La tasa de disparo es el día en el que la incidencia acumulada supera 5/1000000 habitantes. El periodo de ascenso comienza el día en que supera la tasa de disparo hasta el día del pico máximo de casos. Las líneas naranjas representan las medidas de control establecidas durante el estado de alarma. Más información en Material.


El modelo teórico se basa en la hipótesis de que en cada región el número de casos de COVID-19 está asociado con la estructura de la población, una serie de factores contextuales y otros factores dinámicos o cambiantes en el tiempo.

Para el periodo de ascenso de la curva el modelo teórico es el siguiente:



Gráfico interactivo. Para ver la descripción de un factor pase el ratón por encima de la bola.

La estrategia está condicionada por el hecho de que el análisis se está realizando durante el periodo pandémico, lo que implica que tanto las variables que describen la pandemia (número de casos, Rt) cómo algunas de las asociadas analizadas (por ejemplo la movilidad de la población y los viajes) están en constante cambio. La adaptación a estos cambios es el eje principal del presente análisis y para ello se ha dividido el periodo pandémico en periodo de ascenso y periodo de descenso de la curva de casos diarios. Por otro lado, el análisis también se va a realizar a distintos niveles de desagregación, siendo el primer nivel el de CCAA, el segundo provincia y finalmente municipios. También se irán implementando diferentes tipos de ajustes por sexo y grupos de edad.

En el primer análisis a nivel CCAA se estudia la tasa bruta de casos declarados diariamente a la RENAVE durante el periodo de ascenso de la curva, es decir, desde la fecha de la tasa de disparo hasta la fecha donde se alcanza el pico máximo de casos. Para estimar el efecto potencial de las variables seleccionadas se usa una regresión de Poisson mediante el ajuste de un modelo mixto lineal generalizado (1) donde todas las variables entran como efectos fijos menos la variable CCAA que entra en el modelo como efecto aleatorio. Por último, el modelo también incluye la tendencia y el número de casos en el día anterior como variables de ajuste.

Inicialmente, se construye un modelo con todas las variables y utilizando criterios estadísticos (p-valor<=0,05), las variables no relevantes se excluyen dando lugar a un modelo final con únicamente aquellas variables que resultan ser explicativas de la evolución de la tasa bruta durante periodo de ascenso. Este modelo final estima el efecto medio de cada variable para el conjunto de CCAA y posteriormente se realiza un análisis estratificado por CCAA para conocer los efectos específicos de las variables relevantes en cada CCAA.

A partir de los estimadores de los efectos a nivel CCAA se realiza un análisis de cluster jerárquico (2) con la intención de identificar las CCAA que tienen comportamientos similares en función de los factores relevantes. El resultado del análisis se representa gráficamente en una matriz donde las filas son las CCAA y las columnas las variables. La intensidad del efecto de cada variable en cada CCAA se representa con una escala de colores, donde el más claro se refiere a un efecto menor y el más oscuro a un efecto mayor. A la izquierda de la cuadrícula aparece un dendograma que permite agrupar a las CCAA según las similitudes de efectos.

Modelo mixto lineal generalizado de regresión de Poisson:

Dónde:

1. Casos diarios son los casos diarios notificados a la RENAVE por CCAA

2. Población corresponde a la población de la CCAA a 1 de enero de 2020

3. λ es el riego relativo de cada CCAA

4. α es el riego basal

5. β es el riesgo asociado a cada variable

6. ξ es el efecto aleatorio asociado a cada CCAA


1. Gelman A, Hill J. Data Analysis Using Regression and Multilevel/Hierarchical Models [Internet]. Cambridge: Cambridge University Press; 2006 [cited 2020 Jun 3]. (Analytical Methods for Social Research).

2. Murtagh F, Contreras P. Methods of Hierarchical Clustering. arXiv:11050121 [cs, math, stat] [Internet]. 2011 Apr 30 [cited 2020 Jun 3].


Para más información consultar Material.


Seleccione la variable que quiere visualzar





Retardo temporal






Los datos de movilidad se han obtenido del Misterio de Transportes, Movilidad y Agenda Urbana.
(mirar material y métodos).


Comunidad Autónoma


Retardo temporal


Casos diarios declarados a la RENAVE desde el comienzo de la pandemia, por fecha de inicio de síntomas y en su ausencia fecha de diagnóstico menos 5 días (mirar material y métodos).
Los eventos incluidos son aquellos de más de 1000 personas que han aparecido en prensa escrita, así como los hitos más relevantes de medidas del Estado de Alarma (mirar material y métodos).
Este gráfico es un visor descriptivo de la evolución de la pandemia de COVID-19. Su relación con los eventos descritos en el visor es meramente temporal por lo que hay que ser cautos en cuanto a la interpretación del papel de los mismos en la propagación y difusión de la epidemia que puedan conducir a errores.


