El escenario sanitario condiciona a la economía
En este contexto es pertinente preguntarse cuáles serían las restricciones que pesan sobre el horizonte próximo de la economía derivadas de la situación sanitaria. Diversos modelos modelos de proyección epidemiológica que se han desarrollado con el mayor conocimiento de la pandemia y de su evolución permiten explorar este interrogante. Este es el propósito del análisis que se desarrolla a continuación. Al igual que en el trabajo citado al comienzo, el examen del perfil y proyecciones de la epidemia persigue la finalidad de entrever las implicaciones económicas de dicha lectura. Esto supone una doble advertencia. La construcción de estos modelos es una materia de considerable debate entre los epimediólogos y expertos dedicados al tema, y una tarea en continuo desarrollo. Por estas mismas razones las conclusiones que de allí se desprenden deben ser interpretadas con cautela, aún cuando su utilización no vaya más allá del uso de los resultados más generales dado que el propósito es, tal como se ha señalado, una herramienta auxiliar para el análisis económico.
La situación previa al 1 de julio
Con 83413 casos confirmados y 1644 fallecidos al 7 de de julio[3], el gobierno dispuso a partir del 1º del corriente mes medidas de distanciamiento social estricto para el área metropolitana, región que concentra más del 90% de los registros. En el resto del país las limitaciones a la movilidad son menos severas y de grado variable, aunque persisten restricciones para el desplazamiento entre jurisdicciones provinciales y con disposiciones diversas según los partidos y municipios.
Cabe entonces preguntarse cuáles son las razones que motivaron una reversión del grado de flexibilidad de la cuarentena. La respuesta y los anuncios oficiales señalaron el deterioro de los índices y, en particular, el riesgo de saturación del sistema hospitalario. Los siguientes cuadros tomados del modelo que aplica el Institute of Health Metrics and Evaluation (IHME), con información actualizada al 29 de junio corroboran esta presunción.[4]Los gráficos más abajo describen el panorama para el período de la proyección, en lo que respecta a evolución del número diario de fallecidos, uso de las camas de cuidado intensivo (UCIs) y la aplicación de medidas de distanciamiento social (DS).[5]
O sea que con la información que alimentaba el modelo y las medidas vigentes a fines de Junio se podía pronosticar un incremento de casi 10 veces en el número de fallecidos por día: de los casi 50 observados el 3 de julio a 495 el 9 de septiembre, con un cierto intervalo de confianza (gráfico I). Ahora bien, si tal evolución se hubiera cumplido de acuerdo a lo pronosticado, se habría producido una saturación (un exceso de 49,3%) de las camas UCIs disponibles para para pacientes COVID-19, un par de semanas antes: el 22 de agosto (gráfico II).
Precisamente, y para evitar que se alcance dicha saturación, el modelo del IHME supone que en esa fecha de agosto -en la cual se alcanzarían 350 decesos diarios- se aplican medidas muy severas de DS con el propósito de reducir la movilidad de las personas, y que las mismas tendrían una duración de un mes y medio. El grado de severidad se puede observar en el gráfico III: implica reducir la movilidad 80% respecto de la línea de base, es decir, los índices de desplazamientos mínimos de la población que se alcanzaron al inicio mismo de la cuarentena, en la semana del 20 de marzo. Este gráfico III contiene un dato observado que es clave para apreciar cómo impactaron las medidas de DS.[6]
Como se lee allí, el mayor éxito del DS se habría alcanzado el 28 de marzo – una semana posterior a la puesta en aplicación las medidas de restricción. A partir de allí comienza una tendencia creciente que se estabiliza alrededor del 50% de la movilidad habitual que imperaba antes de las medidas.
En otras palabras, si se continuaba con la intensidad de restricciones imperantes en junio y con un leve relajamiento de las mismas, el resultado habría sido la saturación del sistema de salud en la tercer semana de agosto y el escalamiento de los decesos diarios.
Es muy probable que la decisión del gobierno de aplicar una cuarentena estricta en el AMBA a partir del 1 de julio, se haya apoyado en este tipo de proyecciones u otras similares.
Cabe citar asimismo que Ahumada et al aplicando un modelo y una estimación diferente encuentran resultados análogos al descrito[7].
Los autores encuentran que, para el caso de CABA, un incremento del nivel de movilidad que se observaba a mediados de Junio pasando del 40% al 60%, implicaría alcanzar una tasa diaria de 8.5% de crecimiento de decesos respecto del 4.5% asociada al coeficiente de movilidad más bajo.
El escenario epidemiológico del II semestre
El ejercicio del IHME si bien es útil para entender cómo llegamos hasta aquí, brinda orientaciones parciales para introducir elementos de política, realizar simulaciones y comparar alternativas. El trabajo desarrollado recientemente por el Instituto de Efectividad Clínica y Sanitaria (IECS) con apoyo del Banco Inter-Americano de Desarrollo, permite efectuar este tipo de análisis.[8] El IECS trabaja con un modelo básico del tipo SIR sobre el que se pueden hacer análisis de sensibilidad modificando parámetros de política.[9]Se describen abajo dos escenarios A y B, cuya definición resulta relevante para ilustrar la situación que podríamos enfrentar a partir del 17 de julio.[10]
Escenario A
Mantener la movilidad promedio de los últimos 10 días de junio (cuarentena menos estricta). Se interviene en caso que la saturación supere 60% de las camas.
