Este documento fue escrito para ayudar a aclarar la confusión que hay sobre la tasa de positividad y explicar cómo la Coalición Científica de Puerto Rico usa la métrica. Haga clic en la pregunta para ver la contestación.

¿Cuál es el objetivo de las métricas de monitoreo?

El COVID-19 es una enfermedad infecciosa, lo cual significa que mientras más infectados haya hoy, más casos infectados puede haber mañana. Sin estrategias de mitigación, el crecimiento puede ser exponencial: si hoy hubiesen 100 infectados, la semana que viene pudiesen haber 200, luego 400, 800, 1,600, etc.. Antes de que nos demos cuenta los hospitales pudiesen estar abarrotados. Por suerte, medidas de mitigación, como el distanciamiento físico, el uso de mascarillas, y la prohibición de aglomeraciones en espacios cerrados, ayudan a detener el crecimiento. Pero para saber cuándo hacen falta estas medidas, necesitamos tener métricas y estimados de casos activos en el presente.

Para generar estimados de cuántos contagiados con el virus SARS-CoV-2 hay en un momento dado (la incidencia) y si están subiendo o bajando (la tendencia), monitoreamos métricas calibradas con datos que nos informan sobre la incidencia y la tendencia. Estas métricas y el código utilizado para calcularse pueden examinarse, de manera transparente, aquí. De estas métricas, la tasa de positividad es la más útil y en esta página explicamos cómo se calibran e interpreta para hacer recomendaciones.

¿Qué es y qué no es la tasa de positividad?

La tasa de positividad se define para un periodo dado (como una semana) de dos formas:

\[\mbox{tasa de positividad (pruebas)} = \frac{\mbox{Número de pruebas moleculares positivas}}{\mbox{Número de pruebas moleculares totales}}\]

\[\mbox{tasa de positividad (casos)} =\frac{\mbox{Casos nuevos único detectados con prueba molecular}}{\mbox{Número de personas que se hicieron la prueba molecular}}\]

Aquí nos referimos a estas dos versiones como % pruebas y % casos, respectivamente. En la sección ¿Por qué se reportan distintas tasas de positividad? explicamos las diferencias, pero ambas son útiles.

Al ser un por ciento en vez de un total, en general, la tasa de positividad nos permiten comparar la tasa en periodos con pocas pruebas a la tasa en periodos con muchas pruebas. Para entender este punto consideren que en diciembre 23 se detectaron alrededor de 500 casos nuevos mientras que dos días más tarde, el día de navidad, sólo se detectaron alrededor de 40 casos. En estos dos días se hicieron alrededor de 5,000 y 400 pruebas, respectivamente. Al ver que los casos bajaron de 500 a 40, ¿debemos concluir que mejoró la situación? La contestación es no ya que se hicieron menos pruebas el 23. El hecho de que la tasa de positividad es alrededor 10% en ambos días nos ayuda a evitar llegar a esta conclusión errónea.

Importante señalar que la tasa de positividad no es lo mismo que la incidencia. La incidencia para un periodo dado se define como el por ciento de personas en todo Puerto Rico que son casos nuevos para ese periodo. Para que la tasa de positividad se aproxime a la incidencia tendríamos que hacerle pruebas a un grupo representativo de la población general y esto no es lo que se hace, ni se debe hacer. Es mucho más probable que un sintomático se haga una prueba molecular que una persona saludable sin síntomas. Noten, por ejemplo, que un día con tasa de positividad de 1% se considera bien baja, pero una incidencia de 1% se considera altísima ya que significa que se añadieron alrededor de 30,000 casos activos. Con 30,000 casos nuevos al día, los hospitales estarían abarrotados. Nuestro estimado actual es que a finales de enero entre 0.1% y 0.5% de la población estaba infectada. En la sección sobre la incidencia en Puerto Rico damos los detalles de cómo llegamos a este estimado.

No obstante monitorear la tasa de positividad es una manera práctica y útil de tener un idea de cuánto es la incidencia y predecir muertes y hospitalizaciones futuras. En la próxima sección explicamos cómo usamos la tasa de positividad para monitorear cuándo los casos suben o bajan, pero recuerden: no es lo mismo que la incidencia.

¿Cómo usamos la tasa de positividad para hacer recomendaciones?

La tasa de positividad es la mejor métrica para predecir muertes y hospitalizaciones futuras. Para ver esto, graficamos la tasa de positividad y las muertes que ocurren dos semanas más tarde para datos desde junio 1:

Noten que, en general, cuando sube la tasa de positividad, suben las muertes dos semanas más tarde: la correlación es alrededor de 0.9 para ambas definiciones de la tasa.

La siguiente tabla nos permite conectar valores de tasa de positividad con valores de muertes por día:

Tasa de positividad Muertes por día (% pruebas) Muertes por día (% casos)
0%-2% 0.8 1.0
2%-4% 2.1 4.3
4%-6% 5.7 6.6
6%-8% 5.9 7.4
8%-10% 7.2 8.7
10%+ 9.9 14.4

Como sabemos que hay más muertes cuando hay más casos, y que por lo general estas ocurren alrededor de 1-2 semanas luego de la infección, estos resultados implican que hasta ahora la tasa de positividad ha subido cuando los casos suben y ha bajado cuando los casos bajan.

Nota técnica: La excepción a este patrón es cuando se hacen tan pocas pruebas que se comienza a priorizar a los sintomáticos y como resultado la tasa sube sin que los casos necesariamente suban. En este caso la tasa de positividad alta está detectando otro problema: se están haciendo muy pocas pruebas. Cuando se hacen muy pocas pruebas es más difícil detectar y aislar los casos contagiosos. Este fenómeno lo vimos durante el comienzo de la pandemia en marzo y abril y durante las fiestas de navidad.

¿Cómo se escogen los umbrales?

La Coalición Científica ha seleccionado los umbrales de 3% y 2% para la tasa de positividad (pruebas) y la tasa de positividad (casos), respectivamente. Estos por cientos se escogen estudiando los datos de los pasados meses. Específicamente, calculamos el número de muertes por día que ocurren dos semanas después de días con tasas de positividad por debajo y por encima de estos umbrales. Entonces, notamos cuán baja tiene que ser la tasa de positividad para volver a la normalidad: menos de una muerte por COVID-19 por día.

Muertes por día para días debajo y encima del umbral.
Versión Debajo de umbral Sobre el umbral
% pruebas 0.9 8.8
% casos 1.0 8.9

Este es el mejor estimado con la información que tenemos ahora y continuaremos estudiando los datos cuidadosamente.

Es importante notar que las recomendaciones de la Coalición Científica no están basadas exclusivamente en la tasa de positividad y estos umbrales. Se consideran otros factores. Esto es particularmente cierto para recomendaciones relacionadas a decisiones para las cuales hay muchos otros factores que considerar, como la reapertura de escuelas.

¿Cómo las vacunas afectan todo esto?

Al priorizar la vacunación de las poblaciones vulnerables, es posible que la relación entre la tasa de positividad y las muertes cambie. Por ejemplo, es posible que la tasa suba porque los casos entre los jóvenes aumentan, pero porque los vulnerables no se infectan las muertes no suben.

Una vez haya inmunidad de rebaño los casos deben bajar a casi cero y la tasa de positividad dejará de ser la métrica principal que seguimos.

¿Por qué no usamos las pruebas de antígenos?

Comenzando en noviembre, en Puerto Rico se empezaron a hacer eventos de pruebas masivas gratis. En estos eventos se usan pruebas de antígenos. Estos eventos son muy importantes, pues nos permiten detectar casos y recomendar aislamiento. Pero aquí explicamos por qué no incluimos estos datos en el cálculo de tasa de positividad.

Bajo esta estrategia esperamos ver tasas de positividad mucho más bajas que lo que vemos con las pruebas moleculares. ¡Pero esto no implica que haya menos casos! La razón es que para un sintomático es mucho más probable hacerse una prueba molecular que esperar a uno de estos eventos. Para conectar valores de la tasa de positividad basada en pruebas de antígenos a casos, hospitalizaciones y muertes necesitaríamos calibrar como hicimos en la sección sobre ¿Cómo es útil la tasa de positividad? Pero, desafortunadamente, no tenemos suficientes datos de pruebas de antígenos de marzo a octubre.

Finalmente, notamos que mezclar datos de ambas pruebas, moleculares y de las de antígeno, empeora grandemente la tasa de positividad como métrica de monitoreo. Vemos esto comparando la relación de las muertes por día versus la tasa de positividad (casos) definida con pruebas moleculares (izquierda) y combinando pruebas moleculares y de antígenos (derecha). Mostramos datos de noviembre 1 a enero 24:

El poder de predicción baja sustancialmente al añadir los resultados de pruebas de antígenos. Una posible explicación para esto es que la tasa sube y baja dependiendo de cuántas de las pruebas incluidas son de antígeno, lo cual no tiene nada que ver con cuántos casos reales hay.

Nota técnica: Otra razón por la cual la tasa de positividad es menor cuando se usan pruebas de antígeno es que estas pruebas tienen menos sensibilidad que las pruebas moleculares. Esto quiere decir que cuando una persona infectada se hace una prueba de antígeno es más probable salir negativo por error que si se hace una prueba molecular.

¿Podemos comparar la tasa de positividad a la de otras jurisdicciones?

