Inicio > Enfermedades infecciosas > Comprendiendo los datos ante una crisis sanitaria Covid-19 en la República de Panamá

Comprendiendo los datos ante una crisis sanitaria Covid-19 en la República de Panamá

Comprendiendo los datos ante una crisis sanitaria Covid-19 en la República de Panamá

Autor principal: José Santamaría Sanjur

Vol. XVI; nº 2; 67

Understanding the data of the Covid-19 health crisis in the Republic of Panama

Fecha de recepción: 17/12/2020

Fecha de aceptación: 22/01/2021

Incluido en Revista Electrónica de PortalesMedicos.com Volumen XVI. Número 2 –  Segunda quincena de Enero de 2021 – Página inicial: Vol. XVI; nº 2; 67

Autores:

José Santamaría Sanjur1, Sebastián Reyes Alvarado1, Nydia Flores Chiari1, Johana Gutiérrez Zehr2, Lucía Angulo Castillo1, Anneth Rodríguez Flores1, Katherine Afranchi Murillo1

1Universidad Santander, Ciudad de Panamá, Panamá.

2Universidad de Santander, Bucaramanga, Santander Colombia.

Resumen

La República de Panamá es un país dolarizado cuya economía gira alrededor del sector servicio destacándose en la actualidad la producción de la industria manufacturera y el sector agropecuario, esto no es una novedad, si se le da una mirada al patrimonio natural y cultural, como la rutas Camino de Cruces, de vital importancia para el comercio internacional durante la ocupación Española en América, el fallido canal francés y la construcción del Canal de Panamá bajo la responsabilidad del gobierno de los Estados Unidos.

La construcción del Canal de Panamá por el gobierno de Estados Unidos fue un éxito de la ciencia sobre las enfermedades tropicales como la fiebre amarilla que mermaba en gran manera la mano de obra, dada las altas tasas de mortalidad derivadas de estas enfermedades.

Hoy día con el COVID-19 y las nuevas pandemias que se decreten en el futuro, tendrán en común un periodo de desconocimiento casi total de su comportamiento epidemiológico, y por tanto se carecerá en principios de modelos determinísticos o estocásticos que permitan modelar su comportamiento bajo un grado de certidumbre aceptable. A la par que se modela el comportamiento epidemiológico de una nueva pandemia, los gobiernos deben tomar decisiones importantes para gestionar las crisis sanitarias y mitigar sus efectos a través de diversas decisiones políticas con base a la información disponible.

Este artículo académico busca ser una herramienta sencilla que facilite a profesionales de diversas áreas comprender los datos resultantes de la gestión de una crisis sanitaria producto de una pandemia, para la toma informada de decisiones. Para ello, es necesario iniciar con la definición de las variables de interés y periodo de estudio que va del 9 de marzo al 29 de abril de 2020, para luego profundizar en el análisis cualitativo y gráfico de los datos.

Palabras clave: coronavirus, Panamá, pandemia, Covid-19

Summary: The Republic of Panama is a dollarized country whose economy revolves around the service sector, currently highlighting the production of the manufacturing industry and the agricultural sector, this is not unusual, if you take a look at the natural and cultural heritage, such as the Camino de Cruces routes, an important route for international trade during the Spanish colonization in America, the failed French canal and the construction of the Panama Canal under the direction of the United States government.

The construction of the Panama Canal by the United States government was a success of science on tropical diseases such as yellow fever that greatly reduced the workforce, given the high mortality rates derived from these diseases.

COVID-19 and the new pandemics that will arise in the future will have in common a period of almost total ignorance of their epidemiological behavior, therefore there will be a lack in principles of deterministic or stochastic models that allow modeling the behavior under an acceptable degree of certainty. As the epidemiological behavior of a new pandemic is modeled, governments must make important decisions to manage health crisis and mitigate their effects through various political decisions based on available information. This academic article seeks to be a simple tool that helps professionals from various areas understand the data resulting from the management of a health crisis resulting from a pandemic, in order to be able to make an informed decision. To do this, it is necessary to start with the definition of the variables of interest and the study period that runs from March 9 to April 29, 2020, and then deepen the qualitative and graphical analysis of the data.