Los eventos identificados no constituyen el total de eventos realizados en España durante este periodo. Estos serán susceptibles de revisión y actualización según se tenga conocimiento


Comunidad Autónoma


Retardo temporal


Casos diarios declarados a la RENAVE desde el comienzo de la pandemia, por fecha de inicio de síntomas y en su ausencia fecha de diagnóstico menos 5 días (mirar material y métodos). Los focos incluidos son aquellos que han aparecido en prensa escrita (mirar material y métodos) al comienzo de la pandemia. Este gráfico es un visor descriptivo de la evolución de la pandemia de COVID-19. Su relación con los focos descritos en el visor es meramente temporal por lo que hay que ser cautos en cuanto a la interpretación del papel de los mismos en la propagación y difusión de la epidemia que puedan conducir a errores.

Este modelo preliminar analiza el periodo de ascenso de la curva que está marcado por la fecha de la tasa de disparo y el día del pico máximo de casos. ( Ver Modelo de asociación y análisis/Estrategia de Análisis ).

Una vez identificados los factores a nivel nacional se realiza un análisis estratificado por CCAA para estimar esos efectos en cada región.

Las Tablas 1 y 2 presentan todos los factores incluidos en el análisis. La Tabla 1 contiene los factores relevantes y la Tabla 2 muestra el resto de factores analizados que no resultaron relevantes en este análisis preliminar.

Para ver los detalles de los resultados ir a la pestaña Información.


Tabla 1. Efecto de los factores relevantes para la difusión de la pandemia de Covid-19 durante el periodo de ascenso


De acuerdo a los informes epidemiológicos las personas mayores de 70 años y las personas en residencias han sido las poblaciones más afectadas por el COVID-19 y con los cuadros clínicos más graves, por lo que es lógico que este factor haya sido uno de los factores relevantes. Ver informes epidemiológicos aquí.

La influencia del porcentaje de sanitarios infectados en el ascenso de la curva tiene puede deberse a dos motivos, por un lado, el número de sanitarios infectados ha sido muy alto, lo que incremente directamente el total de casos. Por otro lado, los sanitarios han sido un eslabón más en la cadena de transmisión del virus, especialmente en los primeros días de la epidemia cuando no se implementaban estrictas medidas de protección e higiene. Ver informes epidemiológicos aquí.

Por último, dadas las características de la transmisión del virus, la movilidad de la población, que directamente implica el contacto social, es el principal factor de riesgo cuando no se implementan las medidas de protección e higiene. Más información sobre los riesgos infectivos de la movilidad interna y externa ver Material/Factores dinámicos.



Tabla 2. Resto de factores analizados que no han contribuido a la mejora del modelo preliminar. Ver Material


A nivel Comunidad Autónoma se ha estimado la intensidad del efecto de cada factor relevante y con los resultados se ha realizado un análisis de cluster (congromerados) para identificar las similitudes entre las CCAA.

Según los resultados obtenidos en este análisis provisional, los efectos de los factores han sido diferentes en cada comunidad autónoma, lo que ha inducido diferentes ritmos de expansión y velocidades de transmisión de la pandemia en los distintos territorios.

Los resultados se muestran en el siguiente gráfico donde se puede identificar cuáles son los factores que han tenido mayor efecto en cada comunidad autónoma y los 3 grupos en función de las similitudes de los efectos de los factores.

Para ver los detalles de los resultados ir a la pestaña Información.


Riesgo mov inter: Riesgo infectivo de movilidad interna
% per sani inf: % de personal sanitario infectado
Plazas resi: Plazas en residencia por 100 personas >= de 70 años
Riesgo mov ex PV: Riesgo infectivo de movilidad externa (País Vasco)
Riesgo mov ex MAD: Riesgo infectivo de movilidad externa (Madrid)

Árbol de clasificación: Es el resultado de un análisis de cluster jerárquico donde se parte de un único grupo con todas las CCAA y a cada paso el algoritmo divide el grupo en dos subgrupos en función de las similitudes de los valores de los factores, es decir, en cada división se agrupan a las CCAA más parecidas entre sí. Cada rama del árbol representan un grupo y la divisiones se suceden hasta que al final cada CA tiene su propia rama. La evolución de las divisiones se representa en el árbol leyéndolo de izquierda a derecha. Para el presente análisis se ha decidido seleccionar tres grupos.

RESULTADOS ESPAÑA

Como se comenta en el apartado Estrategia de Análisis este modelo preliminar analiza el periodo de ascenso de la curva que está marcado por la fecha de tasa de disparo y el pico máximo de casos. ( Ver Material y métodos/Estrategia de Análisis ).

De acuerdo con los datos a fecha 31 de mayo de 2020, la fecha de la tasa de disparo ha sido diferente en cada una de las CCAA del país ( como se puede ver en el gráfico de eventos epidémicos ). Las comunidades donde antes se alcanzó esta fecha de tasa de disparo son la Comunidad de Madrid, donde comenzó el 24 de febrero, La Rioja y País Vasco donde comenzó el día 27 y 29 de febrero respectivamente. La fecha del pico máximo de casos según la fecha del inicio de síntomas o cuando esta falta la fecha de diagnóstico menos 5 días, es diferente según las distintas CCAA y de nuevo, la primera CA en alcanzar el pico máximo es la Comunidad de Madrid el día 16 de marzo y el resto de CCAA lo hace en su mayoría el día 20 de marzo. La duración media de la tendencia de la curva de ascenso, desde la tasa de disparo hasta alcanzar el pico máximo, ha sido de 16 días y es este periodo de ascenso el que se estudia en primer análisis. Este análisis incluye todos los factores dinámicos y contextuales, y el modelo final contiene solo aquellos que resultaron relevantes en términos estadísticos (p-valor<= 0.05) para explicar los diferentes ritmos de ascenso a nivel nacional. Además de los factores relevantes el modelo tiene en cuenta la tendencia temporal del periodo, así como la autocorrelación de los casos con los casos del día anterior, considerándose estas dos como variables de ajuste.

Una vez identificados los factores a nivel nacional se realiza un análisis estratificado por CCAA para estimar esos efectos en cada región.

Las Tablas 1 y 2 presentan todos los factores incluidos en el análisis, la Tabla 1 contiene los factores relevantes y la Tabla 2 muestra el resto de factores analizados que no resultaron relevantes en este análisis preliminar. La Tabla 1 presenta los valores de los Riesgos Relativos (RR) y los intervalos de confianza (IC) al 95% de los efectos a nivel nacional. Los RR estiman el efecto medio que ha tenido el factor a nivel nacional y el IC presenta la precisión de este estimador. El valor del RR indica el incremento en el riesgo que produce un incremento en el factor, por ejemplo, para una CA un incremento de una plaza de residencia por cada 100 mayores de 70 años supone un incremento en el riesgo de COVID-19 de un 17%. De esta misma manera, los resultados indican que: un incremento en un 10% de personal sanitario infectado incrementa el riesgo un 6%; un incremento del 10% del riesgo infectivo de la movilidad interna (movilidad con casos de COVID) incrementa el riesgo un 9%; un incremento de un 10% del riesgo infectivo de la movilidad externa desde Madrid incrementa el riesgo un 7%; y un incremento de un 10% del riesgo infectivo de la movilidad externa desde País Vasco incrementa el riesgo un 4%.



RESULTADOS DEL ANÁLISIS POR CCAA

Los resultados por CCAA muestran las distintas intensidades del efecto de los 5 factores relevantes del modelo para toda España. El análisis de cluster jerárquico ha agrupado las CCAA en función de su similitud en los efectos de los factores, para este estudio se han considerado los 3 primeros grupos. Examinando los grupos del último al primero se tiene que: el Grupo 3 está compuesto por la Comunidad de Madrid y Cataluña donde el principal factor ha sido el riesgo infectivo de la movilidad interna, es decir la movilidad de la población cuando ya existía transmisión local, seguido del % de sanitarios infectados entre los casos; El Grupo 2 lo forman Castilla la Mancha, Castilla y León, Comunidad Valenciana, Navarra y Galicia, en este grupo parece que tienen más peso los factores de % de sanitarios infectados y plazas de residencia por cada 100 personas de más de 70 años; por último el resto de CCAA se incluyen están incluidas en el Grupo 1, donde en general los efectos de los factores han sido de moderados a bajos.

A continuación se presentan la intensidad de los efectos por CCAA:

Melilla: En todos los factores la intensidad del efecto estimada es moderada-baja y baja, siendo el factor más importante el “% de sanitarios infectados”.

