Bloomberg — Hasta el 60% de los casos de covid-19 en los EE. UU. no han sido reportados y el virus ha infectado a casi 1 de cada 5 estadounidenses, según un nuevo modelo de la Universidad de Washington.
El modelo, que tiene como objetivo mitigar los sesgos en la captura de datos, estima que 65 millones de personas, o el 19,7% de los residentes de EE. UU., habían sido infectados hasta el 7 de marzo. Los hallazgos, que aparecen en la edición del lunes de Academian Nacional de Ciencias de Estados Unidos (PNAS por sus siglas en inglés), indican que es poco probable que EE. UU. alcance la protección a nivel comunitario si no continúa con una ambiciosa campaña de vacunación.
“Eso es algo de lo que vemos ahora con la variante delta porque es altamente transmisible y está arrasando con comunidades de personas que aún no han sido vacunadas”, dijo el autor principal del estudio, Nicholas Irons. “Todavía hay muchas posibilidades de que ocurran más muertes si no nos mantenemos alerta y no intentamos poner la mayor cantidad posible de vacunas en brazos ”.
El recuento de casos probablemente sea más alto ahora, aunque no mucho más, desde que se comenzaron a aplicar las vacunas, dijo Irons.
El modelo estadístico desarrollado por Irons, un estudiante de doctorado en estadística de la UW, y Adrian Raftery, profesor de estadística y sociología de la UW, es el esfuerzo más reciente para capturar la verdadera prevalencia de covid-19 en los EE. UU.
Un estudio publicado a principios de este mes por Hazhir Rahmandad, TY Lim y John Sterman del Instituto de Tecnología de Massachusetts (MIT) encontró que las infecciones son 12 veces más altas de lo que se informó anteriormente. Un estudio de la Universidad de Minnesota publicado en enero en JAMA Network Open estimó que el 35% de las muertes no se informaron.
Han habido más de 34 millones de casos confirmados y casi 611.000 muertes hasta el 26 de julio, según el rastreador covid-19 de Bloomberg , que es similar a los datos de los Centros para el Control y la Prevención de Enfermedades. Al mismo tiempo, los CDC estiman que la cifra de casos reales es mucho más alta. Entre febrero de 2020 y marzo de 2021 hubo 114,6 millones de infecciones, 97,1 millones de infecciones sintomáticas y 5,6 millones de hospitalizaciones, estimaron los CDC .
Tomando las dos corrientes principales de datos, casos y muertes, y dividiendo los casos por el número de pruebas, se puede obtener la tasa de positividad de la prueba. Pero eso conduce a un sesgo de datos, dijo Irons.
“Alguien que tiene covid tiene muchas más probabilidades de hacerse la prueba que alguien que no lo tiene. Y como resultado, las tasas de positividad de las pruebas son mucho más altas que la proporción real de personas en la población que tienen la enfermedad”, dijo. “No fue necesariamente un buen indicador por varias razones de lo que realmente está sucediendo en el terreno”.
Irons and Raftery extrajeron datos del Proyecto de seguimiento covid , que dejó de recopilar datos el 7 de marzo, sobre casos confirmados de covid-19, muertes y pruebas administradas cada día. También incorporaron resultados de pruebas aleatorias en Indiana y Ohio, donde los investigadores tomaron muestras al azar de su población con análisis moleculares y de sangre.
“Esa es la única forma de obtener una imagen imparcial de lo que realmente está sucediendo en cualquier estado dado en cualquier momento con la infección. Así que sin eso, realmente no podríamos haber realizado el estudio “, dijo Irons. “La idea detrás del estudio era aprovechar esos resultados imparciales que tenemos para esos dos estados para desarrollar un modelo que nos permita eliminar el sesgo de las otras formas de datos de covid que se informan más ampliamente, y que las personas están más familiarizadas, como el número de casos cada día “.
Estiman que EE. UU. tuvo un factor de recuento insuficiente de 2,3, lo que significa que por cada infección confirmada, hay 2,3 casos que no se confirmaron mediante pruebas. Pero también encontraron que la tasa de recuento insuficiente también variaba ampliamente según el estado, según la gravedad de la pandemia y la disponibilidad de pruebas y acceso a atención médica.
Raftery dijo en un comunicado que su modelo puede ayudar a determinar la verdadera carga de enfermedad, tanto en esta pandemia como en la próxima, mediante la incorporación de modelos de prueba aleatorios. “Creemos que esta herramienta puede marcar la diferencia al brindarles a las personas a cargo una imagen más precisa de cuántas personas están infectadas y qué fracción de ellas no están siendo detectadas por los esfuerzos actuales de pruebas y tratamiento”.