Keywords: coronavirus, Panama, pandemic, Covid-19

Declaración de buenas prácticas

Los autores de este manuscrito declaran que:

Todos hemos participado en su elaboración y no tenemos conflictos de intereses.
La investigación se ha realizado siguiendo las Pautas éticas internacionales para la investigación. El manuscrito es original y no contiene plagio. El manuscrito no ha sido publicado en ningún medio y no está en proceso de revisión en otra revista.  Las imágenes y gráficos utilizados, son de libre acceso por parte de las entidades que las elaboraron.

Introducción

El Ministerio de Salud (MINSA) es el órgano rector en todo lo concerniente a salud pública en la República de Panamá, y fue designado por el gobierno nacional para suministrar las cifras oficiales sobre la epidemia de COVID-19 en el país. Esta institución brinda estadísticas de dos formas, estas son un tablero de control diseñado por la Autoridad de Innovación Gubernamental (AIG) que se visualiza en la dirección web http://minsa.gob.pa/coronavirus-covid19 y a través de los comunicados oficiales emitidos por el MINSA publicados en la siguiente dirección http://www.minsa.gob.pa/informacion-salud/comunicados-covid-19.

Materiales y métodos

Las series de tiempo analizadas en este artículo fueron levantadas con información tanto del tablero de control como de los comunicados, dado que no existe una estandarización de la información que se publica en uno y otro medio, el cambio más significativo en la presentación de la información se dio el día 30 de abril, día en que el número de casos confirmados en aislamiento domiciliario paso de 5,306 casos el día 29 de abril a 2,916 casos el día 30 de abril, por otra parte los casos recuperados pasaron de 527 casos el día 29 de abril a 3,060 casos el día 30 de abril. Los comunicados de estos días no brindan ningún tipo de información sobre estos cambios en la forma de medir las variables, dada esta situación se decidió trabajar con las series de tiempo del periodo comprendido entre el 9 de marzo de 2020 al 29 de abril de 2020, ya que al cambiar la metodología de medición los datos no son comparables para las variables mencionadas.

Dicho esto, pasamos a definir las variables para las cuales se analizan las series de tiempo, estas son:

  1. Número de días: Es el número de días naturales que han transcurrido desde que se detectó el primer caso positivo de COVID-19 (día uno 9 de marzo de 2020) hasta el 29 de abril de 2020 (día 52), en la República de Panamá.
  2. Casos nuevos de COVID-19: Personas a las cuales se le ha hecho la prueba para detectar la presencia del virus COVID-19 y han resultado positivos, los cuales se reportan con una periodicidad diaria, en la República de Panamá.
  3. Casos acumulados de COVID-19: Distribución de frecuencia acumulativa descendente de los casos nuevos de COVID-19, en la República de Panamá.
  4. Casos en Aislamiento Domiciliario: Distribución de frecuencia acumulativa descendente de las personas a las cuales se le ha hecho la prueba para detectar la presencia del virus COVID-19, han resultado positivos y se les ordenó permanecer en cuarentena en su residencia principal, reportados de manera diaria, en la República de Panamá.
  5. Casos Hospitalizados en Sala: Distribución de frecuencia acumulativa descendente de las personas a las cuales se le ha hecho la prueba para detectar la presencia del virus COVID-19, han resultado positivos y se encuentran recluida en sala de observación de una instalación de salud, reportados de manera diaria, en la República de Panamá.
  6. Casos Hospitalizados en UCI: Distribución de frecuencia acumulativa descendente de las personas a las cuales se le ha hecho la prueba para detectar la presencia del virus COVID-19, han resultado positivos y se encuentran recluida en la Unidad de Cuidados Intensivos (UCI) de una instalación de salud, reportados de manera diaria, en la República de Panamá.
  7. Casos Fallecidos: Distribución de frecuencia acumulativa descendente de las personas a las cuales se le ha hecho la prueba para detectar la presencia del virus COVID-19, han resultado positivos y que han fallecido portando el virus, reportados de manera diaria, en la República de Panamá.
  8. Casos Recuperados: Distribución de frecuencia acumulativa descendente de las personas a las cuales se le ha hecho la prueba para detectar la presencia del virus COVID-19, han resultado positivos y han sido declarados como recuperados, reportados de manera diaria, en la República de Panamá.

Metodología

Crítica y análisis de los datos

En un análisis estadístico cuyos datos provienen de fuentes secundarias el primer paso que debe dar el interesado es no asumir los datos como buenos, a este proceso se le llama crítica de los datos, para ello existen modelos paramétricos y no paramétricos tendientes a analizar la confiabilidad de la información antes de su uso.

