ARTICULOS ORIGINALES CONTRIBUCIÓN POR GRUPOS DE EDAD A LA REVISTA ARGENTINA MORTALIDAD ESPERADA POR COVID-19 EN DE SALUD PÚBLICA ARGENTINA Y COLOMBIA Suplemento COVID-19 Age-Specific Contribution to expected COVID-19 mortality in FECHA DE RECEPCIÓN: 02 de febrero de 2021 Argentina and Colombia FECHA DE ACEPTACIÓN: 19 de mayo de 2021 FECHA DE PUBLICACIÓN: 19 de julio de 2021 * Octavio Bramajo1. Magíster en Demografía Social. Mauro Infantino2. Ingeniero en sistemas. Rafael Unda3. Ingeniero civil. Walter D Cardona-Maya4. Microbiólogo, Doctor en Biología. *AUTOR DE CORRESPONDENCIA: Pablo Richly5. Médico. richlypablo@gmail.com 1 Centre d’Estudis Demogràfics, Universitat Autònoma de Barcelona, España. 2 Investigador independiente, Ciudad Autónoma de Buenos Aires, Argentina. 3 Investigador independiente, Bogotá, Colombia. Registro Nacional de Investigaciones en 4 Grupo Reproducción, Facultad de Medicina, Universidad de Antioquia, Medellín, Colombia. Salud Nº: IS004802 5 Centro de Salud Cerebral, Ciudad Autónoma de Buenos Aires, Argentina. RESUMEN. INTRODUCCIÓN: Este estudio tuvo como objetivo explorar la serie de posibles heterogeneidades que subyacen a la aparente similitud en ciertos indicadores no refinados de mortalidad por COVID-19 -como las tasas brutas de mortalidad o las muertes por millón de habitantes- en Argentina y Colombia. MÉTODOS: Se realizó un estudio en el que se utilizaron datos agregados de los informes diarios de vigilancia epidemiológica proporcionados por los ministerios de salud de Argentina y de Colombia, para explorar diferenciales en el nivel poblacional mediante el uso de técnicas clásicas de estandarización demográfica. RESULTADOS: Se detectó que el impacto de la mortalidad y la letalidad de casos es mayor en Colombia, debido a que tiene una estructura poblacional y de casos positivos de menor edad que Argentina. En especial, la mayoría de las diferencias entre países puede explicarse por ciertos grupos de edad. DISCUSIÓN: El hallazgo principal ha sido que la gran mayoría de las defunciones esperadas en Argentina y Colombia ocurrió en los grupos de 50 y de 80 años, lo que implica que el riesgo real de muerte para la población colombiana puede ser mayor que el observado para dichos grupos etarios. PALABRAS CLAVE: Mortalidad; COVID-19; Salud Pública; Epidemiología; Conceptos Matemáticos. ABSTRACT. INTRODUCTION: This study aimed to explore the series of possible heterogeneities that could be found beneath the apparent similarity in COVID-19 mortality indicators (such as crude death rates or deaths per million inhabitants) in Argentina and Colombia. METHODS: We performed a study using aggregate data of the epidemiological surveillance daily reports provided by the Health Ministry from Argentina and Colombia to explore differentials at a population level, by using classic demographic standardization techniques. RESULTS: We could identify that the impact of mortality and case fatality ratio is higher in Colombia, due to having a younger population structure and a younger positive cases age structure than Argentina. Specially, the largest contributions in mortality differentials across countries were found in some specific age groups. DISCUSSION: The main finding is that the majority of the difference in expected deaths between Colombia and Argentina was concentrated in the age groups that were between ages 50 and 80, which implies that mortality risks for the Colombian population may be higher than the ones observed for those ages. KEY WORDS: Mortality; COVID-19; Public Health; Epidemiology; Mathematical Concepts. ARTÍCULOS ORIGINALES - Bramajo O. Contribución por grupos de edad a la mortalidad esperada por COVID-19 en Argentina y Colombia. Rev Argent Salud Publica. 2021;13 Supl COVID-19:e34. ARTÍCULOS ORIGINALES INTRODUCCIÓN epidemiológica9, si bien en el caso de Colombia existe No cabe duda de que la pandemia de la enfermedad por una proporción elevada de muertes prematuras por el nuevo coronavirus (COVID-19) ha tenido un gran im- causas externas, como los conflictos armados que pacto tanto en la salud como en otras esferas en todo azotan al país desde hace mucho tiempo. el mundo, aunque sigue siendo difícil medir sus conse- El 3 de marzo de 2020 se detectó el primer pacien- cuencias con precisión. Es evidente que su efecto ha te con COVID-19 en Argentina. Por otra parte, el 6 de sido heterogéneo en los diferentes continentes y existe marzo se confirmó el primer caso en Colombia. Nueve un consenso de que, hasta ahora, ha sido menos dañi- meses después de las primeras infecciones, y ya en ple- na en Asia, África y Oceanía que en Europa o América. na pandemia, Argentina y Colombia han notificado cifras El continente americano, a