¿Qué factores explican las diferencias de las tasas de infección y de mortalidad por Covid-19 entre los países?

Esta revisión de 177 países encontró que hasta un 60% de las diferencias en tasas de infección y un 44% de la variación en mortalidad no pueden explicarse con las variables estudiadas. Entre las asociadas a mayor infección están la proporción de la población que vive por encima de los 100 m, el PIB per cápita y la proporción de infecciones atribuibles a la estacionalidad, mientras que para la mortalidad influyeron el perfil de edad, el PIB per cápita y el índice de masa corporal promedio.  The Lancet, 1º de febrero de 2022.

Resumen

Antecedentes: Las tasas nacionales de infección y mortalidad por COVID-19 han variado drásticamente desde el inicio de la pandemia. Comprender las condiciones asociadas con esta variación entre países es esencial para orientar la inversión en una preparación y respuesta más efectivas para futuras pandemias.

Métodos: Las infecciones diarias por SARS-CoV-2 y las muertes por COVID-19 para 177 países y territorios y 181 ubicaciones subnacionales se extrajeron de la base de datos de modelos del Institute for Health Metrics and Evaluation. Se calcularon y estandarizaron la tasa de infección acumulada y la tasa de infección-letalidad (IFR) para factores ambientales, demográficos, biológicos y económicos. Para las infecciones, incluimos factores asociados con la estacionalidad ambiental (medida como el riesgo relativo de neumonía), la densidad de población, el producto interno bruto (PIB) per cápita, la proporción de la población que vive por debajo de los 100 m y un indicador de la exposición previa a otros betacoronavirus. . Para IFR, los factores fueron la distribución por edades de la población, el índice de masa corporal (IMC) medio, la exposición a la contaminación del aire, las tasas de tabaquismo, el sustituto de la exposición previa a otros betacoronavirus, la densidad de población, la prevalencia estandarizada por edad de enfermedad pulmonar obstructiva crónica y cáncer y PIB per cápita. Estos fueron estandarizados usando estandarización indirecta por edad y modelos lineales multivariados. Se probaron las tasas de infección acumuladas nacionales estandarizadas y las IFR para asociaciones con 12 índices de preparación para pandemias, siete indicadores de capacidad de atención médica y otras diez condiciones demográficas, sociales y políticas mediante regresión lineal. Para investigar las vías por las cuales factores importantes podrían afectar las infecciones por SARS-CoV-2, también evaluamos la relación entre la confianza interpersonal y gubernamental y la corrupción y los cambios en los patrones de movilidad y las tasas de vacunación contra la COVID-19.

Resultados: Los factores que explicaron la mayor variación en las tasas acumuladas de infección por SARS-CoV-2 entre el 1 de enero de 2020 y el 30 de septiembre de 2021 incluyeron la proporción de la población que vive por debajo de los 100 m (5.4% [4.0–7.9] de variación), el PIB per cápita (4.2 % [1.8–6.6] de variación) y la proporción de infecciones atribuibles a la estacionalidad (2.1 % [intervalo de incertidumbre del 95 % 1.7– 2.7] de variación). No se pudo explicar la mayor parte de la variación entre países en las tasas de infección acumuladas. Los factores que explicaron la mayor variación en la IFR COVID-19 durante el mismo período fueron el perfil de edad del país (46.7% [18.4–67.6] de variación), el PIB per cápita (3.1% [ 0.3–8.6] de variación) y el IMC medio nacional (1.1% [0.2–2.6] de variación). El 44.4% (29.2–61.7) de la variación entre países en IFR no pudo explicarse. Los índices de preparación para una pandemia, cuyo objetivo es medir la capacidad de seguridad sanitaria, no se asociaron significativamente con las tasas de infección estandarizadas o las IFR. Las medidas de confianza en el gobierno y la confianza interpersonal, así como una menor corrupción gubernamental, tuvieron asociaciones más grandes y estadísticamente significativas con tasas de infección estandarizadas más bajas. Los altos niveles de confianza gubernamental e interpersonal, así como una menor corrupción gubernamental, también se asociaron con una mayor cobertura de vacunas contra el COVID-19 entre los países de ingresos medios y altos donde la disponibilidad de vacunas estaba más extendida, y una menor corrupción se asoció con mayores reducciones en movilidad. Si estas asociaciones modeladas fueran causales, un aumento en la confianza de los gobiernos de modo que todos los países tuvieran sociedades que lograran al menos la cantidad de confianza en el gobierno o la confianza interpersonal medida en Dinamarca, que está en el percentil 75 a través de estos espectros, podría haber redujo las infecciones globales en un 12.9 % (5.7–17.8) para la confianza gubernamental y en un 40.3 % (24.3–51.4) para la confianza interpersonal. De manera similar, si todos los países tuvieran un IMC nacional igual o inferior al del percentil 25, nuestro análisis sugiere que la IFR estandarizada global se reduciría en un 11.1 %.

Interpretación: Los esfuerzos para mejorar la preparación y la respuesta ante una pandemia para la próxima pandemia podrían beneficiarse de una mayor inversión en comunicación de riesgos y estrategias de participación comunitaria para aumentar la confianza que las personas tienen en la orientación de salud pública. Nuestros resultados sugieren que el aumento de la promoción de la salud para los riesgos modificables clave se asocia con una reducción de las muertes en tal escenario.

Fondos: Fundación Bill y Melinda Gates, J Stanton, T Gillespie, J y E Nordstrom y Bloomberg Philanthropies.

El artículo original:

COVID-19 National Preparedness Collaborators. Pandemic preparedness and COVID-19: an exploratory analysis of infection and fatality rates, and contextual factors associated with preparedness in 177 countries, from Jan 1, 2020, to Sept 30, 2021. The Lancet  February 01, 2022. DOI:https://doi.org/10.1016/S0140-6736(22)00172-6

Disponible en: https://bit.ly/3HpVeFH

Compartir