Autores: Kylie E C Ainslie*, Caroline Walters*, Han Fu*, Sangeeta Bhatia, Haowei Wang, Marc Baguelin, Samir Bhatt, Adhiratha Boonyasiri, Olivia Boyd, Lorenzo Cattarino, Constanze Ciavarella, , Zulma Cucunubá, Gina Cuomo-Dannenburg, Amy Dighe, Ilaria Dorigatti, Sabine L van Elsland, Rich FitzJohn, Katy Gaythorpe, Lily Geidelberg, Azra C Ghani, Will Green, Arran Hamlet, Wes Hinsley, Natsuko Imai, David Jorgensen, Edward Knock, Daniel Laydon, Gemma Nedjati-Gilani, Lucy C Okell, Igor Siveroni, Hayley Thompson, Juliette Unwin, Robert Verity, Michaela Vollmer, Patrick GT Walker, Yuanrong Wang, Oliver Watson, Charles Whittaker, Peter Winskill, Xiaoyue Xi, Christl A Donnelly, Neil M Ferguson1, Steven Riley1
On behalf of the Imperial College COVID-19 Response Team
WHO Collaborating Centre for Infectious Disease Modelling MRC Centre for Global Infectious Disease Analysis Abdul Latif Jameel Institute for Disease and Emergency Analytics Imperial College London
Resumen:
La epidemia COVID-19 fue declarada pandemia mundial por la OMS el 11 de marzo de 2020 [1]. Hasta el 20 de marzo de 2020, se habían notificado más de 254.000 casos y 10.000 muertes en todo el mundo. El brote comenzó en la ciudad china de Wuhan, Hubei en diciembre de 2019. En respuesta a la epidemia de rápido crecimiento, China impuso un estricto distanciamiento social en Wuhan el 23 de enero de 2020 [2, 3] seguido de cerca por medidas similares en otras provincias. En el pico del brote en China (principios de febrero), hubo entre 2.000 y 4.000 nuevos casos confirmados por día. Por primera vez desde que comenzó el brote no se han notificado nuevos casos confirmados causados por la transmisión local en China durante cinco días consecutivos hasta el 23 de marzo de 2020.
Esto es un indicio de que las medidas de distanciamiento social promulgadas en China han llevado al control de COVID-19. Estas intervenciones también han insinuado la productividad económica, y la capacidad de la economía china para reanudarse sin reiniciar la epidemia aún no está claro.
Aquí, estimamos la transmisibilidad de los casos notificados y comparamos esas estimaciones con datos diarios sobre el movimiento dentro de la ciudad, como un apoderado de la actividad económica. Inicialmente, el movimiento y la transmisión dentro de la ciudad estaban muy fuertemente correlacionados en las 5 provincias más afectadas por la epidemia y Beijing. Sin embargo, esa correlación se desvaneció rápidamente, especialmente fuera de Hubei, y ya no es evidente a pesar de que el movimiento dentro de la ciudad ha comenzado a aumentar. Un análisis similar para Hong Kong muestra que se pueden mantener niveles intermedios de actividad local evitando un brote grande.
Estos resultados no impiden futuras epidemias en China, ni nos permiten estimar la proporción máxima de actividad anterior dentro de la ciudad que se recuperará a medio plazo. Sin embargo, sugieren que después de un distanciamiento social muy intenso que dio lugar a la contención, China ha salido con éxito de su estricta política de distanciamiento social hasta cierto punto. A nivel mundial, China se encuentra en una etapa más avanzada de la pandemia.
Las políticas implementadas para reducir la propagación de COVID-19 en China y las estrategias de salida que siguieron pueden informar los procesos de toma de decisiones para los países una vez que se logra la contención.
Analizamos los casos notificados diariamente por COVID-19 para cada provincia de China continental y para la RAE de Hong Kong y la RAE de Macao. El número de riesgo (Rt) mide la transmisibilidad y se define como el número medio de nuevos casos generados por cada caso.
Cuando el número de casos está creciendo, Rt es mayor que 1; cuando el número de casos está disminuyendo, Rt es menor que 1.