Ceuta: Presenta intensidad del efecto moderada-baja y baja en todos los factores.

Islas Baleares: Todos los factores presentan intensidad del efecto moderada-baja y baja.

Andalucía: La intensidad del efecto es moderada-baja y baja en todos los factores.

Cantabria: Los factores presentan intensidad del efecto moderada-baja y baja.

Canarias: El efecto más importante es el riesgo infectivo de la movilidad interna donde la intensidad del efecto es moderada-alta. El resto de factores presentan una intensidad del efecto moderada-baja y baja.

La Rioja: Los factores de riesgo infectivo de movilidad son los más importantes siendo la intensidad del riesgo infectivo de movilidad externa desde País Vasco un poco superior. El resto de factores presentan una intensidad moderada-baja.

País Vasco: Los factores de riesgo infectivo de movilidad son los más importantes, tanto la movilidad interna como la movilidad desde Madrid, teniendo ambos una intensidad media. El resto de factores presentan una intensidad moderada-baja.

Principado de Asturias: Los factores más importantes son los riesgos infectivos de movilidad interna y movilidad desde País Vasco con una intensidad media. El resto de factores presentan una intensidad moderada-baja.

Región de Murcia: Los tres factores de riesgo infectivo de movilidad son los más importantes con una intensidad media. Los otros dos de factores presentan una intensidad moderada-baja.

Aragón: Los factores más importantes, con una intensidad moderada-alta, son el número de plazas en residencias por cada 100 mayores de 70 años y el riesgo infectivo de movilidad desde País Vasco. El siguiente factor en importancia es el riesgo infectivo de movilidad interna con una intensidad moderada.

Extremadura: En esta comunidad el efecto de las plazas en residencias por 100 mayores de 70 años ha tenido una intensidad media mientras que el resto de factores estudiados han tenido un efecto bajo.

Galicia: El personal sanitario infectado ha sido el factor que ha tenido un efecto mayor siendo este moderada alto. El resto de factores han tenido una intensidad menor en el ritmo de difusión de la epidemia.

Comunidad Foral de Navarra: El % de personal sanitario infectado así como el riesgo infectivo de la movilidad desde Madrid tiene el efecto más alto siendo este moderado bajo. En esta región el efecto del resto de factores ha sido bajo.

Comunidad Valencia: En esta región la intensidad del efecto de % de personal sanitario infectado ha sido muy alta. El riesgo infectivo de la movilidad interna ha tenido una intensidad moderada y el resto de factores han tenido un efecto muy bajo.

Castilla León: El efecto más alto en esta región ha sido el número de plazas en residencias por cada 100 mayores de 70 años, teniendo un efecto moderado el % de personal sanitario infectado así como el riesgo infectivo de la movilidad interna. El riesgo infectivo de la movilidad externa desde Madrid tiene una intensidad moderada baja mientras que los movimientos desde el País Vasco han tenido una intensidad muy baja.

Castilla la Mancha: En esta comunidad la intensidad más alta ha sido el efecto del % de personal sanitario infectado. Las plazas en residencias por cada 100 mayores de 70 años han tenido un efecto moderado alto mientras que el efecto del riesgo infectivo de de la movilidad interna ha sido moderado. El efecto del riesgo de la movilidad externa ha sido desde Madrid medio mientras que desde País Vasco ha sido muy bajo.

Cataluña: La intensidad del efecto ha sido muy alta en el riesgo infectivo de la movilidad interna así como el % de personal sanitario infectado, mientras que las plazas en residencias por cada 100 mayores de 70 años tienen un efecto moderado. El riesgo infectivo de la movilidad externa desde Madrid es moderado bajo y desde el País Vasco es muy bajo.

Comunidad de Madrid: El efecto más intenso ha sido el riesgo infectivo de la movilidad interna. La intensidad del efecto del % de personal sanitario infectado ha sido alto. Las plazas en residencias por cada 100 mayores de 70 años han tenido un efecto moderado, mientras que el riesgo infectivo de la movilidad externa desde País Vasco ha sido bajo.

• El análisis inicial realizado ha permitido identificar cuáles han sido los principales factores en la difusión de la pandemia de SARS-COV-2 y de la enfermedad COVID-19 en España en el periodo de ascenso de la curva epidémica en cada una de las comunidades autónomas. Ver Resultados.

