Relación entre la tasa de letalidad por COVID-19 y los recursos hospitalarios / Relation between COVID-19 fatality rate and hospital resources

Introducción: La tasa de letalidad por COVID-19 ha generado mucha preocupación entre los ciudadanos y los medios de comunicación con respecto a los números oficiales proporcionados por distintos gobiernos. La salud pública en la actualidad debe hacer frente a la pandemia más significativa del siglo xxi. Objetivo: Analizar la tasa de letalidad por COVID-19 y su relación con recursos hospitalarios críticos, en el contexto de la pandemia de la COVID-19. Métodos: Se analizó la tasa de letalidad sobre la base de datos oficiales. Se subestimó el número de casos para obtener una estimación más real del alcance de la infección, de los indicadores de recursos hospitalarios importantes (críticos) en transición pandémica que podrían elevar la tasa de letalidad posterior al estudio. Se emplearon curvas de tendencia exponencial doblemente suavizadas, distribución S y técnicas de regresión. Resultados: La curva que mejor explicó el comportamiento de fallecidos por COVID-19 en Chile fue una ecuación de regresión cúbica. La variable hospitalización básica se distribuyó como una curva S. Las variables hospitalización media, pacientes críticos, unidad tratamiento intensivo, unidad cuidado intensivo, ventiladores mecánicos totales y ventiladores mecánicos ocupados; se pudieron explicar mediante regresiones cúbicas. En todos los casos, los valores de R2 fueron superiores al 95 por ciento. Conclusiones: El número de fallecidos seguirá en aumento. Se sugiere fortificar las unidades de hospitalización básica para imposibilitar el colapso de la red sanitaria. Es necesario seguir creciendo en términos de hospitalización de media complejidad, unidad tratamiento intensivo, unidad cuidado intensivo y número total de ventiladores mecánicos para asegurar el soporte sanitario(AU)

Introduction: The fatality rate by COVID-19 has generated a lot of concern among citizens and the media regarding the official numbers provided by different governments. Public health today must cope with the most significant pandemic of the twenty-first century. Objective: Analyze the fatality rate due to COVID-19 and its relation with critical hospital resources, in the context of the COVID-19 pandemic. Methods: The fatality rate was analyzed on the basis of official data. The number of cases was underestimated to obtain a more real estimate of the extent of the infection, of the indicators of important (critical) hospital resources in pandemic transition that could raise the post-study fatality rate. Double-smoothed exponential trend curves, S-distribution and regression techniques were used. Results: The curve that best explained the behavior of COVID-19 deaths in Chile was a cubic regression equation. The basic hospitalization variable was distributed as an S-curve. The variables called mean hospitalization, critical patients, intensive treatment unit, intensive care unit, total mechanical ventilators and busy mechanical ventilators could be explained by cubic regressions. In all cases, R2 values were greater than 95percent. Conclusions: The number of deaths will continue to rise. It is suggested to fortify the basic hospitalization units to prevent the collapse of the health network. It is necessary to continue growing in terms of medium complexity hospitalization, intensive treatment unit, intensive care unit and total number of mechanical ventilators to ensure health support(AU)

Predicción del fin del confinamiento después del máximo de casos en la primera ola de la pandemia COVID-19 en Chile / Prediction of end of lockdown post-peak of cases in first wave of the COVID-19 pandemic in Chile

Introducción Los resultados del confinamiento obligatorio han sido perjudiciales en varios aspectos. No obstante, han surtido efecto en lograr el descenso de casos activos de COVID-19. Chile ha comenzado la desescalada y precisa conocer el mejor momento para poner fin a las restricciones. Objetivos Discutir las mejores condiciones y garantías para el fin del confinamiento obligatorio sobre la base de los casos nuevos, casos activos y positividad de exámenes de reacción en cadena de la polimerasa. Métodos Estudio basado en un modelo de tendencia con estimación de predicciones. Los datos de las variables de interés fueron sometidas a estudios de regresión lineal, con el objeto de determinar la curva que mejor explicaba los datos. Se estimó el coeficiente de determinación, la desviación estándar de y en x y el intervalo de confianza de la curva observada. Posteriormente, fue escogida la curva de tendencia en concordancia con las estimaciones de regresión. Resultados Se encontró que todas las variables dependientes tendían a disminuir con el tiempo de forma cuadrática, con excepción de la variable casos nuevos. En general, las estimaciones de coeficiente de determinación (R2) y error porcentual absoluto medio son satisfactorias, con excepción de la variable: número de exámenes de reacción en cadena de la polimerasa por día. Conclusiones Se deben tomar medidas graduales y cautelosas antes de poner fin al confinamiento obligatorio. En la actual desescalada, se deben aumentar los exámenes de reacción en cadena de la polimerasa diarios y mantener vigilancia en los indicadores de incidencia, prevalencia y positividad de dichos exámenes. La evidencia sugiere con cierto grado de confiabilidad que el confinamiento obligatorio podría levantarse de forma segura a contar del día 30 de agosto de 2020. Se deben hacer preparativos a largo plazo en contención de las futuras olas, es decir, una nueva alza de casos nuevos y activos luego del descenso.

Introduction The results of mandatory confinement have been detrimental in several respects. Nonetheless, they have resulted in reducing the number of active cases of COVID-19. Chile has begun the de-escalation and needs to know the best time to end the restrictions. Objective We discuss the best conditions and guarantees for the end of compulsory confinement. Methods This study is based on a trend model with prediction estimation. The data of the variables of interest were subjected to linear regression studies to determine the curve that best explained the data. The coefficient of determination, the standard deviation of y in x, and the confidence interval of the observed curve were estimated. The trend curve was chosen in accordance with the regression estimates. Outcomes It was found that all dependent variables tended to decrease over time in a quadratic fashion, except for the new cases variable. In general, the R2 and MAPE estimates are satisfactory, except for the variable number of PCR tests per day. Conclusions Gradual and cautious steps should be taken before ending mandatory confinement. In the current de-escalator, daily PCR tests should be increased, maintaining vigilance on indicators of incidence, prevalence, and positivity of PCR tests. Evidence suggests with some degree of confidence that mandatory confinement could be safely lifted as of August 30, 2020. Long-term preparations must be made to contain future waves of new cases.

Which curve provides the best explanation of the growth in confirmed COVID-19 cases in Chile? / Qual é a curva que melhor explica o crescimento de casos confirmados da COVID-19 no Chile? / ¿Cuál es la curva que mejor explica el crecimiento de los casos confirmados de COVID-19 en Chile?

Objective to explore the best type of curve or trend model that could explain the epidemiological behavior of the infection by COVID-19 and derive the possible causes that contribute to explain the corresponding model and the health implications that can be inferred. Method data were collected from the COVID-19 reports of the Department of Epidemiology, Ministry of Health, Chile. Curve adjustment studies were developed with the data in four different models: quadratic, exponential, simple exponential smoothing, and double exponential smoothing. The significance level used was α≤0.05. Results the curve that best fits the evolution of the accumulated confirmed cases of COVID-19 in Chile is the doubly-smoothed exponential curve. Conclusion the number of infected patients will continue to increase. Chile needs to remain vigilant and adjust the strategies around the prevention and control measures. The behavior of the population plays a fundamental role. We suggest not relaxing restrictions and further improving epidemiological surveillance. Emergency preparations are needed and more resource elements need to be added to the current health support. This prediction is provisional and depends on keeping all intervening variables constant. Any alteration will modify the prediction.