Datos de COVID-19 al 31 de mayo de 2020. Credit: The Conversation, CC-BY-ND Fuente: Censo de EE. UU., NOAA , Ciudad de Nueva York, Ciudad de San Francisco <\/p>\n
San Francisco y la ciudad de Nueva York informaron sus primeros casos de COVID-19 durante la primera semana de marzo. El 16 de marzo, San Francisco anunci\u00f3 que ordenar\u00eda a los residentes quedarse en casa para evitar la propagaci\u00f3n del coronavirus, y Nueva York hizo lo mismo menos de una semana despu\u00e9s. Pero a fines de mayo, mientras San Francisco hab\u00eda atribuido 43 muertes a COVID-19, el recuento de muertes en la ciudad de Nueva York superaba las 20,000. <\/p>\n
\u00bfQu\u00e9 explica la marcada diferencia en las muertes relacionadas con la COVID-19 entre estas dos ciudades? \u00bfEs responsable el retraso en la orden de quedarse en casa? \u00bfQu\u00e9 pasa con las medidas espec\u00edficas de la ciudad tomadas para mitigar el COVID-19 antes de la orden? \u00bfEst\u00e1 pasando algo m\u00e1s? <\/p>\n
Las trayectorias divergentes de San Francisco y la ciudad de Nueva York, si bien son especialmente llamativas, no son \u00fanicas. En todo el mundo, COVID-19 est\u00e1 teniendo efectos muy variables. Dentro de los EE. UU., las infecciones, las hospitalizaciones y las muertes se han disparado en casi todas las ciudades importantes del noreste, mientras que se mantienen bastante bajas en algunos otros centros metropolitanos, como Houston, Phoenix y San Diego. <\/p>\n
La forma en que las ciudades y los estados implementaron las intervenciones de salud p\u00fablica, como el cierre de escuelas y las \u00f3rdenes de quedarse en casa, ha variado ampliamente. La comparaci\u00f3n de estas intervenciones, si funcionaron y para qui\u00e9n, puede proporcionar informaci\u00f3n sobre la enfermedad y ayudar a mejorar las decisiones pol\u00edticas futuras. Pero las comparaciones precisas no son simples.<\/p>\n
La gama de intervenciones de COVID-19 implementadas en los EE. UU. y en todo el mundo no fue aleatoria, lo que dificulta la comparaci\u00f3n. Entre otras cosas, la densidad de poblaci\u00f3n, el tama\u00f1o de los hogares, el uso del transporte p\u00fablico y la capacidad hospitalaria pueden haber contribuido a las diferencias en las muertes por COVID-19 en San Francisco y la ciudad de Nueva York. Este tipo de diferencias complican los an\u00e1lisis de la efectividad de las respuestas a la pandemia de COVID-19. <\/p>\n
Como bioestad\u00edstico y epidemi\u00f3logo, utilizamos m\u00e9todos estad\u00edsticos para clasificar causas y efectos al controlar las diferencias entre comunidades. Con COVID-19, a menudo hemos visto comparaciones que no se ajustan a estas diferencias. El siguiente experimento muestra por qu\u00e9 eso puede ser un problema.<\/p>\n
Cr\u00e9dito: Laura Balzer\/Github, CC BY-ND <\/p>\n
Las simulaciones de ciudades revelan una paradoja<\/p>\n
Para ilustrar los peligros de las comparaciones que no logran ajustar las diferencias, configuramos una simulaci\u00f3n por computadora simple con solo tres variables hipot\u00e9ticas: tama\u00f1o de la ciudad, momento de las \u00f3rdenes de quedarse en casa y muertes acumuladas de COVID-19 para el 15 de mayo. <\/p>\n
Para 300 ciudades simuladas, trazamos las muertes por COVID-19 por el tiempo de demora, definido como la cantidad de d\u00edas entre el 1 de marzo y la emisi\u00f3n de la orden. Entre ciudades de tama\u00f1o comparable, los retrasos en la implementaci\u00f3n de las \u00f3rdenes de quedarse en casa est\u00e1n asociados con m\u00e1s muertes por COVID-19, espec\u00edficamente, se esperan entre 40 y 63 muertes m\u00e1s por cada retraso de 10 d\u00edas. La recomendaci\u00f3n de pol\u00edtica hipot\u00e9tica de este an\u00e1lisis ser\u00eda la implementaci\u00f3n inmediata de las \u00f3rdenes de quedarse en casa. <\/p>\n
Ahora considere un gr\u00e1fico de las mismas 300 ciudades simuladas que no tiene en cuenta el tama\u00f1o de la ciudad. La relaci\u00f3n entre retrasos y muertes se invierte: la implementaci\u00f3n temprana en esta simulaci\u00f3n est\u00e1 fuertemente asociada con m\u00e1s muertes y la implementaci\u00f3n posterior con menos muertes. Esta aparente paradoja ocurre debido a las relaciones causales entre el tama\u00f1o de la ciudad, los retrasos y las muertes por COVID-19. Las fuertes conexiones o asociaciones entre dos variables no garantizan que una variable cause otra. La correlaci\u00f3n no implica causa. <\/p>\n
