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: