Acceso usuarios
Alexandre Medeiros de Figueiredo, Antonio Daponte Codina 
, Daniela Cristina Moreira Marculino de Figueiredo, Rodrigo Pinheiro Toledo Vianna, Kênio Costa de Lima, Eugenia Gil García
Objetivo Analizar la evolución de la epidemia de COVID-19 después del estado de alarma e identificar factores asociados a las diferencias entre las comunidades autónomas.
Método Estudio ecológico que utilizó variables epidemiológicas, demográficas, ambientales y sobre la estructura de los servicios sanitarios como variables explicativas. El periodo de análisis fue desde el 15 de marzo (inicio del estado de alarma) hasta el 22 de abril de 2020. Las tasas de incidencia y de mortalidad fueron las variables respuesta principales. La magnitud de las asociaciones se ha estimado mediante el coeficiente de correlación de Spearman y el análisis de regresión múltiple.
Resultados Las tasas de incidencia y de mortalidad en el momento del decreto del estado de alarma se asocian con las tasas de incidencia, mortalidad y demanda hospitalaria actuales. Las temperaturas medias más altas se asocian significativamente con una menor incidencia actual de COVID-19. Asimismo, una mayor proporción de personas mayores en residencias se asocia significativamente a una mortalidad actual más elevada.
Conclusión Es posible predecir la evolución de la epidemia a través del análisis de la incidencia y de la mortalidad. Las temperaturas más bajas y la elevada proporción de personas mayores en residencias son factores asociados a un peor pronóstico. Estos parámetros deben ser considerados en las decisiones sobre el momento y la intensidad de la implantación de las medidas de contención. En este sentido, fortalecer la vigilancia epidemiológica es esencial para mejorar las predicciones.
Objective Analyze the evolution of the epidemic of COVID-19 after the alarm state and identify factors associated with the differences between the autonomous communities.
Method Ecological study that used epidemiological, demographic, environmental and variables on the structure of health services as explanatory variables. The analysis period was from March 15th (the start of the alarm state) until April 22nd, 2020. Incidence and mortality rates were the main response variables. The magnitude of the associations has been estimated using the Spearman correlation coefficient and multiple regression analysis.
Results Incidence and mortality rates at the time of decree of alarm status are associated with current incidence, mortality and hospital demand rates. Higher mean temperatures are significantly associated with a lower current incidence of COVID-19 in the autonomous communities. Likewise, a higher proportion of older people in nursing homes is significantly associated with a higher current mortality in the autonomous communities.
Conclusion It is possible to predict the evolution of the epidemic through the analysis of incidence and mortality. Lower temperatures and the proportion of older people in residences are factors associated with a worse prognosis. These parameters must be considered in decisions about the timing and intensity of the implementation of containment measures. In this sense, strengthening epidemiological surveillance is essential to improve predictions.
