En este blog se publican regularmente comentarios, informes y otros artículos basados en el análisis de los datos, modelos y previsiones realizados por INVERENCE en relación a la pandemia de COVID-19.
This blog contains periodically published comments, reports, and other articles on the analysis of data, models and forecasts developed by INVERENCE about the COVID-19 pandemic.
2020-06-10
El miércoles 3 de junio, el Instituto Nacional de Estadística (INE) publicó la serie semanal de mortalidad desde el año 2000, incluyendo la elevación a población total de los decesos observados en los registros civiles informatizados. En esta nota se describe el modelo usado para generar una curva de mortalidad esperada (no afectada por Covid-19) usado para estimar el incremento de la mortalidad debido a la pandemia.
2020-05-17
Tanto los datos oficiales del Ministerio de Sanidad como las cifras de exceso de mortalidad por todas las causas registradas en MoMo infravaloran la mortalidad provocada por la epidemia de COVID-19. En este artículo explicamos los cálculos que nos llevan a estimar que la cifra de fallecidos asciende a 50.000.
2020-05-17
Este documento describe el trabajo de Inverence para mejoarar la estimación de la mortalidad esperada en España (respecto al a ofrecida por Momo), cuyos aspectos técnicos serán publicados en los próximos días. La utilidad inmediata de dicho trabajo es la medida de la mortalidad incremental durante la epidemia Covid-19, aunque los modelos y procedimientos desarrollados son útiles para medir cualquier otra epidemia o para erupciones posteriores del propio Covid-19.
2020-05-11
El informe MoMo del día 10 de mayo menciona que los registros civiles del municipio de Barcelona apenas han informado de fallecimientos durante la epidemia. Hemos modificado la estimación de las defunciones para Cataluña en función de la población que representa el municipio de Barcelona. La diferencia del actual valor estimado del número real de fallecidos con respecto al que hemos venido dando hasta ahora, sin esta corrección, es de aproximadamente 4.000 fallecidos.
2020-05-06
¿Cómo están construidas nuestras previsiones? ¿En qué modelos se basan? En este documento se describe en detalle la metodología aplicada por Inverence en el análisis de datos y la estimación de previsiones de la pandemia de COVID-19.
2020-04-26
Dado el interés suscitado por nuestras estimaciones del número real de fallecidos por COVID-19 en base a datos de registros civiles en España, publicamos un documento técnico en el que se da cuenta detallada de los procedimientos estadísticos que nos permiten obtener dichas cifras. Con esta publicación pretendemos aportar transparencia respecto al origen de nuestros resultados, así como posibilitar que otros grupos de investigación puedan aprovechar nuestros desarrollos para continuar profundizando en el estudio de la magnitud de la pandemia.
2020-04-18
Para los estadísticos, los científicos de datos y seguramente para una gran parte de la sociedad el estado del aparato estadístico de seguimiento del Covid-19 es una fuente de frustración. La situación hoy sigue siendo, esencialmente, idéntica a la de ayer que ya analizamos de urgencia en otra entrega. Los datos de Navarra plantean una doble ruptura. El caso de Cataluña es más complicado, con una cifra de fallecidos "negativa" el día de ayer.
2020-04-17
Diariamente, el Ministerio de Sanidad proporciona cifras de fallecidos por Covid-19 que hemos dado en llamar oficiales para distinguirlas de la mortalidad real que tiene que estimarse en base a la mortalidad observada por cualquier causa en los registros civiles y comparando dicha cifra con la mortalidad esperada. Las cifras oficiales de hoy son sorprendentes por varios motivos.
2020-04-16
En este documento explicamos el procedimiento que se ha seguido para llevar a cabo la estimación del número de muertos reales en España por COVID-19 hasta la fecha, cuyos resultados, publicados en la entrada del día 13 de abril, han suscitado interés en la prensa nacional.
