5 cosas que los autoproclamados ‘expertos’ de COVID-19 se equivocan sobre las estadísticas


Si no nos ganamos la vida analizando las estadísticas, es fácil dejarse engañar por información errónea sobre las estadísticas de COVID-19 en las redes sociales, especialmente si no tenemos el contexto adecuado.

Por ejemplo, podemos seleccionar las estadísticas que respaldan nuestro punto de vista e ignorar las estadísticas que muestran que estamos equivocados. También necesitamos interpretar correctamente estas estadísticas.

Es fácil para nosotros compartir esta información errónea. Muchas de estas estadísticas también están interrelacionadas, por lo que los malentendidos pueden multiplicarse rápidamente.

A continuación, le mostramos cómo podemos evitar cinco errores comunes e impresionar a amigos y familiares con las estadísticas correctas.

1. Lo que da miedo es la tasa de infección, no la tasa de mortalidad

Publicaciones en redes sociales comparando COVID-19 con otras causas de muerte, como la gripe, implica COVID-19 no es realmente tan mortal.

Pero estas publicaciones extrañan la infecciosidad de COVID-19. Para eso, debemos observar la tasa de mortalidad por infección (IFR): el número de muertes por COVID-19 dividido por todos los infectados (un número que solo podemos estimar en esta etapa, consulte también el punto 3 a continuación).

Mientras que la el jurado aún está deliberando, COVID-19 tiene un IFR más alto que la gripe. Publicaciones que implican un IFR bajo para COVID-19 ciertamente lo subestima. También pierden otros dos puntos.

Primero, si comparamos el IFR típico de la gripe de 0,1% con el estimación COVID-19 más optimista de 0.25%, entonces COVID-19 sigue siendo más del doble de mortal que la gripe.

En segundo lugar, y lo que es más importante, debemos observar el número de reproducción básico (R₀) de cada virus. Este es el número de personas adicionales que se estima que puede infectar una persona infectada.

Gripe R₀ es aproximadamente 1.3. Aunque las estimaciones de COVID-19 varían, su R₀ se sitúa alrededor de un mediana de 2.8. Debido a la forma en que las infecciones crecen exponencialmente (ver más abajo), el salto de 1.3 a 2.8 significa que COVID-19 es mucho más infeccioso que la gripe.

Cuando combina todas estas estadísticas, puede ver la motivación detrás de nuestras medidas de salud pública para «limitar la propagación». No es solo que COVID-19 sea tan letal, sino que también es letal y altamente infeccioso.

2. Crecimiento exponencial y gráficos engañosos

Un gráfico simple podría representar el número de casos nuevos de COVID a lo largo del tiempo. Pero como los casos nuevos pueden informarse de manera errática, los estadísticos están más interesados ​​en la tasa de crecimiento del total de casos a lo largo del tiempo. Cuanto más pronunciada sea la pendiente ascendente en el gráfico, más deberíamos preocuparnos.

Para COVID-19, los estadísticos buscan rastrear crecimiento exponencial en casos. En pocas palabras, los casos de COVID sin restricciones pueden llevar a un número cada vez mayor de más casos. Esto nos da un gráfico que sigue lentamente al principio, pero luego se curva bruscamente hacia arriba con el tiempo. Esta es la curva que queremos aplanar, como se muestra a continuación.

«Aplastar la curva» es otra forma de decir «ralentizar el diferencial». La epidemia se alarga, pero reducimos el número de casos graves, lo que genera menos carga para los sistemas de salud pública. La conversación / CC BY ND

Sin embargo, las publicaciones en las redes sociales comparan habitualmente las cifras de COVID-19 con las de otras causas de muerte que muestran:

Incluso cuando los investigadores hablan de crecimiento exponencial, aún pueden inducir a error.

Un profesor israelí ampliamente compartido El análisis afirmó que el crecimiento exponencial de COVID-19 «se desvanece después de ocho semanas». Bueno, estaba claramente equivocado. ¿Pero por qué?

