Dinámica de la infección por SARS-CoV-2 en Dinamarca, de febrero a octubre de 2020: Naturaleza de la epidemia pasada y cómo puede desarrollarse en el futuro

Michael Skytte Petersen, Niels Høiby indican tres posibles escenarios del COVID-19 a los que se puede enfrentar Dinamarca este invierno y cuáles son las soluciones en cada caso. Desde marzo, han tratado de desarrollar un entendimiento de la pandemia en Dinamarca. Las simulaciones hechas en su investigación pueden ser adaptadas a España. El objetivo de la investigación es que las simulaciones sean útiles para afrontar la temporada de invierno, ya que podría hacer estimaciones robustas tanto para la escala de una epidemia en expansión como para la carga esperada en el sistema de salud.

Los datos más importantes a destacar son:

(i) Hay aproximadamente un 84% de asintomáticos y un 16% de infectados sintomáticos en Dinamarca;

(ii) La tasa de mortalidad danesa por COVID-19 es de aproximadamente 0,4%

(iii) La eficiencia estimada del rastreo de contactos y rastreo de infecciones en Dinamarca es de aproximadamente el 40%

(iv) El número estimado de muertes por COVID-19 en exceso en una pandemia libre sin políticas o modificaciones de comportamiento habría sido de unas 63.000 personas fallecidas, más del doble de la muerte anual en DK (en total 53.958 muertes en el año 2019)

https://www.medrxiv.org/content/10.1101/2020.11.04.20225912v1?fbclid=IwAR3kwrDyX83WO_vbCkmPwew8UVh2rhavAmwcs254v-vQ6ZRz44Rvu77OG5g

SARS-CoV-2 infection dynamics in Denmark, February through October 2020: Nature of the past epidemic and how it may develop in the future

, , Niels Høiby

doi: https://doi.org/10.1101/2020.11.04.20225912

This article is a preprint and has not been peer-reviewed [what does this mean?]. It reports new medical research that has yet to be evaluated and so should not be used to guide clinical practice.

Abstract

Background There has long been uncertainty about the relative size of the “dark” numbers, the infected population sizes and the actual fatality rate in the COVID-19 pandemic and thus how the pandemic impacts the healthcare system. As a result it was initially predicted that the COVID-19 epidemic in Denmark would overwhelm the healthcare system and thus both the diagnosis and treatment of other hospital patients were compromised for an extended period.

Antecedentes Durante mucho tiempo ha existido incertidumbre sobre el tamaño relativo de las cifras "oscuras", el tamaño de las poblaciones infectadas y la tasa real de mortalidad en la pandemia de COVID-19 y, por tanto, sobre la forma en que la pandemia afecta al sistema sanitario. Como resultado, se predijo inicialmente que la epidemia de COVID-19 en Dinamarca desbordaría el sistema de salud y, por lo tanto, tanto el diagnóstico como el tratamiento de otros pacientes hospitalarios se vieron comprometidos durante un período prolongado.

Aim To develop a robust method for reliable estimation of the epidemic and the healthcare system load in Denmark, both retrospectively and prospectively. To do this a new pandemic simulation had to be developed that accounts for the size and the infection impact of the infectious incubating and asymptomatic infected individuals (dark numbers).

Desarrollar un método robusto para la estimación fiable de la epidemia y la carga del sistema sanitario en Dinamarca, tanto retrospectiva como prospectivamente. Para ello se tuvo que desarrollar una nueva simulación de la pandemia que tuviera en cuenta el tamaño y el impacto de la infección de los individuos infectados incubados y asintomáticos (números oscuros).

Methods Our epidemic simulation is based on a SEIRS (Susceptible - Exposed - Infected - Recovered - Susceptible) model, coupled to a simple healthcare model that also includes deaths outside hospital settings. The SEIRS model has separate assessments of asymptomatic and symptomatic cases with different immunological memories. The main data used for parameter estimation in the models are hospital and ICU occupations, death data, serological data of antibody prevalence from the onset through August 2020 together with hospital data and clinical data about the viral infection. Optimal model parameters are in part identified by Monte Carlo based Least Square Error methods while micro-outbreaks are modeled by noise and explored in Monte Carlo simulations. Estimates for the infected population sizes are obtained by using a quasi steady state method.

