La propuesta de este estudio es describir la demora en la notificación de muertes por COVID-19, en la ciudad São Luís, Maranhão, Brasil, y demostrar su impacto en el seguimiento puntual, así como en el modelaje de la pandemia de COVID-19. Un objetivo secundario fue confirmar el alcance, donde la previsión inmediata es capaz de mejorar el retraso en la notificación de las muertes. Analizamos los datos de muertes por COVID-19 diariamente en el Boletín Epidemiológico de la Secretaría de Estado de la Salud de Maranhão y calculamos los atrasos notificados desde el 23 de marzo al 29 de agosto, 2020. Con el fin de ilustrar el impacto del retraso en la notificación de muertes, y para probar la efectividad de la predicción inmediata bayesiana en la mejora de los datos de calidad, ajustamos un modelo jerárquico bayesiano semi-mecanicista. Solo un 17.8% de las muertes se notificaron sin atrasos o el día después, mientras que un 40.5% se vieron retrasadas durante más de 30 días. Debido a la demora informada, se produjo una subestimación inicial de muertes. No obstante, desde el 7 de junio al 29 de agosto, se informó de 644 muertes, pero solamente 116 muertes se produjeron durante este periodo. El uso de la técnica de predicción inmediata bayesiana mejoró parcialmente la calidad de la información de mortalidad durante el pico de la epidemia, presentando estimaciones que se ajustan mejor al escenario observado en la ciudad, pero no fue útil casi 2 meses después del pico. El retraso en la notificación de muertes podría interferir directamente en la toma de decisiones asertivas y puntuales, respecto a la pandemia de COVID-19. Por consiguiente, se debe revisar urgentemente el sistema brasileño de vigilancia epidemiológica y la notificación de la fecha de muerte debería ser obligatoria. La técnica de predicción inmediata ha demostrado ser bastante efectiva para mejorar la calidad de los datos de mortalidad solamente en el pico pandémico, pero no después.
Palabras-clave:
COVID-19; SARS-CoV-2; Registros de Mortalidad; Exactitud de los Datos
Thumbnail
Thumbnail
Thumbnail
Thumbnail
50%CI: 50% credible interval; 95%CI: 95% credible interval. Legend: Left: blue bands are estimated infections, dark blue 50%CI, light blue 95%CI and red bars are reported cases. Middle: blue bands are predicted deaths, credible interval as in left plot and red bars are reported deaths. Right: green bands are R t estimates, dark green 50%CI and light green 95%CI.
50%CI: 50% credible interval; 95%CI: 95% credible interval. Legend: Left: blue bands are estimated infections, dark blue 50%CI, light blue 95%CI and red bars are reported cases. Middle: blue bands are predicted deaths, credible interval as in left plot and red bars are reported deaths. Right: green bands are R t estimates, dark green 50%CI and light green 95%CI.