Los cambios en Rt no son inmediatamente evidentes en caso de datos por dos razones. En primer lugar, hay retrasos desde la infección hasta la aparición de los síntomas y desde la aparición de los síntomas hasta la búsqueda de atención. En segundo lugar, las personas deben ser probadas, y esas pruebas se informa que para convertirse en un caso en estos datos.
Como apoderado de la actividad económica obtuvimos diariamente datos de movimiento dentro de la ciudad del 1 de enero al 17 de marzo de 2020 para las principales ciudades metropolitanas dentro de cada provincia en China continental, SAR de Hong Kong y SAR de Macao.
Estos datos, proporcionados por Exante Data Inc [8], midieron la actividad de viaje en relación con el promedio de 2019 (excluyendo el año nuevo lunar). Los datos subyacentes se basan en estadísticas de movimiento de personas casi en tiempo real de Baidu.
Basados en el seguimiento GPS, los datos permiten cuantificar el número de viajes realizados por persona en la población. A nivel de país, 5 viajes por persona era normal. Si eso se rebaja a 3 viajes diarios por persona, eso se describiría como una caída del 40%. Calculamos el movimiento promedio ponderado dentro de cada provincia utilizando el tamaño de la población de la ciudad Las estimaciones de Rt a lo largo del tiempo para cada región se obtuvieron utilizando el paquete EpiEstim R.
Asumimos un intervalo de serie medio de 6,48 días con una desviación estándar de 3,83 días.
Para explicar el retraso entre el inicio de los síntomas y el informe de los casos confirmados, calculamos la correlación entre el movimiento diario y Rt para la provincia de Hubei (donde el 84% de todos los casos confirmados en China, Hong Kong y Macao ocurrieron a partir del 22 de marzo) para los desajustes de tiempo entre 0 y 20 días.
Las correlaciones cruzadas se calcularon utilizando la función ccf en el paquete r de estadísticas.
La correlación más alta se observó durante un retraso de 4 días (Figura S1). A continuación, determinamos los coeficientes de correlación intrarregión de Pearson quincenales entre Rt y los datos de movimiento de cada provincia. Para determinar cómo los patrones de movimiento en la provincia de Hubei (donde se observaron más casos) influyeron en el Rt en otras regiones, también calculamos los coeficientes de correlación entre regiones de Pearson quincenales entre Rt en cada región y el movimiento en Hubei. Todos los análisis se realizaron en R 3.6.2 [11].
Encontramos que a medida que se aplicaban restricciones de movimiento dentro de China continental desde finales de enero hasta principios de febrero de 2020, el movimiento dentro de la ciudad y Rt estaban altamente correlacionados positivamente (Es decir, una disminución del movimiento estaba altamente correlacionada con una disminución de Rt).
Sin embargo, a medida que el movimiento se reanudó dentro de cada provincia o región, la correlación entre el movimiento dentro de la ciudad y Rt disminuyó considerablemente y se volvió fuertemente negativa (correlación intrarregión).
También evaluamos la correlación entre el movimiento dentro de la ciudad en Hubei y Rt en otras regiones (correlación entre regiones). El movimiento en Hubei se correlacionó inicialmente fuertemente positivamente con Rt en otras provincias/regiones. Sin embargo, a medida que se reanudó el movimiento dentro de cada provincia o región, las correlaciones entre regiones se debilitaron.
En Hong Kong, donde se aplicaron restricciones de movimiento menos estrictas y se ha mantenido un nivel de actividad económica más reducido, pero consistente, no observamos ninguna correlación entre el movimiento intra-Hong Kong y Rt
Conclusiones:
Evaluamos la correlación entre el movimiento diario y el riesgo de transmisión estimado a lo largo del tiempo y observamos una fuerte correlación positiva entre el movimiento y Rt inicialmente y luego observamos un desacoplamiento de esta correlación cuando China comenzó a eliminar las restricciones de movimiento y reiniciar su economía.
Estos resultados proporcionan pruebas de que las estrategias de contención de China siguen siendo eficaces a medida que reinician su economía.
En Hong Kong, el movimiento y Rt dentro de Hong Kong no estaban correlacionados, lo que sugiere que son capaces de mantener la actividad económica mientras que al mismo tiempo contienen COVID-19 de manera efectiva.
Gestión y Economía de la Salud 