• Las curvas epidémicas caracterizan la evolución de la pandemia y el efecto de las medidas adoptadas por las autoridades. La transmisibilidad de la pandemia de COVID-19 experimentó un descenso drástico con las medidas de distanciamiento social que fue continuado hasta la estabilización de la pandemia. Ver Curva Epidémica.

• El estudio ha identificado, a partir de las fechas epidemiológicas clave, diferencias entre las comunidades autónomas, tanto en el comienzo de la pandemia, como en la duración de los periodos de ascenso y descenso. Ver Factores/Gráficos descriptivos/Gráfico de fechas epidemiológicas claves.

• Se puede observar una coincidencia temporal entre diversos eventos y acontecimientos sociales y la evolución de la pandemia a nivel nacional y de CCAA. Hay que ser cautos en cuanto a la interpretación del papel de los mismos en la propagación y difusión de la enfermedad. Ver Factores/Gráficos descriptivos/Gráfico de Eventos.

• Según la información disponible, los resultados de nuestro análisis han identificado 5 factores que han tenido un papel importante a la hora de marcar la velocidad de ascenso de la pandemia en las CCAA. Los factores ligados al movimiento, son el riesgo infectivo de la movilidad interna así como los riesgos infectivos de la movilidad externa tanto desde Madrid como desde el País Vasco. Los factores relacionados con la asistencia socio-sanitaria y son las plazas en residencias por cada 100 mayores de 70 años y el % de personal sanitario infectado. Ver Resultados.

• La intensidad del efecto ha sido heterogénea entre las CCAA. Los factores que muestran un mayor impacto en la transmisibilidad son el riesgo infectivo de movilidad interna y el % de personal sanitario infectado. Hay CCAA que han tenido un comportamiento similar. Ver Resultados.


Recomendaciones

La movilidad interna en ámbitos urbanos con gran actividad, la difusión a partir de focos iniciales a territorios contiguos y la falta de contención en el ámbito socio-sanitario han sido clave en el acenso de la pandemia y permite identificar los elementos a los que prestar mayor atención a la hora de definir futuras estrategias de control ante potenciales rebrotes. Finalmente, hay que insistir a la población en el uso de medidas de protección para que los movimientos de la población sean más seguros:







o Uso de mascarilla,

o Lavado de manos,

o Distanciamiento social

o Aislamiento en caso de infección o contacto.


o Por otro lado, hay que tomar todas las medidas necesarias para proteger al personal sanitario y a los residentes y trabajadores de residencias sociosanitarias.



Este proyecto tiene como objetivo principal estudiar el efecto de diferentes factores en la velocidad de difusión de la epidemia de SARS-COV-2 y de la enfermedad COVID-19 en las distintas zonas de España a diferentes niveles espacio-temporales.

Dadas las características de la pandemia, el análisis se ha dividido en dos periodos. Un periodo de ascenso y un periodo de descenso. Para la definición de dichos periodos se ha establecido la fecha en la que cada territorio supera una tasa de incidencia diaria mayor de 5 casos por 100000 habitantes. Esta fecha se ha llamado tasa de disparo de la pandemia.

El periodo de ascenso comienza el día en que la tasa de disparo supera 5 casos por 100,000 habitantes, hasta la fecha del pico máximo de casos diarios. El periodo de descenso, comienza el día del pico máximo y dura hasta el último día de análisis (La fecha del último día de análisis irá modificándose a medida que avance la pandemia). La evolución en cada periodo está determinada por distintos factores que pueden tener un efecto cambiante en función de las actuaciones de las autoridades en cada fase. Dado el carácter dinámico de la pandemia el análisis se actualizará semanalmente hasta que finalice el periodo pandémico.

Los factores potenciales son:

• Factores contextuales: variables fijas en el tiempo.

• Factores dinámicos: aquellos con un componente temporal que van evolucionando a lo largo de la pandemia.

• Factores de difusión epidémica que son aquellos eventos que han tenido lugar antes o durante los comienzos de la pandemia, así como los focos donde se detectaron los primeros casos.

Los primeros resultados están a nivel Comunidad Autónoma y se irá descendiendo de nivel según se vayan analizando y actualizando los datos de la pandemia y las variables estudiadas.



Los casos de COVID-19 utilizados en este proyecto son los casos individualizados declarados a la Red Nacional de Vigilancia Epidemiológica (RENAVE). Las CCAA completan la encuesta individualizada para cada uno de dichos casos. La encuesta incluye información clínico-epidemiológica consensuada y aprobada por la Ponencia de Alertas y Planes de Preparación y Respuesta y la RENAVE, y la notifican mediante la plataforma informática SiViES (Sistema para la Vigilancia en España), que gestiona el Centro Nacional de Epidemiología(1).

