Since January 2020 Elsevier has created a COVID-19 resource centre with free information in English and Mandarin on the novel coronavirus COVID- 19. The COVID-19 resource centre is hosted on Elsevier Connect, the company's public news and information website. Elsevier hereby grants permission to make all its COVID-19-related research that is available on the COVID-19 resource centre - including this research content - immediately available in PubMed Central and other publicly funded repositories, such as the WHO COVID database with rights for unrestricted research re-use and analyses in any form or by any means with acknowledgement of the original source. These permissions are granted for free by Elsevier for as long as the COVID-19 resource centre remains active. G Model GACETA-1856; No. of Pages 3 ARTICLE IN PRESS Gac Sanit. 2020;xxx(xx):xxx–xxx Nota metodológica COVID19-Tracker: una aplicación Shiny para analizar datos de la epidemia de SARS-CoV-2 en España Joan Valls a , Aurelio Tobías b,∗ , Pau Satorra c y Cristian Tebé c a Departmento de Matemáticas, Universitat Autònoma de Barcelona, Bellaterra, Barcelona, España b Instituto de Diagnóstico Ambiental y Estudios del Agua, Consejo Superior de Investigaciones Científicas, Barcelona, España c Unidad de Bioestadística, Institut d’Investigació Biomèdica de Bellvitge, Barcelona, España información del artículo r e s u m e n Historia del artículo: La visualización de datos es una herramienta relevante para explorar y comunicar resultados en la Recibido el 9 de abril de 2020 investigación médica, en especial cuando se trata de vigilancia epidemiológica. La aplicación web Aceptado el 20 de abril de 2020 COVID19-Tracker analiza y produce de forma sistemática visualizaciones diarias de los datos de la epi- On-line el xxx demia de COVID-19 de casos diagnosticados y fallecimientos desde el 24 de febrero de 2020 en adelante. Se han desarrollado tres aplicaciones para: 1) análisis de la tendencia y proyecciones a corto plazo; 2) Palabras clave: estimación de la tasa de letalidad; y 3) efecto del estado de alarma sobre la tendencia de datos incidentes. SARS-CoV-2 La aplicación online puede ser de utilidad para un mejor conocimiento de la epidemia de SARS-CoV-2 en Visualización de datos Interficie web España. Regresión de Poisson © 2020 SESPAS. Publicado por Elsevier España, S.L.U. Este es un artı́culo Open Access bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/). COVID19-Tracker: a shiny app to analise data on SARS-CoV-2 epidemic in Spain a b s t r a c t Keywords: Data visualization is an important tool for exploring and communicating findings in medical research, and SARS-CoV-2 specially in epidemiological surveillance. The COVID19-Tracker web application systematically produces Data visualization daily updated data visualization and analysis of SARS-CoV-2 epidemic in Spain. It collects automatically Web browser daily data on COVID-19 diagnosed cases and mortality, from February 24th , 2020 onwards. Three appli- Poisson regression cations have already been developed: 1) to analyze data trends and estimating short-term projections; 2) to estimate the case fatality rate; and 3) to assess the effect of the lockdowns on the data trends. The application may help for a better understanding of the SARS-CoV-2 epidemic data in Spain. © 2020 SESPAS. Published by Elsevier España, S.L.U. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/). Introduccción La visualización de datos resulta relevante para explorar y comu- nicar resultados en la investigación médica, en especial para la Los primeros casos confirmados de enfermedad producida por vigilancia epidemiológica. En el contexto actual es importante ofre- SARS-CoV-2 en España se identificaron a finales de febrero de cer a la comunidad científica, así como a los agentes políticos y de 20201 . Desde entonces, España se ha convertido en el segundo país salud pública, herramientas automatizadas para la monitorización del mundo con mayor afectación (148.220 casos diagnosticados) de la epidemia, pues el análisis crudo de los datos tabulados puede y el tercero en mortalidad (14.792 fallecidos)2 . El 16 de marzo se esconder aspectos esenciales de la propia tendencia. La aplicación decretó el estado de alarma con medidas orientadas a frenar la curva web COVID19-Tracker analiza y produce de manera sistemática epidémica, restringiendo el contacto social mediante el confina- visualizaciones diarias de los datos de la epidemia de COVID-19 miento de la población general, reduciendo los transportes públicos en España desde el 24 de febrero de 2020. y cerrando comercios y empresas, a excepción de aquellos esen- ciales para abastecer a la población (Real Decreto 463/2020). Sin embargo, esta medida no fue suficiente para cambiar la tendencia Método creciente de la epidemia. Por esta razón, se sugirió un confina- miento más restrictivo3 , el cual fue decretado el 30 de marzo (Real La aplicación se ha desarrollado mediante RStudio (versión Decreto-Ley 10/2020). 