Una evaluación de la evolución del COVID-19 a nivel de distrito usando regresiones de Poisson

26/05/2020
COVID-19 regresiones de Poisson

Una evaluación de la evolución del COVID-19 a nivel de distrito usando regresiones de Poisson

 

Resumen

Este artículo estudia la evolución del número de infectados por COVID-19 a nivel de distrito y explora la resiliencia del sistema hospitalario en Zaragoza. Para hacer esto se propone un modelo de regresión de Poisson donde el número de individuos con síntomas de COVID-19 es la variable dependiente que se regresa sobre variables socioeconómicas como la renta del hogar, la densidad de población, el ratio de dependencia y el de envejecimiento a nivel de distrito. El modelo admite efectos espaciales y por tanto es capaz de recoger un efecto de propagación de contagios en distritos vecinos en la variable respuesta. El modelo se estima como una sección cruzada para 17 distritos de Zaragoza sobre el periodo 4 de Abril al 1 de Mayo. El modelo permite, por tanto, modelizar la presencia de persistencia de las variables socioeconómicas sobre el número de posibles contagios recogidos por los centros de salud con frecuencia diaria y construir un modelo de predicción. A partir de este modelo se puede estimar la resiliencia del sistema hospitalario como una fracción del número de individuos reportando síntomas de la enfermedad.

Los resultados de este modelo aplicados a los distritos de Zaragoza muestran un efecto negativo y estadísticamente significativo de la renta del hogar en el número de individuos reportando síntomas de la enfermedad. La densidad de población en cada distrito tiene un efecto positivo y estadísticamente significativo. Encontramos efectos espaciales para casi todos los periodos. Estos efectos sugieren que hay ciertas similitudes entre distritos contiguos en el número de contagios de forma que los contagios en un distrito ayudan a predecir los contagios en distritos vecinos. Este modelo se aplica al número de contagios acumulado en cada momento, pero también al proceso que mide el número de contagios en cada momento en el tiempo. Las conclusiones en este último caso son parecidas. Las variables renta del hogar y densidad de población tienen un efecto negativo y positivo, respectivamente, que es estadísticamente significativo.

Otras conclusiones de interés del estudio sugieren que i) la virulencia de la pandemia depende del tiempo que el virus estuvo circulando sin ser detectado; ii) hay una heterogeneidad significativa en el número de casos reportados a los centros de salud entre distritos. Algunos distritos apenas han tenido casos y se mantienen estables mientras que otros distritos tienen un número mayor de casos que aumenta en cada periodo de forma significativa; iii) la resiliencia del sistema hospitalario no se ve comprometida en ningún momento con los números actuales ni el caso de camas convencionales ni el de camas UCI. El modelo se ajusta fácilmente y permite obtener predicciones en tiempo real del número de contagios por distrito. El comportamiento del modelo para predecir fuera de la muestra y en particular durante el proceso de desescalada es “research in progress”.

Jose Olmo, Departamento de Análisis Económico, Universidad de Zaragoza – ARAID

Marcos Sanso-Navarro – Departamento de Análisis Económico, Universidad de Zaragoza