La curiosidad podría llevarnos a entrar de lleno en el análisis de los datos, sin embargo, es recomendable que iniciemos con el análisis cualitativo y el análisis gráfico de estos. Recuerden siempre que, si a su análisis le metes basura, lo que saldrá será basura. Las series de tiempo analizadas en este artículo fueron levantadas con información tanto del tablero de control como de los comunicados emitidos por el MINSA, esto debido a una importante limitante detectada, se trata de la no existencia de una estandarización de la información que se publica en uno y otro medio algo que llama a la atención dado que tanto el MINSA como la Caja de Seguro Social (CSS) cuentan con departamentos denominados Departamento de Registros y Estadísticas de Salud (REGES), cuyo rol es manejar las estadísticas de salud de cada una de las unidades ejecutoras de estas dos instituciones principales prestadoras de servicios de salud en el país.

Al analizar de manera cualitativa los comunicados se detectó una de las inconsistencias más significativa y que se transformó en la principal limitante de este artículo, se trata del cambio más significativo en la presentación de la información, este se observa al comparar los datos del comunicado del día 30 de abril de 2020 con los del comunicado del día 29 de abril del mismo año y es que los casos en aislamiento domiciliario pasó de 5,306 casos el día 29 de abril a un total de 2,916 casos para el día 30 de abril, por otra parte los casos recuperados pasaron de 527 casos para el día 29 de abril a 3,060 casos para el día 30 de abril. Los comunicados de estos días no brindan ningún tipo de información sobre estos cambios o en la forma de medir las variables, dada esta situación se decidió trabajar con las series de tiempo del periodo comprendido entre el 9 de marzo de 2020 al 29 de abril de 2020, ya que al cambiar la metodología de medición los datos de las variables dejan de ser comparables.

Antes de continuar es necesario hacer algunas acotaciones sobre estas variables y es que aún se sabe muy poco sobre el comportamiento del COVID-19 una vez una persona ha sido declarada como recuperada, pues hasta el momento no se cuenta con información que sustente o descarte que una persona declarada como recuperada pueda o no volver a ser infectada con el virus COVID-19, por otra parte las personas declaradas como fallecidas no fueron sometidas necesariamente a una autopsia, lo que puede afectar las mediciones de estas variables al no tener evidencia científica sobre la causa del fallecimiento, ya que este se pudo haber sido causado por el virus COVID-19 o por alguna situación de salud preexistente en los pacientes declarados fallecidos por COVID-19.

Luego de elaborar la crítica y análisis de los datos se procedió a realizar el análisis gráfico de cada una de las variables de interés a través de diagramas de dispersión para los cuales la variable número de días es utilizada como la variable independiente y la variable de interés como variable dependiente. Para facilitar el análisis y la comparabilidad de los resultados se elaboraron cortes cada 14 días en las gráficas de dispersión y también se calcularon y representaron gráficamente los percentiles 25, 50 y 75, que en conjunto con los cortes bisemanales dan una buena representación gráfica del comportamiento de las variables de interés en el tiempo.

Resultados

Análisis gráfico, casos nuevos de COVID-19.

Esta variable presentó un crecimiento con poca dispersión en los primeros 21 días, a partir del día 22 incrementa su dispersión, destacándose el periodo que va del día 28 al día 42 como el periodo de mayor dispersión en el comportamiento de esta variable. Para comprender el comportamiento de esta variable debemos tener en cuenta las siguientes acotaciones: hay un periodo de tiempo que transcurre entre el día que se hacen las pruebas y el día en que se obtienen los resultados (se asumirá que este tiempo es estándar y que no varía de manera significativa de una prueba a otra), por otra parte hay que considerar que las pruebas las toma un equipo humano con una capacidad instalada y recursos que no son infinitos entre ellos la cantidad de pruebas con que disponen y el tiempo por lo que las pruebas se aplican según programaciones establecidas en el tiempo, por otro lado considerar que algunas personas no presentan ninguna sintomatología al contagiarse por COVID-19 lo que implica que existen personas que padecen o han padecido de COVID-19 y no han sido detectados; por último tenemos que considerar que a mayor cantidad de pruebas realizadas muy probablemente mayor la cantidad de casos detectados, sin embargo al momento de la realización de este artículo no se contaba con estadísticas fiables de la cantidad de pruebas realizadas por día.