Si no se abordan adecuadamente estas relaciones, se pueden crear percepciones err\u00f3neas con implicaciones dram\u00e1ticas para los formuladores de pol\u00edticas. En estas simulaciones, el an\u00e1lisis que no considera el tama\u00f1o de la ciudad conducir\u00eda a una recomendaci\u00f3n de pol\u00edtica err\u00f3nea para retrasar o nunca implementar las \u00f3rdenes de quedarse en casa. <\/p>\n
Cr\u00e9dito: Laura Balzer\/Github, CC BY-ND <\/p>\n
Se vuelve m\u00e1s complicado<\/p>\n
Por supuesto, la inferencia causal en la vida real es m\u00e1s complicada que en una simulaci\u00f3n por computadora con solo tres variables. <\/p>\n
Adem\u00e1s de factores de confusi\u00f3n como el tama\u00f1o de la comunidad, evidencia sustancial sugiere que las intervenciones de salud p\u00fablica no protegen a todas las personas por igual. <\/p>\n
En San Francisco, han surgido marcadas disparidades. Por ejemplo, las pruebas exhaustivas del Distrito de la Misi\u00f3n revelaron que el 95 % de las personas que dieron positivo eran hispanas. Factores como el estatus socioecon\u00f3mico, la raza y el origen \u00e9tnico, y muchos otros, var\u00edan ampliamente entre las comunidades y pueden afectar las tasas de infecci\u00f3n y mortalidad por COVID-19. Las diferencias entre los residentes de la comunidad hacen que la interpretaci\u00f3n adecuada de las comparaciones, como entre San Francisco y Nueva York, sea a\u00fan m\u00e1s dif\u00edcil.<\/p>\n
Entonces, \u00bfc\u00f3mo aprendemos de manera efectiva en el entorno actual?<\/p>\n
Si bien apremiante ahora, los desaf\u00edos anal\u00edticos planteados por COVID-19 no son nuevos. Los expertos en salud p\u00fablica han utilizado durante mucho tiempo datos de estudios no aleatorios, incluso en medio de epidemias. Durante el brote de c\u00f3lera en Londres en 1849, John Snow, famoso en los c\u00edrculos epidemiol\u00f3gicos, utiliz\u00f3 los datos disponibles, herramientas sencillas y una cuidadosa consideraci\u00f3n para identificar una bomba de agua como fuente de propagaci\u00f3n de enfermedades. Las decisiones basadas en evidencia requieren datos y m\u00e9todos apropiados para analizar los datos.<\/p>\n
Las ciudades y comunidades de todo el mundo var\u00edan en formas importantes que pueden complicar la investigaci\u00f3n de salud p\u00fablica. La aplicaci\u00f3n rigurosa de m\u00e9todos de inferencia causal que puedan tener en cuenta las diferencias entre poblaciones es necesaria para guiar las pol\u00edticas y evitar conclusiones mal informadas. <\/p>\n
Explore m\u00e1s<\/p>\n
Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por The Conversation <\/p>\n
Este art\u00edculo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el art\u00edculo original. <\/p>\n
Cita<\/strong>: Muertes por coronavirus en San Francisco vs. Nueva York: \u00bfQu\u00e9 causa diferencias tan grandes en los peajes de las ciudades? (2 de junio de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-06-coronavirus-deaths-san-francisco-york.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Datos de COVID-19 al 31 de mayo de 2020. Credit: The Conversation, CC-BY-ND Fuente: Censo de EE. UU., NOAA , Ciudad de Nueva York, Ciudad de San Francisco San Francisco y la ciudad de Nueva York informaron sus primeros casos de COVID-19 durante la primera semana de marzo. El 16 de marzo, San Francisco anunci\u00f3 … Continuar leyendo \u00abMuertes por coronavirus en San Francisco vs. Nueva York: \u00bfQu\u00e9 causa diferencias tan grandes en los peajes de las ciudades?\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-30654","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/30654","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=30654"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/30654\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=30654"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=30654"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=30654"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}