Results The age adjusted antibody prevalence in the general population in May 2020 was 1.37%, which yields a relative frequency of symptomatic and asymptomatic cases of 1 to 5.2. Due to the large asymptomatic population found, the actual mortality rate to date is 0.4%. However, with no behavioral and policy restrictions the COVID-19 death toll would have more than doubled the national average yearly deaths within a year. The transmission rate ℛ₀ was 5.4 in the initial free epidemic period, 0.4 in the lock-down period and 0.8 -1.0 in the successive re-opening periods through August 2020. The estimated infected population size July 15 to August 15 was 2, 100 and 12, 200 for October 1 - 20, 2020. The efficiency of the applied daily testing strategy for both periods are estimated to be 40% of the PCR observable infected. Of more theoretical interest we demonstrate how the critical infection parameters for COVID-19 are tightly related in a so-called iso-symptomatic infection diagram.

La prevalencia de anticuerpos ajustada a la edad en la población general en mayo de 2020 era del 1,37%, lo que arroja una frecuencia relativa de casos sintomáticos y asintomáticos de 1 a 5,2. Debido a la gran población asintomática encontrada, la tasa de mortalidad real hasta la fecha es del 0,4%. Sin embargo, sin restricciones de comportamiento y de política, el número de muertes de COVID-19 habría más que duplicado el promedio nacional de muertes anuales en un año. La tasa de transmisión ℛ0 fue de 5,4 en el período inicial de la epidemia libre, 0,4 en el período de cierre y 0,8 -1,0 en los sucesivos períodos de reapertura hasta agosto de 2020. El tamaño estimado de la población infectada del 15 de julio al 15 de agosto fue de 2.100 y 12.200 para el 1 al 20 de octubre de 2020. Se estima que la eficiencia de la estrategia de pruebas diarias aplicadas para ambos períodos es del 40% de la PCR observable infectada. De mayor interés teórico demostramos cómo los parámetros críticos de infección para COVID-19 están estrechamente relacionados en el llamado diagrama de infección isosintomática.

Conclusions Our simulation may be useful if a major infection wave occurs in the winter season as it could make robust estimates both for the scale of an ongoing expanding epidemic and for the expected load on the healthcare system. Our simulation may also be useful to assess a future controlled epidemic, e.g. as a basis for evaluating different testing strategies based on estimated infected population sizes. Finally, we believe our simulation can be adjusted and scaled to other regions and countries, which we illustrate with Spain and the US.

Conclusiones Nuestra simulación puede ser útil si se produce una ola de infección importante en la temporada de invierno, ya que podría hacer estimaciones sólidas tanto para la escala de una epidemia en expansión como para la carga prevista en el sistema de salud. Nuestra simulación también puede ser útil para evaluar una futura epidemia controlada, por ejemplo, como base para evaluar diferentes estrategias de pruebas basadas en el tamaño estimado de la población infectada. Por último, creemos que nuestra simulación puede ser ajustada y escalada a otras regiones y países, lo que ilustramos con España y los EE.UU.

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator

Competing Interest Statement

The authors have declared no competing interest.

Funding Statement

Fudning is provided by: University of Southern Denmark Statens Serum Institut University of Copenhagen Rigshospitalet

Author Declarations

I confirm all relevant ethical guidelines have been followed, and any necessary IRB and/or ethics committee approvals have been obtained.

Yes

The details of the IRB/oversight body that provided approval or exemption for the research described are given below:

No personal patient data are used

All necessary patient/participant consent has been obtained and the appropriate institutional forms have been archived.

Yes

I understand that all clinical trials and any other prospective interventional studies must be registered with an ICMJE-approved registry, such as ClinicalTrials.gov. I confirm that any such study reported in the manuscript has been registered and the trial registration ID is provided (note: if posting a prospective study registered retrospectively, please provide a statement in the trial ID field explaining why the study was not registered in advance).

Yes

I have followed all appropriate research reporting guidelines and uploaded the relevant EQUATOR Network research reporting checklist(s) and other pertinent material as supplementary files, if applicable.

Yes

Paper in collection COVID-19 SARS-CoV-2 preprints from medRxiv and bioRxiv