No es recomendado hacer comparaciones directas ya que la tasa de positividad es afectada por varios factores que pueden ser únicos en cada jurisdicción. Para empezar hay que estar seguro que se está usando la misma definición en ambas jurisdicciones ya que varía. El hecho de que algunas jurisdicciones hacen muchísimas más pruebas que en Puerto Rico hace que sus tasas sean más bajas. Por último, para la tasa basada en pruebas, el por ciento de personas que se hacen múltiples pruebas puede afectar la tasa de positividad.

¿Por qué se reportan distintas tasas de positividad?

Durante la pandemia se han usado diferentes definiciones de tasa de positividad. De aquí emana mucha de la confusión. Pero si entendemos las definiciones, y las mantenemos fijas, esto no es un problema. Aquí damos las definiciones y explicamos las diferencia.

La definición más sencilla es:

\[\mbox{tasa de positividad (pruebas)} = \frac{\mbox{Número de pruebas moleculares positivas}}{\mbox{Número de pruebas moleculares totales}}\] Aquí llamaremos esta versión % pruebas.

Otra definición comúnmente usada es:

\[\mbox{tasa de positividad (casos)} =\frac{\mbox{Casos nuevos único detectados con prueba molecular}}{\mbox{Número de personas que se hicieron la prueba molecular}}\] Aquí llamaremos esta versión % casos.

La versión % pruebas es más comúnmente usada y la razón es simplemente porque es más fácil de calcular ya que no hay que descifrar si la prueba viene de una persona que ya salió positivo. El CDC, por ejemplo, usa la definición basada en pruebas cuando compara los estados. Gracias al BioPortal del Departamento de Salud, en Puerto Rico podemos calcular la versión basada en casos también.

Aunque ambas versiones pueden parecer lo mismo no lo son. La razón es que es común para una persona con prueba positiva volver a hacerse la prueba una o dos semanas más tarde y volver a salir positivo. Si sale positivo de nuevo se cuenta como prueba positiva pero no como caso único nuevo. Salir positivo dos semanas más tarde es común ya que el DNA viral continua en el cuerpo aún cuando ya no se es contagioso. Como resultado % pruebas \(>\) % casos y mientras más personas que ya salieron positivos se repiten la prueba más grande la diferencia.

Ahora bien, aunque los números no son iguales, en Puerto Rico ambas definiciones han seguido el mismo patrón durante la pandemia. Esta gráfica muestra ambas definiciones y pueden ver como suben y bajan juntas.

Siguen el mismo patrón porque el factor principal que determina el valor de estas métricas es el número de casos.

Notas técnicas:

Como cada definición tiene sus ventajas y desventajas, la Coalición Científica monitoreamos ambas usando un periodo de una semana.

¿Cual es la ventaja de la tasa de positividad sobre el número de casos confirmados?

Cuando el Departamento de Salud reporta casos confirmados para un día, se refieren a los casos detectados. Este número es mucho menor al número de personas contagiadas en Puerto Rico. ¿Por qué?

Otro problema con esta métrica es que depende de cuantas pruebas se hacen: mientras más pruebas se hacen, más casos se detectan. Aquí dos ejemplos basados en observaciones recientes:

Para ilustrar el problema, la siguiente gráfica muestra los casos nuevos detectados de octubre 15 a enero 15. Pueden ver el bajón el día de las elecciones (noviembre 3), fin de semana de acción de gracias (noviembre 26-29), y las navidades (diciembre 24-enero 6).

¿Cuál es la incidencia en Puerto Rico?

Por las razones explicadas anteriormente, no sabemos exactamente cuál es la incidencia: no detectamos todos los casos.

El mejor estimado que podemos dar está basado en las muertes. La mayoría de muertes por COVID-19 sí se detectan. Una forma de confirmar esto es que las muertes en exceso durante la pandemia se acercan a las muertes reportadas por COVID-19. La razón pr la que no usamos las muertes como métrica de monitoreo es por que toma varios días entre el día de contagio y el día de muerte, además que hay rezagos de más de una semana en reportar. Pero, una vez tenemos los datos, podemos usarlos para estimar incidencia en el pasado.

Para la siguiente gráfica ignoramos las últimas dos semanas dado el rezago en reportar y calculamos un promedio de 14 días:

La CDC da estimados del por ciento de la población que se ha infectado. Usando estos estimados encontramos que entre 0.5% y 1.5% de los casos resultan en muertes. Usando esto podemos estimar la incidencia para cada día multiplicando las muertes por día por 67 y 200 para darnos una rango. Las 6 muertes por día que estábamos viendo al final de enero 2021, resulta en estimado de 420 a 1,200 casos nuevos al día. Si suponemos que se es contagioso por 10 días, esto se traduce a entre 4,200 y 12,000 personas contagiosas en Puerto Rico: una incidencia de entre 0.14% y 0.4%.

Los datos y el código que generó los análisis presentados en este documento se pueden ver aquí. Si tienen preguntas la mejor forma es hacerlas a @rafalab en Twitter.