pesar de tener una población similares: 1,28 y 1,17 millones de casos positivos detec- más joven que Europa, presenta una serie de condicio- tados, respectivamente; y 34 782 muertes en Argentina nes que hacen que la región sea particularmente vulne- y 33 491 en Colombia. La tasa de muertes por millón rable a la pandemia: tasas elevadas de pobreza, menor de habitantes también sugiere un impacto similar de la protección social, condiciones precarias de vivienda y pandemia: 512 muertes por millón de habitantes en Ar- una mayor proporción de personas con comorbilidades, gentina frente a 522 muertes por millón de habitantes en entre otros factores1,2. Colombia10,11. Un año después se han realizado estudios Debido a la mencionada heterogeneidad de la región que analizaron la mortalidad por COVID-19 tanto en Ar- y a su proceso desigual de transición epidemiológica y gentina12,13 como en Colombia14 y en distintos países de demográfica3, uno de los tantos obstáculos durante la la región15,16, pero no con una perspectiva comparativa. pandemia ha sido proporcionar medidas e indicadores Este estudio tuvo como objetivo explorar la serie de precisos para monitorear su evolución y comparar los re- posibles heterogeneidades que subyacen a la aparente sultados entre países en los niveles nacional y subnacio- similitud en ciertos indicadores no refinados de morta- nal. La búsqueda de indicadores adicionales para ilustrar lidad por COVID-19 -como las tasas brutas de mortali- tanto el efecto reciente como el acumulado de las infec- dad o las muertes por millón de habitantes- en Argenti- ciones ha popularizado páginas de Internet como Our na y Colombia. World In Data4 o Worldometer5 que se han alimentado de información provista por sistemas de vigilancia epide- MATERIALES Y MÉTODOS miológica ad hoc o datos del registro civil, según el caso. Se ha realizado un estudio de tipo ecológico comparativo El número de muertes por millón de habitantes resultó para explorar diferenciales a nivel de población. Se utilizó ser uno de los indicadores habituales para clasificar a los a la población de cada país como unidad de estudio. Se países más afectados por la pandemia. extrajeron los datos del informe diario de vigilancia epide- Sin embargo, la interpretación de estos indicadores está miológica proporcionado por el Sistema Integrado de In- condicionada por variables como la estructura demográ- formación Sanitaria del Ministerio de Salud de Argentina10 fica, las desigualdades socioeconómicas o los recursos y por el Instituto Nacional de Salud de Colombia11. Dichos disponibles en los sistemas de salud de cada país. Se ha informes presentan, entre otros datos sociodemográficos considerado que la edad ha sido el predictor más impor- básicos, los casos positivos y las muertes por COVID-19 tante de la mortalidad por COVID-19, como suele suceder por sexo y edad. Los datos analizados pertenecen al pe- con la mayoría de las causas de muerte6. Por este motivo, ríodo del 1 de marzo al 30 de septiembre de 2020, y en disciplinas como la demografía y la salud pública se para minimizar la falta de información debido a posibles prefiere utilizar medidas estandarizadas por edad, como retrasos en el registro de datos, se extrajeron el 31 de la esperanza de vida y las tasas de mortalidad estanda- octubre del mismo año, fecha en la que los datos ya se rizadas o la utilización de otros métodos de descompo- reportaban como consolidados. Además, para los deno- sición. En el caso de las medidas correspondientes a la minadores se utilizaron las proyecciones de población COVID-197,8, hay autores que ya han formulado un argu- volcadas al 1 de julio de 2020 en el documento Perspec- mento para considerar diferentes estructuras de edad al tivas de la población mundial 2019, publicado por las Na- comparar datos europeos y norteamericanos7,8. ciones Unidas17. Para analizar estas posibles diferencias en el contexto Estos datos pueden ser susceptibles a modificaciones de América Latina, se realizó un perfil de la mortalidad posteriores por parte de las unidades de Salud Pública de de Argentina y Colombia, dos países que comparten, los países (aunque es poco probable, dado que ha pasa- además de la ubicación geográfica, otras similitudes do algún tiempo desde la fecha de corte elegida). como el tamaño de la población y recuentos similares Después de algunas exploraciones preliminares, se de muertes por COVID-19 por millón de habitantes observó que en un pequeño número de casos positivos (actualizado al 30 de septiembre de 2020). Cabe (menos del 1%) en Argentina no se informó ninguna pro- señalar que estos dos países presentan, además, una vincia de residencia. Estos casos se excluyeron del análisis. esperanza