1.2.5033), utilizando la librería Shiny (versión 1.4.0), ya que ofrece la posibilidad de desarrollar interficies gráficas para el usuario que pueden ser cargadas localmente o en línea de forma interac- tiva. Esto resulta en particular beneficioso para mostrar resultados actualizados a una audiencia amplia. ∗ Autor para correspondencia. La aplicación analiza y visualiza datos diarios de COVID-19, Correo electrónico: aurelio.tobias@idaea.csic.es (A. Tobías). correspondientes a casos diagnosticados y fallecidos desde el 24 de https://doi.org/10.1016/j.gaceta.2020.04.002 0213-9111/© 2020 SESPAS. Publicado por Elsevier España, S.L.U. Este es un artı́culo Open Access bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc- nd/4.0/). Cómo citar este artículo: Valls J, et al. COVID19-Tracker: una aplicación Shiny para analizar datos de la epidemia de SARS-CoV-2 en España. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.04.002 G Model GACETA-1856; No. of Pages 3 ARTICLE IN PRESS 2 J. Valls et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx Figura 1. Página web de inicio de la aplicación COVID19-Tracker para la visualización y el análisis automatizado de datos de la epidemia de SARS-CoV-2 en España. Disponible en: https://ubidi.shinyapps.io/covid19/. febrero de 2020. Estos datos se recogen diariamente de forma auto- En la actualidad no es posible realizar un estimación precisa mática del repositorio de Datadista en GitHub4 . En este repositorio de la tasa de letalidad debido al grado de subregistro de los casos se mantienen actualizados en formato adecuado los datos publi- diagnosticados en las estadísticas oficiales8 , si bien es de interés su cados por el Ministerio de Sanidad, Consumo y Bienestar Social, a estimación y seguimiento considerando dicha limitación. través del Instituto de Salud Carlos III2 . Los análisis implementados consideran el modelo de regre- Análisis de intervención sión de Poisson5 , corregido por sobredispersión6 , para estimar la tendencia y obtener proyecciones a 3 días. Todos los análisis esta- Para evaluar el efecto del estado de alarma sobre la tenden- dísticos se han implementado mediante el programa R, versión cia de datos incidentes utilizamos un diseño de series temporales 3.6.3. interrumpidas9 , usando un modelo de interacción para estimar los cambios de tendencia: Análisis de tendencia y proyecciones log(E(ct )) = ˇ0 + ˇ1 t + ˇ2 alarma + ˇ3 t ∗ alarma Para evaluar la tendencia se utiliza el modelo siguiente: donde alarma identifica los periodos antes y durante los estados de log(E(ct )) = ˇ0 + ˇ1 t + ˇ2 t 2 alarma (0 = antes de 16 marzo, 1 = 16-29 marzo y 2 = después de 30 marzo). donde t = 1, 2, . . ., t representa la unidad temporal (desde el primer Para facilitar la interpretación en función del incremento diario día hasta el último observado, T días consecutivos en total) y ct es porcentual de casos incidentes, y su intervalo de confianza del 95%, el número de eventos diarios. se asume una tendencia lineal en cada periodo10 . Las proyecciones a 3 días, y su intervalo de confianza del 95%, se obtienen a partir de los parámetros estimados por el modelo. Resultados También se calculan las tendencias y las proyecciones por grupos de edad (0-39, 40-49, 50-59, 60-69, 70-79 y 80 o más años). La aplicación presenta una estructura amigable e intuitiva que, En versiones previas de la aplicación también se consideró un mediante menús, produce visualizaciones de los datos (fig. 1). La modelo alternativo, incluyendo solo la tendencia lineal, y los mode- aplicación contempla un proceso automatizado por el cual los datos los se comparaban mediante una prueba de razón de similitudes. se actualizan cada vez que un usuario se conecta a través de la Con la evolución de la epidemia observamos que el mejor ajuste lo dirección web: https://ubidi.shinyapps.io/covid19/ proporcionaba el modelo cuadrático, descrito anteriormente, por Los menús Proyecciones y Proyecciones por edad producen la lo que es el modelo que se utiliza en la versión actual. En cualquier visualización de la tendencia de los datos y su proyección a 3 días caso, la bondad de ajuste de los modelos se evalúa regularmente en (fig. 2 a y b, respectivamente) en el ámbito estatal y por comunida- caso de ser necesaria una reformulación que pudiese proporcionar des autónomas. Los menús Letalidad y Letalidad por edad permiten un mejor ajuste de los datos durante el transcurso de la epidemia. visualizar la tendencia en la tasa de letalidad (fig. 2 c) estatal y por comunidades autónomas, aunque por grupos de edad solo en el Análisis de la letalidad ámbito estatal. Finalmente, el menú Intervención evalúa el efecto de los estados de alarma en datos incidentes nacionales (fig. 2 d). La tasa de letalidad se define como el cociente entre los fallecidos Los gráficos producidos por la aplicación permiten, cuando el y los casos diagnosticados7 . Para evaluar la tendencia se introduce usuario señala un punto concreto con el ratón, mostrar el valor en el modelo de regresión un término offset con los casos diagnos- observado y el estimado por el modelo. Asimismo, al seleccionar el ticados: gráfico permite la opción de descargarlo en formato imagen (por- table network graphic, *.png). Todos los menús están disponibles log(E(mt )) = ˇ0 + ˇ1 t + ˇ2 t 2 + log(ct ) en castellano, catalán e inglés. El menú Otras aplicaciones recoge donde mt representa el número diario de pacientes fallecidos y ct una colección de aplicaciones Shiny desarrodadas por otros usua- los casos diagnosticados. También se calculan las tasas de letalidad rios, también de utilidad para seguir la evolución de la epidemia de para los mismos grupos de edad. COVID-19 en España y globalmente. Cómo citar este artículo: Valls J, et al. COVID19-Tracker: una aplicación Shiny para analizar datos de la epidemia de SARS-CoV-2 en España. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.04.002 G Model GACETA-1856; No. of Pages 3 ARTICLE IN PRESS J. Valls et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx 3 Figura 2. Visualización estándar de la aplicación COVID19-Trarcker (resultados actualizados a 8 de abril de 2020) para el análisis de tendencias y su proyección a 3 días en el ámbito nacional (a) y por grupos de edad (b) de la tasa de letalidad (c), y análisis de intervención para evaluar el efecto de los estados de alarma sobre los datos incidentes (d). Discusión Agradecimientos La aplicación COVID19-Tracker ofrece un conjunto de herra- Se agradece a la plataforma Datadista su dedicación por poner a mientas para el análisis actualizado y la visualización gráfica que disposición de forma abierta y estructurada los datos diarios acu- pueden ser de gran utilidad para un mejor conocimiento de la mulados de la epidemia por SARS-CoV-2 en España. evolución de la epidemia de COVID-19 en España y su vigilancia epidemiológica. Financiación Como limitaciones, hay que indicar que la aplicación no tiene en cuenta los cambios en la definición de caso diagnosticado por Ninguna. COVID-19 ni en los fallecimientos, por lo que se modeliza direc- tamente el número de eventos en lugar de la tasa de incidencia, Conflictos de intereses asumiendo que toda la población está en riesgo, a excepción de la tasa de letalidad. Por otro lado, los análisis no están libres de los Ninguno. sesgos vinculados a la fuente de los datos, proporcionados diaria- mente por el Ministerio de Sanidad, Consumo y Bienestar Social2 y Bibliografía obtenidos a través del GitHub de Datadista4 , donde se pueden con- sultar detalles sobre los criterios de definición en los datos según 1. Saglietto A, D’Ascenzo F, Zoccai GB, et al. COVID-19 in Europe: the Italian lesson. Lancet. 2020;395:1110–1. las notas publicadas por el Ministerio. 2. Ministerio de Sanidad, Consumo y Bienestar Social. Instituto de Salud Carlos Seguimos planeando mejoras de la aplicación para que incluya III. Situación de COVID-19 en España. (Consultado el 8/4/2020.) Disponible en: nuevos análisis y visualizaciones. Además, la aplicación podría ser https://covid19.isciii.es/. extensible para su uso en otros países o áreas geográficas. En resu- 3. Mitjà O, Arenas A, Rodó X, et al. Experts’ request to the Spanish Government: move Spain towards complete lockdown. Lancet. 2020;395:1193–4. men, esta aplicación, de uso sencillo, viene a ocupar un espacio 4. Datadista. Extracción, limpieza y normalización de las tablas de la situación dia- en este escenario particular para la visualización y la exploración ria acumulada de la enfermedad por el coronavirus SARS-CoV-2 (COVID-19) en epidemiológica de los datos de la epidemia de COVID-19 en España. España en un formato accesible y reutilizable. (Consultado el 8/4/2020.) Dispo- nible en: https://github.com/datadista/datasets/tree/master/COVID%2019. 5. Dyba T, Hakulinen T. Comparison of different approaches to incidence pre- Editor responsable del artículo diction based on simple interpolation techniques. Statistics in Medicine. 2000;19:1741–52. 6. Navarro A, Utzet F, Puig P, et al. La distribución binomial negativa frente a la de Carlos Álvarez Dardet. Poisson en el análisis de fenómenos recurrentes. Gac Sanit. 2001;15:447–52. 7. Rothman K, Greenland S. Modern epidemiology. Philadelphia, PA: Lippincott- Contribuciones de autoría Raven; 1998. 8. Battegay M, Kuehl R, Tschudin-Sutter S, et al. 2019-novel Coronavirus (2019- nCoV): estimating the case fatality rate — a word of caution. Swiss Med Wkly. Todos los autores han contribuido en la concepción de la herra- 2020;150:w20203. mienta, la obtención de los datos, la propuesta de modelización 9. Bernal JL, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: a tutorial. Int J Epidemiol. estadística y su implementación informática. La versión final del 2017;46:348–55. manuscrito ha sido aprobada por todos los autores, con una contri- 10. Tobías A. Evaluation of the lockdowns for the SARS-CoV-2 epidemic in Italy and bución igual en su elaboración. Spain after one month follow up. Sci Total Environ. 2020;725:138539. Cómo citar este artículo: Valls J, et al. COVID19-Tracker: una aplicación Shiny para analizar datos de la epidemia de SARS-CoV-2 en España. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.04.002