El parámetro de proyección es el coeficiente de contagio, RO, que se mantiene en 1,1 a lo largo del tiempo.
Según se observa a continuación en la tabla:
• El sistema de salud no se satura pero hay que mantener el nivel de restricciones similar al vigente en Junio de manera continua.
• No es necesaria ninguna intervención adicional.
Se relajan las condiciones respecto del promedio de los últimos 10 días de Junio y se interviene cuando la ocupación de camas de terapia intensiva supera 60%. Para reflejar la disminución de las restricciones y el aumento consecuente de la movilidad, se fija un valor arbitrario de RO=1,3 levemente superior al promedio observado. Se define además que la intervención a practicar en caso que se gatille el límite de camas, tiene por objetivo reducir el RO=1,1 y que las medidas habrán de tener una duración de 30 días.
Resultados del escenario B
Para evitar la saturación de las camas el modelo indica que hay que aplicar medidas de DS el 18 de septiembre para retornar al R=0 de fines de junio (ver el gráfico abajo). La duración se extendería de manera sostenida hasta el 21 de enero, toda vez que se procura el descenso del índice de contagio (RO=1,1), y se desea mantener el margen de seguridad en cuanto a la ocupación de camas.
Aquí es posible comparar la simulación de uno otro escenario. Mientras que en A el pico de 132 decesos diarios se alcanzaría el 31 de marzo de 2021, en el escenario B se adelanta el pico al 1 de noviembre de 2020. En otros términos, un incremento del R=0 (de 1.1 a 1.3) adelanta el punto en el cual se alcanza el máximo de decesos diarios y, también, se comprueba que se alcanza un mayor número de fallecimientos por día en dicho punto: 132 vs 335. Obsérvese también que en ambos escenarios faltan todavía varios meses para alcanzar los máximos de la curva diaria de decesos.
Limitaciones y utilidad de los modelos
El repaso realizado arriba pone de manifiesto varias cualidades de lo modelos pero también sus limitaciones. De una parte son instrumentos que ayudan a comprender cómo operan las distintas variables y su interacción a lo largo del tiempo. Estos son elementos necesarios para establecer contornos de distintos escenarios y contribuyen a una mejor preparación del sistema de salud y del diseño de medidas para controlar el factor crítico: RO.
De otro lado, son bastante obvias las limitaciones si se pretende utilizar el modelo como herramienta de planificación. En primer lugar se destaca, la dificultad de trabajar con agregados nacionales o de varias jurisdicciones porque ello implica fusionar la gestión de recursos y decisiones que tienen ámbitos diferentes. El caso de CABA-GBA es un ejemplo ilustrativo y pone de manifiesto la necesidad de una estrecha coordinación, en razón que el ámbito AMBA opera como una unidad desde el punto de vista epidemiológico. Si los datos se especifican a nivel provincial estas dificultades se aminoran: la dinámica de la epidemia queda más circunscripta y se solapa con la potestad de las autoridades y del control de los recursos sanitarios
En segundo lugar, los intervalos de confianza son importantes, lo que equivale a afirmar que la estimación arroja un conjunto de valores posibles y no tan sólo un dato. Estos márgenes de seguridad pueden resultar demasiado amplios (y por tanto de mayor costo) para ser utilizados en decisiones de política.
En tercer lugar, es necesario retroalimentar el modelo de forma continua con los datos que se van observando. Según se ha visto, la evolución del número de infectados y de decesos depende de RO, a su vez asociado positivamente con la movilidad. Esto pone de manifiesto el papel clave que juegan los tests y más en general la estrategia de testeos (dónde y cuándo se realizan) y la trazabilidad de los contagios para dar lugar al posterior aislamiento. Las posibilidades de cortar tempranamente los brotes dependen de estos elementos. Finalmente, si bien el RO se relaciona positivamente con la movilidad, hay otras medidas de DS que no necesariamente implican limitaciones al desplazamiento de la población.
Llegado a este punto parece pertinente preguntarse cuál es el aporte de los resultados que se desprenden de estos modelos, con relación al escenario económico que puede inferirse a partir de los mismos.