de vida al nacer similar, y podría argumentarse Además, 1 486 muertes (6,4% del total de muertes) te- que transitan una etapa comparable en la transición nían jurisdicción de residencia asignada, pero no estaban Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34 Contribución por grupos de edad a la mortalidad esperada por COVID-19 en Argentina y Colombia discriminadas por sexo. Por lo tanto, este parámetro se para hacerlas realmente comparables. Para ello, se utilizan imputó con un criterio proporcional simple18. Por último, el peso correspondiente de la suma global de los casos solo se consideraron los casos positivos, la población y positivos detectados (CW, por su sigla en inglés) y el peso las muertes de personas de entre 30 y 99 años para evi- de la población (NW, por su sigla en inglés) como referencia tar distorsión por la población centenaria y dada la muy o estándar, respectivamente, de ambos países, para cada escasa cantidad de defunciones en las edades más jó- grupo de edad decenal (entre 30 y 99 años). Las tasas venes, lo cual podría llevar a comparaciones sesgadas al estandarizadas de letalidad de casos (TLE) y las tasas de analizar la mortalidad en términos relativos. mortalidad parcial estandarizadas (TMPE) suelen expresarse En el análisis epidemiológico de COVID-19, la tasa de como las siguientes: letalidad (TL) fue una medida estándar de la intensidad TLE=∑Pe × Ce × CWe de la pandemia en los primeros momentos del brote. La TL se calcula como el cociente entre las defunciones (D) TMPE=∑Pe × Ne × NWe y los casos positivos (C) detectados: Se debe que señalar que, bajo la misma lógica, es po- D sible calcular también las defunciones esperadas (ED), TL= × 1 000 C que constituyen una medida estandarizada de la distribu- Sin embargo, ha habido menos énfasis en las tasas de ción de las muertes20. Si se multiplican las diferentes TL mortalidad atribuidas al COVID-19. Esto se debe princi- o TBMP para diferentes grupos de edad por la estructura palmente a la falta de un año completo de exposición, de casos estándares (CEN) o población estándar (SEN) o dado que las tasas de mortalidad suelen y deben calcu- para cada grupo de edad, se obtiene lo siguiente: larse como el cociente de las defunciones (D) y la pobla- ∑nTLx × nCENx= ∑ nED1x ción media (N) en un año determinado (expresada, por convención, en la población al 30 de junio o el 1 de ju- ∑nTBMPx × nSENx= ∑ nED2x lio). En realidad, la población media representa el tiempo Para visualizar la distribución de las muertes esperadas promedio que una población dada ha vivido en un año, entre poblaciones y casos positivos por debajo de una expresado en años-persona como resultado19. Sin embar- edad umbral (para visualizar la mortalidad esperada pre- go, dado que de marzo a septiembre el período de ex- matura debido a la pandemia), se eligió el porcentaje de posición es de solo siete meses (y no un año completo), muertes esperadas en menores de 70 años (ED70), que se podría optar por: a) asumir la misma intensidad de la podría expresarse como el cociente entre las defuncio- mortalidad modificando la exposición para un valor pro- nes esperadas (en oposición a las muertes observadas o porcional para calcular una tasa bruta de mortalidad, o D) de menores de 70 años (es decir, entre 30 y 69 años) b) calcular una tasa bruta de mortalidad parcial (TBMP), sobre las defunciones totales (entre 30 y 99 años). Cabe expresada como: señalar que el valor de ED dependerá del valor del están- D dar de referencia escogido: TBMP= (03-2020/09-2020) × 100 000 N(01-07-2020) 69DE30 ED70= A criterio nuestro, esta última es la forma menos pro- 99DE30 blemática de calcular las tasas de mortalidad. La primera Para visualizar el impacto de la estructura de edad en ruta se basaría en lo que se consideran supuestos muy las estimaciones tanto de las tasas de letalidad como de fuertes que tal vez no estén justificados, dado que la es- las tasas de mortalidad, se han propuesto dos escenarios tacionalidad puede desempeñar un papel en la mortali- contrafácticos al considerar la proporción de muertes es- dad por COVID-19. peradas en menores de 70 años, en comparación con Cabe aclarar que las tasas de mortalidad se multiplican las muertes no estandarizadas. El primer escenario pre- por 100 000 (y no por 1 000, como las de letalidad) para senta la proporción de muertes esperadas en menores tener números interpretables en similares magnitudes. de 70 años si Argentina y Colombia tuviesen la misma Cuando se dispone de información sobre la muerte estructura por edad en los casos positivos (ED70-1, es distribuida por grupos de edad, como es el caso, tanto la decir, considerando la CEN para el cálculo de las ED); el TL como