Para el análisis se utiliza la fecha de inicio de síntomas de los casos y cuando esta fecha falta se utiliza la fecha de diagnóstico menos 5 días, por ser 5 la mediana de días entre la fecha de inicio de síntomas y la fecha en la que se realiza el diagnóstico (1).

Debido a las condiciones cambiantes que se están produciendo en el periodo pandémico, la pandemia se ha dividido en dos periodos para su análisis: periodo de ascenso y periodo de descenso. Partiendo de la tasa de disparo (5 casos por 100,000 habitantes) de la pandemia se ha establecido un periodo de ascenso, que va desde la fecha en la que se alcanza la tasa de disparo hasta la fecha del pico máximo de los casos. Inmediatamente después empieza el periodo de descenso, que va desde esta fecha pico máximo al último día de análisis (La fecha del último día de análisis irá modificándose a medida que avance la pandemia). Para cada unidad territorial los periodos de ascenso y descenso se establecen independientemente en función de la evolución de la pandemia en ese territorio.




Se consideran factores dinámicos aquellos que tienen un componente temporal y que evolucionan a lo largo de la pandemia. En este sentido, hay que mencionar que según informes recientes la mediana del periodo de incubación de COVID-19 es de 5-6 días (2) y por tanto para incluir el efecto del periodo de incubación en el análisis las variables dinámicas se retardan 5 días antes de introducirse en el modelo.


1. Factores epidémicos:

Tasa de disparo de la pandemia en cada territorio:

Se considera tasa de disparo cuando la incidencia supera el umbral de 5 casos por 100,000 habitantes. Se identifica el día en que cada unidad espacial supera esta tasa y se designa como el primer día del periodo de ascenso, este periodo termina el día que se alcanza el pico máximo de incidencia diaria. El periodo de descenso comienza el día del pico máximo y estará en curso hasta el final de la pandemia. Tanto el periodo de ascenso como el periodo de descenso pueden ser diferentes para cada unidad espacial puesto que dependen de los casos diarios en cada área.


Tendencia temporal de la curva de ascenso en días:

Es la tendencia temporal de los días que han pasado desde que se superó la tasa de disparo en cada unidad territorial hasta que se alcanzó el pico máximo. Esta variable se utiliza para ajustar el modelo.


Numero de reproducción básico instantáneo (Rt): Es el número promedio de casos secundarios que cada sujeto infectado puede llegar a infectar en una unidad de tiempo (t). Se calcula con el paquete “incidence” de R (4).

La estimación del número de reproducción básico instantáneo se hace con un modelo de Poisson, usando un marco bayesiano para la construcción de los intervalos de confianza, según métodos propuestos por los autores del paquete (5). Si las unidades de tiempo en las que se quiere calcular el Rt (o Ri) son muy pequeñas, las estimaciones pueden tener mucha variabilidad, por ello se calcula en ventanas de siete días.


Porcentaje de personal sanitario infectado:

Es el porcentaje de personal sanitario infectado frente al total de casos confirmados.


2. Movilidad y riesgo infectivo de la movilidad:

Los datos de movilidad se obtienen del estudio del Análisis de la Movilidad en España durante el Estado de Alarma del Ministerio de Transporte, Movilidad y Agenda Urbana

https://www.mitma.gob.es/ministerio/covid-19/evolucion-movilidad-big-data/movilidad-ccaa

En la elaboración de este análisis se utiliza como fuente principal de datos el posicionamiento de los teléfonos móviles, siendo una condición indispensable el cumplimiento de la Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales. Los datos se actualizan cada 3 días.

Se considera viaje al desplazamiento entre dos actividades. En el ámbito del corto recorrido, intraprovincial, las actividades son estancias de más de 20 minutos en una determinada localización. En el ámbito del largo recorrido, interprovincial, donde pueden ser detectadas paradas intermedias entre un origen y el destino final más alejado. Éstas no dividen el viaje cuando la parada está ligada a terminales de transporte público y/o en función de la duración de los trayectos anterior y posterior dentro del mismo viaje. De esta manera si el tiempo de estancia es inferior a un determinado porcentaje (en torno a un 30%) de la suma de la duración de los desplazamientos anterior y posterior, se considera una parada intermedia y no una actividad.

Se ha calculado un factor denominado riesgo infectivo de la movilidad interna que es el resultado de multiplicar los viajes contabilizados dentro de cada CCAA por el riesgo infectivo (Rt) en ese día.