Casos acumulados de COVID-19

Se observó una tendencia creciente en los casos acumulados de COVID-19, esto se debe a que esta variable es una distribución de frecuencia acumulativa descendente de los casos nuevos de COVID-19, en la República de Panamá. Por otro lado, se observaron algunas irregularidades en los casos acumulados en el tercer periodo comprendido entre el día 29 y el día 42, dicho comportamiento está relacionado con la alta dispersión comentada para la variable casos nuevos de COVID-19, analizada anteriormente. Las 52 observaciones sugieren una tendencia creciente de tipo curvilíneo.

Casos en aislamiento domiciliario

Esta variable presentó un comportamiento muy parecido a la variable analizada anteriormente casos acumulados de COVID-19, lo cual refleja algo que no es un secreto y es que todo paciente detectado con COVID-19 y no tuviese complicaciones en su condición de salud se les daba esta medida de aislamiento en la República de Panamá durante el periodo de tiempo analizado. Es necesario destacar que una persona con medida de aislamiento domiciliario podría ver desmejorada su condición y pasar a ser un caso de hospitalizado en sala.

Casos hospitalizados en sala

Fue interesante observar como el comportamiento gráfico de esta variable fue muy parecido a la variable casos nuevos de COVID-19, solo que, con un menor grado de dispersión. Es claro que los pacientes que llegan a esta situación muy probablemente hayan llegado directamente a la unidad ejecutora con sintomatología y algún tipo de complicación de salud o padecimiento preexistente que requiera atención médica y estos fueron recluidos en sala para controlar su evolución, mientras padece de COVID-19. En otras palabras, es probable que esta variable no se vea afectada por el número de pruebas realizadas, ya que el paciente es hospitalizado en sala por su situación de salud ya sea que le hayan detectado como positivo de COVID-19 antes de ser admitido a la unidad ejecutora o que dicha prueba se haya aplicado y resultara positiva después de ser admitido en la unidad ejecutora

Casos hospitalizados en UCI

El comportamiento gráfico de esta variable es un tanto diferente al de las variables analizadas anteriormente. En el primer periodo fue observable un crecimiento lento en los casos hospitalizados en UCI, un crecimiento rápido de estos casos en el segundo periodo comprendido entre el día 15 y el día 28 de la pandemia, en el tercer periodo se observa una desaceleración y estabilización de ese comportamiento de crecimiento y en el cuarto periodo que va del día 43 al día 52 se observa una estabilización de los casos hospitalizados en UCI. Es importante indicar que para que los casos hospitalizados en UCI se mantengan o disminuya se puede deber solo a dos razones una que los pacientes mejoren su condición y sean pasado a sala, o la otra es que el paciente pase a formar parte de los fallecidos.

Casos fallecidos

Al observar el comportamiento de esta variable se hace más evidente las razones del comportamiento de la variable casos hospitalizados en UCI y es que los datos de casos fallecidos mostraron en el primer periodo un crecimiento lento sin embargo al pasar al segundo periodo fue observable como inicia la pendiente ascendente la cual sigue su ritmo de crecimiento a través de los demás periodos. Es necesario recordar que esta variable es una distribución de frecuencia acumulativa descendente motivo por el cual presentará una tendencia positiva o estable.

Casos recuperados

Esta variable presenta un comportamiento muy estable los primeros 35 días de pandemia, a partir del día 36 inicia un crecimiento acelerado, este comportamiento se debe a que en los primeros dos periodos se priorizaron las pruebas para detectar contagio de COVID-19 a sospechosos de portar el virus (posibles personas contagiadas), posteriormente se tomó la decisión de aplicar las pruebas y repruebas a las personas positivas de COVID-19 que habían mejorado su condición de salud después de padecer de los efectos del virus, esto explica el acelerado crecimiento de los casos recuperados en los periodos tres y cuatro. En este caso también es necesario recordar que esta variable es una distribución de frecuencia acumulativa descendente motivo por el cual presentará una tendencia positiva o estable.

Discusión

Los gobiernos al tomar decisiones para gestionar las crisis sanitarias, en este caso particular la de COVID-19 en la República de Panamá y mitigar sus efectos, toman diversas decisiones políticas con base a la información disponible, estas decisiones tienen un impacto directo sobre los datos de las variables de interés los cuales muestra mucha sensibilidad en su dispersión ante las decisiones políticas que se adopten y esto ha quedado evidenciado principalmente en el periodo comprendido entre el día 28 y el 42, pero tal cual lo recalcamos el comportamiento de las variables en este periodo muy probablemente responda a las decisiones tomadas 14 días antes es decir las decisiones tomadas entre los días 14 y 28 de la pandemia de COVID-19 en la República de Panamá.

