Resúmenes amplios

INFECCIONES POR CORONAVIRUS 2 CAUSANTE DEL SÍNDROME RESPIRATORIO AGUDO GRAVE DESDE EL INICIO DE LA PANDEMIA


Seattle, EE.UU.
Se estima que el 40% de la población mundial ha sido infectada por el coronavirus 2 causante del síndrome respiratorio agudo grave, desde el inicio de la pandemia hasta el 14 de noviembre de 2021.

The Lancet 1-30

Autores:
Barber RM

Institución/es participante/s en la investigación:
University of Washington

Título original:
Estimating Global, Regional, and National Daily and Cumulative Infections with SARS-CoV-2 Through Nov 14, 2021: A Statistical Analysis

Título en castellano:
Estimación de Infecciones Diarias y Acumuladas a Nivel Mundial, Regional y Nacional por SARS-CoV-2 hasta el 14 de Noviembre de 2021: Un Análisis Estadístico

Extensión del  Resumen-SIIC en castellano:
1.96 páginas impresas en papel A4

Introducción 

Las estimaciones oportunas, precisas y completas de las tasas de infección diaria y acumulada por coronavirus 2 causante del síndrome respiratorio agudo grave (SARS-CoV-2, por su sigla en inglés), la proporción de la población que se ha infectado al menos una vez y el número reproductivo efectivo (R efectiva) son esenciales para comprender los determinantes de infecciones pasadas, los patrones de transmisión actuales y la susceptibilidad de la población a infecciones futuras con la misma variante. Aunque diversos estudios han estimado infecciones acumuladas por SARS-CoV-2 en ubicaciones seleccionadas en momentos específicos, todos estos análisis se han basado en entradas de datos sesgadas que no se corrigieron adecuadamente.

El objetivo del presente estudio fue proporcionar un enfoque novedoso para estimar las infecciones diarias pasadas por SARS-CoV-2, las infecciones acumuladas y la proporción de la población infectada, para 190 países y territorios, desde el comienzo de la pandemia hasta el 14 de noviembre de 2021.

Métodos

Se produjo un conjunto completo de estimaciones globales y específicas de la ubicación de infecciones diarias y acumuladas por SARS-CoV-2 hasta el 14 de noviembre de 2021, utilizando datos en gran parte de la Universidad Johns Hopkins y bases de datos nacionales para casos notificados, hospitalizaciones y muertes notificadas, así como encuestas de seroprevalencia identificadas a través de revisiones previas, SeroTracker y organizaciones gubernamentales. Se corrigieron estos datos por sesgos conocidos, como retrasos en la notificación, se contabilizaron la subnotificación de muertes mediante el uso de un modelo estadístico de la proporción de exceso de mortalidad atribuible al SARS-CoV-2 y se ajustaron las encuestas de seroprevalencia para la disminución de la sensibilidad de los anticuerpos, las vacunas y la reinfección por variantes del SARS-CoV-2. Después, se creó una base de datos empírica de índices de detección-infección (IDI), índices de hospitalización-infección (IHI) e índices de mortalidad-infección (IMI). Para estimar una serie de tiempo completa para cada ubicación, se desarrollaron modelos estadísticos para predecir el IDI, el IHI y el IMI por ubicación y día, probando un conjunto de predictores justificados a través de revisiones sistemáticas publicadas. Se combinaron tres series de estimaciones de infecciones diarias en una estimación más robusta de infecciones diarias. Las infecciones diarias se usaron para estimar las infecciones acumuladas y la proporción acumulada de la población, con una o más infecciones, y se calcularon las estimaciones posteriores de IDI, IHI e IMI acumuladas usando las infecciones acumuladas y los datos corregidos sobre casos notificados, hospitalizaciones y fallecidos. Las infecciones diarias se convirtieron en una serie temporal histórica de R efectiva por ubicación y día, en función de las suposiciones de duración desde la infección hasta la infecciosidad, y el tiempo que un individuo pasó siendo infeccioso. Para cada una de estas cantidades se calculó una distribución basada en un marco de conjunto que capturó la incertidumbre en las fuentes de datos, el diseño del modelo y los supuestos de los parámetros.

Resultados

Las infecciones diarias mundiales por SARS-CoV-2 fluctuaron entre 3 millones y 17 millones de nuevas infecciones por día, entre abril de 2020 y octubre de 2021, alcanzando su punto máximo a mediados de abril de 2021, principalmente como resultado de aumentos repentinos en la India. Entre el comienzo de la pandemia y el 14 de noviembre de 2021, hubo un total estimado de 3.80 mil millones (intervalo de incertidumbre del 95% [II 95%]: 3.44 a 4.08) de infecciones y reinfecciones totales por SARS-CoV-2 combinadas, y un estimado de 3.39 mil millones (II 95%: 3.08 a 3.63) de personas, o el 43.9% (II 95%: 39.9 a 46.9) de la población mundial, se habían infectado una o más veces. Un total de 1.34 mil millones (II 95%: 1.20 a 1.49) de estas infecciones ocurrieron en el sur de Asia, la más alta entre las siete superregiones, aunque la superregión de África subsahariana tuvo la tasa de infección más alta (79.3 por 100 habitantes [II 95%: 69.0 a 86.4]). La superregión de ingresos altos tuvo la menor cantidad de infecciones (239 millones [II 95%: 226 a 252]), y el sudeste asiático, el este de Asia y Oceanía tuvieron la tasa de infección más baja (13.0 por 100 habitantes [II 95%: 8.4 a 17.7]). La proporción acumulada de la población alguna vez infectada varió mucho entre países y territorios, con tasas superiores al 70% en 40 países, e inferiores al 20% en 39 países. No hubo una relación perceptible entre la R efectiva y la inmunidad total, e incluso a niveles de inmunidad total del 80% no se observaron indicios de una caída abrupta en la R efectiva, lo que indica que no se observa un umbral claro de inmunidad colectiva en los datos.

Conclusiones

Se estima que más del 40% de la población mundial ha sido infectada por SARS-CoV-2 al menos una vez entre el inicio de la pandemia y el 14 de noviembre de 2021. Las grandes diferencias en la proporción acumulada de la población infectada en todos los lugares podría ayudar a los encargados de formular políticas a identificar las estrategias de prevención de la transmisión que han sido más eficaces, así como las poblaciones con mayor riesgo de infección futura. Esta información también podría ser útil para intervenciones específicas de prevención de la transmisión, incluida la priorización de vacunas. 



ua40317

Imprimir esta página