Por otro lado, se han considerado focos de riesgo a la Comunidad de Madrid y al País Vasco por ser los territorios en los que antes se detectó transmisión comunitaria. A partir de esos dos focos se calculó el riesgo infectivo de la movilidad externa como el resultado de multiplicar los viajes realizados desde dichas comunidades hacia el resto de España por el riesgo infectivo, es decir el Rt, asociado a cada una de estas comunidades.



Los factores contextuales se agrupan en:

1. Demográficos

• Población: se utiliza la última población por grupos de edad del Padrón del Instituto Nacional de Estadística, (1 enero 2020).

• Tasa de plazas en residencias por 100 habitantes mayores de 70 años. La fuente datos de las plazas de residencia es proyecto del CSIS “Envejecimiento en Red”: http://envejecimientoenred.es/ . Para su introducción en el modelo se calcula la tasa por 100 habitantes de plazas de residencia en población de más de 70 años.

• Densidad de población y densidad de población ponderada. Para el cálculo de la densidad de población ponderada por CCAA, se seleccionan los municipios de cada CCAA que tengan más de 50.000 habitantes o que sean capitales de provincia, se calcula la densidad (nº de habitantes/superficie) a escala de sección censal y se realiza la media de todas la secciones censales correspondientes a los municipios seleccionados para cada CCAA.

• Tamaño medio de hogar: es el número medio de personas por hogar obtenido del INE.


2. Transporte

• Número diario de pasajeros procedentes de países donde comenzó la epidemia antes que en España obtenidos de AENA: China, Hong Kong e Italia, llegados en avión desde el 1 de enero de 2020 hasta la entrada en vigor del Estado de Alarma (EA). En el caso de Italia se ha filtrado por aeropuerto de origen según las regiones italianas con las tasas de incidencia más altas (3).

• Transporte urbano: es el número medio de viajes en transporte público por persona al año del Observatorio del Transporte y Logística en ESPAÑA del MITMA. https://apps.fomento.gob.es/BDOTLE/iniciobd.aspx?s=0

• Densidad de vías de tren por km2: Se calculan los kilómetros de líneas ferroviarias a partir de los datos del Instituto Geográfico Nacional (IGN) y se divide entre el área de la unidad espacial. Se pondera según el tipo de línea que puede ser de 1,2 o 4 vías. http://centrodedescargas.cnig.es/CentroDescargas/catalogo.do?Serie=CAANE

Densidad de carreteras por km2: a partir de los datos del IGN se calculan los kilómetros de carretera divididos entre el área de la unidad espacial. http://centrodedescargas.cnig.es/CentroDescargas/catalogo.do?Serie=CAANE


3. Locales abiertos durante el confinamiento por habitante:

Se calcula el número de locales abiertos durante el confinamiento por 100000 habitantes. Se ha utilizado el número de locales según la Clasificación Nacional de Actividades Económicas (INE). De estos se han seleccionado aquellas actividades esenciales publicadas en el BOE del 14 de marzo (6). Para ello se divide el número de locales abiertos por CCAA entre la población de la CCAA. Los locales se clasifican en cinco tipos: locales de venta al por menor, locales dedicados a finanzas y relacionados, locales de atención sanitaria, locales de residencias y asistencia a dependientes y otros locales.


4. Estado de salud:

La prevalencia de problemas de salud y enfermedades crónicas por CCAA se calcula a partir de los datos del Módulo de Salud de la última Encuesta Nacional de Salud (ENSE 2017). La ENSE es un conjunto seriado de encuestas que constituye la principal fuente de información sobre la salud percibida por la población residente en España.

Para el presente proyecto se han seleccionado aquellas patologías descritas en los informes de situación de Covid-19 en España publicados periódicamente por el Centro Nacional de Epidemiologia, ISCIII (1). En el caso de la enfermedad cardiovascular y respiratoria, se incluyen las enfermedades que se detallan en la tabla 1, calculándose prevalencias para cada una de ellas, al no ser posible construir un índice único dada la frecuente comorbilidad entre ellas.

Tabla 1. Equivalencia entre los factores de riesgo del Informe de situación de Covid-19 en España y los valores de la ENS de 2017.