Su modelo asumió que los casos de COVID-19 crecen exponencialmente durante varios días, en lugar de una sucesión de transmisiones, cada una de las cuales puede tardar varios días. Esto lo llevó a trazar solo el crecimiento errático de la fase inicial del brote.

Las mejores visualizaciones truncan esos primeros casos erráticos, por ejemplo, comenzando desde el caso 100. O utilizan estimaciones de la cantidad de días que se necesitan para la cantidad de casos para duplicar (alrededor de seis a siete días).

3. No todas las infecciones son casos

Luego está la confusión entre las infecciones por COVID-19 y los casos. En términos epidemiológicos, un «caso» es una persona a la que se le diagnostica COVID-19, principalmente por un resultado positivo de la prueba.

Pero hay muchas más infecciones que casos. Algunas infecciones no muestran síntomas, algunos síntomas son tan leves que las personas piensan que es solo un resfriado, las pruebas no siempre están disponibles para todas las personas que las necesitan y las pruebas no recoge todas las infecciones.

Las infecciones «causan» casos, las pruebas descubren casos. El presidente de Estados Unidos, Donald Trump, estuvo cerca de la verdad cuando dijo el número de casos en los EE. UU. fue alto debido a la alta tasa de pruebas. Pero él y otros todavía lo entendí totalmente mal.

Más pruebas no resultado en más casos, permite una estimación más precisa del verdadero número de casos.

La mejor estrategia, desde el punto de vista epidemiológico, no es realizar menos pruebas, sino realizar pruebas lo más ampliamente posible, minimizando la discrepancia entre los casos y las infecciones en general.

4. No podemos comparar muertes con casos de la misma fecha.

Las estimaciones varían, pero el tiempo entre la infección y la muerte puede ser tanto como un mes. Y la variación en tiempo de recuperación es aún mayor. Algunas personas se enferman mucho y tardan mucho en recuperarse, otras no muestran síntomas.

Por lo tanto, las muertes registradas en una fecha determinada reflejan las muertes de casos registrados varias semanas antes, cuando el recuento de casos puede haber sido menos de la mitad el número de casos actuales.

El rápido tiempo de duplicación de casos y el tiempo de recuperación prolongado también crean una gran discrepancia entre los recuentos de casos activos y recuperados. Solo sabremos los números reales en retrospectiva.

5. Sí, los datos están desordenados, incompletos y pueden cambiar.

Algunos usuarios de redes sociales enfadarse cuando el las estadísticas están ajustadas, alimentando teorias de conspiracion.

Pero pocos se dan cuenta de cómo mamut, caóticoy complejo la tarea consiste en realizar un seguimiento de las estadísticas sobre una enfermedad como ésta.

Los países e incluso los estados pueden contar los casos y las muertes de manera diferente. También lleva tiempo recopilar los datos, lo que significa que se realizan ajustes retrospectivos.

Solo conoceremos las cifras reales de esta pandemia en retrospectiva. Del mismo modo, los primeros modelos no eran necesariamente incorrectos porque los modeladores fueran engañosos, sino porque no tenían datos suficientes para trabajar.

Bienvenido al mundo de la gestión de datos, la limpieza de datos y el modelado de datos, que muchos estadísticos de sillón no siempre aprecian. Hasta ahora.

Este artículo se vuelve a publicar de La conversación por Jacques Raubenheimer, Investigador Senior, Bioestadística, Universidad de Sydney bajo una licencia Creative Commons. Leer el artículo original.





Fuente: TNW

Compartir:

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos y para fines de afiliación y para mostrarte publicidad relacionada con tus preferencias en base a un perfil elaborado a partir de tus hábitos de navegación. Al hacer clic en el botón Aceptar, aceptas el uso de estas tecnologías y el procesamiento de sus datos para estos propósitos. Ver Política de cookies
Privacidad