EVOLUCIÓN MÁS PROBABLE DEL NÚMERO DE CONTAGIOS Y FALLECIMIENTOS POR COVID-19 EN ESPAÑA (08/04/20)

El primer gráfico muestra la evolución más probable del número de afectados por el Covid-19 en España, calculada a partir de las cifras facilitadas por la Red Nacional de Vigilancia Epidemiológica. Los puntos azules corresponden a las cifras diarias reales de afectados y la curva roja a los que resultan de la metodología que se describe al pie.

Al día hoy los datos reales (146.690) coinciden prácticamente con los previstos (148.362)

Cada día iremos actualizando la representación gráfica de nuestra estimación así como las fechas de terminación de contagios a menos de 10

Fechas clave previstas de número de fallecimientos caída del número de personas contagiadas a niveles significativamente no significativos (menos de 10 personas diarias) entre el 21/06/20 y 27/06/20

 

El segundo gráfico muestra la evolución más probable del número de fallecidos por el Covid-19 en España, calculada a partir de las cifras facilitadas por la Red Nacional de Vigilancia Epidemiológica. Los barras azules corresponden a las cifras diarias reales de fallecimientos y la curva roja a los que resultan de la metodología que se describe al pie.

 

 

 

Nota metodológica sobre el modelo aplicado.

La evidencia empírica disponible sobre la evolución temporal de los procesos infecciosos demuestra que siguen el perfil de una función de forma sigmoide asimétrica.

El modelo que utilizamos para los cálculos posteriores sobre la evolución más probable de la pandemia de Covid-19 en España y en las distintas Comunidades Autónomas está basado en la función de Gompertz que permite conocer de forma relativamente sencilla el número total de infectados y la evolución más probable del proceso, a partir del momento en el que el número de infectados llega al punto de inflexión o si se quiere del máximo de su derivada primera.

 

La función derivada presenta una forma campaniforme asimétrica cuyas características matemáticas determinan que la masa anterior al máximo sea el 40 % de la masa total y posterior, el  60 % restantes, sean cuales sean el tamaño de la masa, en este caso, el número total de infectados, el tamaño del pico y el tiempo transcurrido para alcanzar ese pico.

Cuando las autoridades sanitarias insisten en la necesidad de aplanar la curva de contagios para no saturar la capacidad del sistema sanitario, se refieren obviamente a la derivada primera.

Los cálculos que siguen se basan en la información facilitada diariamente por la Red Nacional de Vigilancia Epidemiológica en la página web del Ministerio de Sanidad, sobre número de personas contagiadas, hospitalizadas, ingresadas en unidades UCI y fallecidas.

No pretendemos acertar lo que va a suceder en el futuro sino estimar la evolución más probable de la pandemia y, por consiguiente, la fecha en la que el número de contagios caiga a niveles estadisticamente no significativos, con toda la información disponible, que en la medida que cambia diariamente determina que las estimaciones cambien igualmente.

No cabe descartar que la infección pueda repuntar por las razones que sean en cualquier momento y que todas las previsiones anteriores sobre la duración de la pandemia decaigan.

 

Un comentario

en “EVOLUCIÓN MÁS PROBABLE DEL NÚMERO DE CONTAGIOS Y FALLECIMIENTOS POR COVID-19 EN ESPAÑA (08/04/20)
Un comentario en “EVOLUCIÓN MÁS PROBABLE DEL NÚMERO DE CONTAGIOS Y FALLECIMIENTOS POR COVID-19 EN ESPAÑA (08/04/20)
  1. Artículo muy interesante.
    Me gustaría, si es posible que explicaran o hicieran referencia al origen de la fórmula que están aplicando. Comentarles que, con esa misma función (o una variante muy parecida) estamos haciendo un seguimiento en un hilo de Burbuja.info, pero la fórmula que estamos aplicando es la siguiente variante de Gompertz: U-model (absolute max. growth rate), pueden buscar en Internet referencias. Yo estoy manteniendo un post en mi Blog con la evolución de las muertes aquí: https://www.mrmiguelrodriguez.com/covid-19-modelo-gompertz-zwiering-muertes-espana/

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.