Entre las medidas adoptadas en el periodo que va del día 14 al 28 podemos destacar: Restricciones seberas de movilidad, enérgico aumento de sanciones por incumplimiento de medidas sanitarias, aumento del pie de fuerza, vigilancia y detenciones por parte de las autoridades a personas que incumplan las medidas sanitarias.

Otras medidas importantes a destacar en el periodo indicado son: La ampliación de la red de laboratorios para la detección de COVID-19, las donaciones de pruebas de COVID-19 por parte de otras naciones, el acondicionamiento de hoteles hospitales, aumento de la contratación de personal de la salud y aumento de las horas de trabajo del personal de salud con contratados activos en el periodo analizado, entrega de bolsas de comida y bono para alimentación para paliar las necesidades básicas de la población más vulnerable.

Por otra parte, las pruebas aplicadas pasaron de aproximadamente de unas 200 pruebas diarias en el primer periodo a casi 500 pruebas diarias en el segundo periodo y luego aumentaron a aproximadamente 800 pruebas diarias para los otros dos periodos, con mucha variabilidad en la cantidad de pruebas aplicadas de un día a otro.

Conclusiones

Los gobiernos ante una crisis sanitaria deben prestar la importancia debida a los datos, dotar de la autoridad y de los recursos necesarios a los departamentos responsables de la recopilación, tratamiento, resumen, análisis y presentación de resultados de las variables de interés al declararse una pandemia, variables que son conocidas de ante por los gobiernos.

La calidad del dato es el mejor termómetro para medir la calidad de las decisiones políticas y de las medidas sanitarias adoptadas. Para lograr datos de calidad de una manera efectiva, al decretarse una pandemia los gobiernos no solo deben elaborar hojas de ruta para atender la crisis sanitaria, también deben elaborar hojas de ruta para mantener datos de calidad durante la crisis, datos que sirvan para la toma de decisiones de los gobiernos y para la toma informada de decisiones de profesionales de diversas áreas, empresarios y de la sociedad civil.

Referencias

  1. Barratt, H., Kirwan, M., & Shantikumar, S. (2018). healthknowledge. Obtenido de https://www.healthknowledge.org.uk/public-health-textbook/research-methods/1a-epidemiology/epidemic-theory
  2. Becker, N., Glass, K., Barnes, B., Caley, P., Philp , D., McCaw, J., . . . Wood , J. (abril de 2006). Obtenido de https://www1.health.gov.au/internet/publications/publishing.nsf/Content/mathematical-models
  3. Dietz, K. (1993). La estimación del número de reproducción básico para enfermedades infecciosas. Pubmed, 2 (1), 23-41.
  4. Hersh, E. (13 de marzo de 2020). Obtenido de https://www.healthline.com/health/es/coronavirus-periodo-de-incubacion
  5. Liu, Y., Gayle, A., Wilder-Smith, A., & Rocklov, J. (2020). El número reproductivo de COVID-19 es mayor en comparación con el coronavirus del SARS. Journal of Travel Medicine , Volumen 27, Número 2, 1-4.
  6. Ministerio de Salud. (2020). Minsa. Obtenido de http://minsa.gob.pa/coronavirus-covid19
  7. Rindehaour, B., Kowalik, J., & Shay, D. (2018). El número reproductivo básico (R0): consideraciones para su aplicación en la salud póblica. Am J Public Health. 2018 December; 108(Suppl 6), 455–S465.
  8. Thompson, R., Stockwin, J., van Gaalen , R., & Polonsky , J. (2019). Inferencia mejorada de números de reproducción variables en el tiempo durante brotes de enfermedades infecciosas. Obtenido de https://shiny.dide.imperial.ac.uk/epiestim/
  9. Zhang, S., Yuan Diao, M., Yu, W., Pei, L., Lin, Z., & Chen, D. (2020). Estimación del número reproductivo del nuevo coronavirus (COVID-19) y el tamaño probable del brote en el crucero Diamond Princess: un análisis basado en datos. International Journal of Infectious Diseases, Volumen 93, abril, 201-204.