  Prevalencia enfermedad base Sivies     Prevalencia enfermedad base encuesta 2017  
  Enfermedad cardiovascular *   - Infarto de miocardio,
  - angina de pecho/enfermedad coronaria,
  - otras enfermedades del corazón
  Enfermedad respiratoria **   - Bronquitis crónica, enfisema, EPOC
  - Asma
  Diabetes   - Diabetes
  Hipertensión arterial   - Tensión alta



Se recopilaron aquellos eventos que tuvieron lugar desde los días previos al comienzo de la pandemia y durante la evolución de la misma, en los que se congregaron más de 1000 personas. La fuente son las portadas de prensa impresa nacional y local que fueron recogidas por el portal lasportadas.es en las fechas citadas, 8 de febrero a 8 de marzo, más el 9 de marzo para incluir los eventos del 8. Los aforos de los estadios deportivos se obtuvieron de las páginas de los propios recintos. Las fechas que constan son las del evento, no las de publicación. En algunos casos se completó la información deportiva con los calendarios de las competiciones. Los datos de participantes en los eventos son los que figuran literalmente en la noticia respectiva. Se han incluido todo tipo de eventos con más de mil asistentes o que razonablemente cabía esperar que superaran esa cifra; por este criterio no se han incluido eventos de competiciones de categorías inferiores o deportes minoritarios en los no figurara el dato de espectadores. Se han incluido todas las medidas adoptadas durante el Estado de Alarma publicados en el BOE, tomando como fecha la entrada en vigor de estos (6).


Se define foco como aquellos primeros casos aislados que aparecieron en prensa antes de declararse la pandemia. El método de búsqueda utilizado fue buscar por internet 'Primer coronavirus (comunidad o provincia o isla o localidad)' y 'coronavirus (comunidad o provincia o isla o localidad)'. La búsqueda incluyó, además de las localidades que aparecían directamente sin importar su población, todas las poblaciones de más de 50.000 habitantes de España y las de más de 20.000 o 10.000 habitantes en las provincias de poca población, según los casos. La fuente se cita en cada caso y van desde las webs de medios nacionales a medios digitales de ámbito local. La fecha del primer contacto se obtiene bien porque figura directamente en la noticia o porque hay una referencia directa, por ejemplo 'el jueves pasado', cuando la fecha del primer contacto es ambigua se hace constar tal circunstancia. También se recogen datos expresos como si se considera contagio local o importado y los nombres de los hospitales relacionados con el caso en cuestión. Al ser una búsqueda solo de informaciones publicadas hay localidades que no aparecen.


Se ha construido la curva de los casos a partir de la información de la RENAVE. Se ha creado un retardo temporal que permite visualizar la curva retrasada de 0 a 14 días, que es el periodo de incubación de la enfermedad, para poder ver qué ocurre días después de un evento o foco determinado. Según informes recientes la mediana del periodo de incubación de COVID-19 es de 5-6 días (2).


TANTO LOS EVENTOS COMO LOS FOCOS IDENTIFICADOS NO INCLUYEN TODOS LOS SUCESOS DE ESTE TIPO QUE HAN PODIDO OCURRIR.


1.Informes Situación de COVID-19 en España (Centro Nacional de Epidemiología).
2.Ministerio de Sanidad, Consumo y Bienestar Social - Profesionales - Documentos técnicos para profesionales - Coronavirus

3.Riccardo F, Ajelli M, Andrianou X, Bella A, Manso MD, Fabiani M, et al. Epidemiological characteristics of COVID-19 cases in Italy and estimates of the reproductive numbers one month into the epidemic. medRxiv. 2020 Apr 11;2020.04.08.20056861.

4.Kamvar ZN, Cai J, Pulliam JRC, Schumacher J, Jombart T. Epidemic curves made easy using the R package incidence. F1000Res. 2019 Jan 31;8:139.

5.Cori A, Ferguson NM, Fraser C, Cauchemez S. A New Framework and Software to Estimate Time-Varying Reproduction Numbers During Epidemics. American Journal of Epidemiology. 2013 Nov 1;178(9):1505–12.

6.Estado de alarma. Medidas crisis sanitaria COVID-19. Atención e información - Punto de Acceso General

Agradecemos a todos los que de una manera u otra han colaborado en este proyecto:


- Los servicios de Salud Pública y vigilancia epidemiológica de las CCAA

- La Red Nacional de Vigilancia Epidemiológica

- Ministerio de Ciencia e Innovación

- Centro de Coordinación de Alertas y Emergencias Sanitarias. Ministerio de Sanidad

- Ministerio de Transporte Movilidad y Agenda Urbana

- BIODAMA. Centro Nacional de Epidemiología

- Todas las personas que están colaborando activamente en este proyecto