2020-04-14
La heterogeneidad de los datos de hospitalizaciones e ingresos en UCI ofrecidos por el Ministerio de Sanidad para cada Comunidad Autónoma supone una dificultad añadida a la hora de modelar y predecir la evolución de la epidemia. En INVERENCE, realizamos el tratamiento apropiado de los datos para corregir las inconsistencias y producir previsiones robustas.
2020-04-13
¿Cual es el número real de muertos que ha causado Covid-19 en España hasta ahora? ¿Cual es el número real de muertos que va a causar Covid-19 cuando la epidemia haya pasado, o al menos haya pasado la actual oleada de la epidemia? Estas son preguntas esenciales y perentorias. Nuestras respuestas a esas preguntas se sumarizan en las tablas y gráficos que se presentan en esta entrada.
2020-04-13
What is the actual Covid-19 death toll in Spain so far? What will the actual Covid-19 death toll be by the end of (this wave of) the epidemic? These are essential and decisive questions. Our answers are summarized in this post.
2020-04-09
Nota breve sobre la metodología aplicada en la construcción de los modelos predictivos.
2020-04-09
Brief summary of the methodology followed in the design of predictive models.
2020-04-08
Recientemente, distintos medios de comunicación entre los que se encuentran El País, The Economist, El Mundo y El Español, entre otros, han suscitado la cuestión respecto al número real de muertos por COVID-19, sugiriendo que el número real de muertes es mucho más alto que el que dan las cifras oficiales del Ministerio de Sanidad.
2020-04-08
Certain issues regarding the real number of deaths from COVID-19 have been recently raised in several media, including El País, The Economist, El Mundo and El Español, among others, suggesting that the actual death toll may be much higher than what official figures from Spain’s Ministry of Health show.
2020-04-07
Esta es la actualización del modelo de medio-largo plazo que presentaba ayer. Quiero precisar que las previsiones publicadas en nuestra web, se basan en este modelo pero combinadas con las de otros modelos de corto plazo. La previsión de casos sigue siendo muy robusta y de hecho coincide perfectamente con el último repunte en casos, el cual obedece casi con toda seguridad a un asunto contable que a que realmente haya aumentado el número de nuevos contagios. Es posible que el fin de semana se hagan menos tests que entre semana, pero más bien parece que se contabilicen más tarde, ya que ocurre lo mismo con los fallecimientos.
2020-04-07
This is the model update for mid-long term predictions I was talking about yesterday. I want to point out that the forecasts published in our website are based on this model, but combined also with other short-term models. The forecast of confirmed cases continues to be quite robust and, in fact, matches perfectly the recent upturn in number of cases, which is most likely due to accounting effects, rather than a real increase in the number of infections. It is possible that fewer tests were taken during the weekend, but it rather seems that they may have been just accounted for later, since a similar effect is observed in the number of deaths (which doesn’t depend on the number of tests taken).
2020-04-06
En epidemiología se utilizan modelos SIR, más o menos complejos, pero siempre de corte determinista, que resuelven ecuaciones en derivadas parciales de un modo en cierta forma similar a los modelos meteorológicos que tan buenos resultados están dando. Sin embargo, los modelos SIR y sus variantes no siempre funcionan muy bien en la práctica porque se requiere un nivel de información muy bueno y detallado, cosa que no está ocurriendo. Nuestro enfoque no es determinista sino probabilístico, para intentar lidiar con el ruido incorporado a los datos y extraer la señal informativa subyacente. Usamos muchas menos ecuaciones pero teniendo en cuenta que los datos no son un dogma de fe, y por otra parte las vamos cambiando con cada nuevo dato que llega.
2020-04-06
In epidemiology it is standard to use SIR models, with different degrees of complexity, but always from a deterministic standpoint, which solve partial derivative equations in a somewhat similar way to weather forecasting models, which nowadays are providing such good results. However, SIR models and their variants do not always work well in practice because a highly accurate and detailed degree of information is required, which is not the case with data available about this pandemic. Our approach is not deterministic, but probabilistic, in an attempt to deal with the noise present in the data and extract the underlying informative signal. We use many fewer equations but we take into account that data are not a dogma of faith, and we adjust them every time there is new data.