La pandemia condiciona la recuperación económica
Desde la aparición misma del COVID-19 quedó en claro que se trataba de un shock exógeno al sistema económico que actuaba simultáneamente tanto desde el punto de vista de la oferta como de la demanda, agravado por la incertidumbre derivada del hecho que es un virus para el cual no existe tratamiento farmacológico ni vacuna. Si bien en la actualidad hay más información y conocimiento disponible, el avance logrado es insuficiente para controlar la expansión de los contagios. Tampoco es preciso el nivel al cual se alcanza la así llamada inmunidad de rebaño. En el lenguaje cotidiano se ha afianzado el uso del término “post-pandemia” pero el concepto es impreciso. En términos estrictos, la pandemia quedará atrás una vez que la investigación científica alcance los resultados necesarios de prevención y cura. Por el momento, es prematuro avizorar resultados en este terreno. Todo parece indicar que este tipo de soluciones no estarán disponibles en el hemisferio sur hasta promediar el segundo trimestre del año próximo. No obstante, el sólo anuncio del hallazgo de la efectividad de una vacuna definirá un nuevo marco para las expectativas económicas a nivel global, principalmente en el mundo desarrollado, pero que en caso de materializarse también tendrá efectos favorables para los países en desarrollo.
En cualquier caso existe una alta probabilidad que Argentina deba convivir con la amenaza del COVID-19 al menos en los próximos tres trimestres. Pero esto no implica que el panorama que tenemos por delante sea una proyección lineal de estos últimos 5 meses. Como se ha señalado arriba, la trayectoria en la que veníamos hasta el 1 de julio, con una movilidad en ascenso que comenzaba a reflejarse en los índices de actividad industrial llevaba hacia una saturación del sistema de salud.[12]
En el curso de esta primera quincena de julio el AMBA asiste a una cuarentena más estricta. Los resultados de la misma, especialmente en términos del RO que se alcance al final de la misma resultarán claves para la definición de la próxima etapa.
Se puede conjeturar que si el índice de contagios logra reducirse, las autoridades estarán inclinadas a relajar ciertas medidas y favorecer la movilidad, lo cual sería un alivio para el desempeño de la actividad económica. Ahora bien, los resultados que arrojan los modelos parecen indicar que será difícil preservar el RO bajo control durante un largo período de tiempo. Si tal fuera el caso se impondrá nuevamente la necesidad de aplicar medidas de control, lo que significará un paso atrás para la actividad económica. No obstante, los plazos, duración y la rigidez de las medidas a aplicar dependerán estrechamente de la efectividad de las herramientas complementarias: estrategia de testeos, aislamiento de la población infectada; focalización en los grupos de riesgo (especialmente adultos mayores y pacientes con comorbilidades); instalación de protocolos sanitarios en el comercio, la industria y el transporte; concentración de acciones de prevención en áreas geográficas restringidas, etc.
Dado que existen numerosas variables en juego y persiste la incertidumbre epidemiológica de fondo, se torna muy difícil predecir cuál será el índice de movilidad aparejado a este tipo de soluciones, ni cómo se puede alternar el relajamiento y la restricción. En todo caso sí se puede afirmar que mientras más elementos auxiliares se pongan en juego y no sea solamente el expediente simple de “quedarse en casa”, se aliviará el costo económico por el lado de la oferta.
En síntesis, el escenario más probable es que Argentina deberá atravesar todavía varios meses donde estarán presentes las limitaciones de oferta. Por cierto, este es solo un ingrediente y un requisito para la reactivación de la producción, el empleo y los ingresos. Como es sabido, la economía argentina debe encarar además la respuesta a las dificultades que sobrellevaba antes del 20 de marzo y que se han acrecentado por los impactos de la pandemia.
Agradezco a Fernando Navajas e Ignacio Carciofi los comentarios e intercambio de ideas sobre los temas de este trabajo. Aplican los descargos usuales.
[1]Carciofi, R. COVID-19: Fase 4. Fundación CECE, mayo 2020.
[2]Presidencia de la Nación. Medidas del Estado Nacional para enfrentar la pandemia del coronavirus COVID-19.
[3]Sala de Situación on line, Información Epidemiológica, Ministerio de Salud, Argentina. https://www.argentina.gob.ar/salud/coronavirus-COVID-19/sala-situacion
[4]El modelo que aplica el IHME es híbrido combinando elementos del modelo epidemiológico y estadístico con datos observados hasta la fecha en que se realiza la proyección. La actualización es periódica para permitir la incorporación de nueva información. Institute of Health, Measurment and Evaluation, https://covid19.healthdata.org/argentina
[5]Las capturas de pantalla corresponden al 4 de julio.
[6]Las medidas de DS que sigue IHME tienen como referencia el menú que aplica el gobierno de Nueva Zelanda.
[7]Ahumada, H., Mairal, S., Navajas, F., COVID-19 with uncertain phases: estimation issues with an illustration for Argentina. junio 2020.
[8]El modelo del IECS fue desarrollado por un equipo de especialistas bajo la dirección del Dr. Adolfo Rubinstein. Instituto de Efectividad Clínica y Sanitaria, IECS. https://www.iecs.org.ar/covid/
[9]http://shinyapps.iecs.org.ar/modelo-covid19/
[10]Las capturas de pantallas utilizadas en los ejercicios corresponden al 4 de julio de 2020.
[11]La captura de pantalla corresponde al 8 de julio y con datos actualizados hasta el 3 de julio.
[12]El índice desestacionalizado de producción industrial subió 9% en mayo respecto del mes anterior.
Publicado en CIPPEC, el 15 de julio de 2020.