la TBMP pueden expresarse como la suma de segundo, si tuviesen la misma composición de población las diferentes proporciones de muerte (P) de los casos (ED70-2, utilizando la SEN). (C) y de la población (N), respectivamente, por grupos Por último, se inspeccionó de manera gráfica la de edad (e), lo que también podría ayudar a calcular las diferencia entre las muertes esperadas (ED2) y las tasas en un grupo o intervalo de edad determinado: muertes observadas (D) entre los países por diez grupos TL=∑Pe × Ce de edad (entre los 30 y 99 años), con el fin de observar qué grupos contribuyen más a la diferencia total si se TBMP=∑Pe × Ne considera únicamente la estructura de la población como Sin embargo, dado que la estructura poblacional suele denominador de las tasas de mortalidad (ya que esta no afectar el resultado del cálculo de las tasas de letalidad8 y de depende de la estrategia de testeo, como sí puede ocurrir mortalidad19,20, lo ideal es calcular las tasas estandarizadas con los casos positivos, para simplificar la interpretación). Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34 ARTÍCULOS ORIGINALES De esta forma se obtiene la contribución a la distribución TABLA 1. Casos positivos, población, muertes, tasas de letalidad y de global de las muertes en cada país (tanto observadas mortalidad de Argentina y Colombia, marzo a septiembre de 2020. como esperadas), dividida en siete intervalos de diez años País Casos Muertes Población TL* TBMP† Muertes por que oscilan entre los 30 y los 99 años. En otras palabras, positivos millón de se buscó observar la contribución proporcional de cada detectados habitantes grupo de edad antes y después de la estandarización. De Argentina 820 309 23 326 45 195 777 28,4 51,6 512 esta manera, es posible identificar en qué grupos etarios Colombia 910 513 26 580 50 882 884 29,2 52,2 522 se dan las mayores diferencias entre los países, ayudando *Tasa de letalidad, †Tasa de mortalidad. a detectar posibles subestimaciones de los riesgos de Fuente: estimaciones propias en base a datos de los ministerios de Salud de muerte, y señala en qué edades se encuentran. Dado que Argentina y Colombia. la COVID-19, al igual que muchas otras enfermedades, ha afectado sobre todo a los adultos mayores, este detalle es sustantivo para determinar su incidencia en poblaciones TABLA 2. Casos, muertes, población, tasas de letalidad y de mortalidad de distinta estructura por edad. en la población de entre 30 y 99 años de Argentina y Colombia, marzo a Los datos utilizados para esta investigación son públi- septiembre de 2020. cos, de libre acceso y anonimizados, por lo que cual no País Sexo Casos Muertes Población TL* TBMP† fue necesaria la aprobación de un comité de ética de positivos investigación como tampoco la aplicación de consenti- detectados miento informado. Argentina Femenino 285 180 10 037 12 523 929 35,2 80,1 Masculino 297 342 12 954 11 086 967 43,6 117,0 RESULTADOS Colombia Femenino 304 852 9 323 13 934 364 30,6 66,9 En la Tabla 1 se muestra que, a partir de la fecha de Masculino 316 547 16 820 12 563 425 53,1 134,0 corte aplicada a la base de datos (30 de septiembre de *Tasa de letalidad, †Tasa de mortalidad. 2020), no se han observado diferencias esenciales con Fuente: estimaciones propias en base a datos de los ministerios de Salud de respecto a las tasas de letalidad y mortalidad entre los Argentina y Colombia. dos países al comparar a toda su población, como se ha mencionado. La diferencia de letalidad entre Argentina y Colombia es de 0,75 puntos por cada 1 000 y 0,6 por TABLA 3. Tasas de letalidad estandarizadas y tasas de mortalidad parciales cada 100 000 en la tasa de mortalidad parcial. estandarizadas por país y por sexo en la población de entre 30 y 99 años, Al considerar la población y los casos entre los 30 y los marzo a septiembre de 2020. 99 años como denominadores, las tasas de mortalidad País Sexo TLE* TMPE† y letalidad son más altas para los hombres que para las mujeres, aunque esta brecha por sexo ha sido más nota- Argentina Femenino 31,4 63,0 Masculino 48,6 124,7 ble en Colombia (ver Tabla 2). Para las mujeres, tanto las Colombia Femenino 30,6 69,3 tasas brutas de mortalidad como las tasas de letalidad Masculino 53,2 154,6 parecen haber sido más altas en Argentina (que presenta *Tasa de letalidad, †Tasa de mortalidad. una población más envejecida que Colombia), mientras Fuente: estimaciones propias en base a datos de los ministerios de Salud de que resultaron más altas en Colombia para los hombres. Argentina y Colombia. La diferencia de letalidad entre Argentina y Colombia ha sido de 4,36 puntos por cada 1 000 en mujeres y de 9,5 puntos en hombres, mientras que la diferencia de mor- 30 puntos por cada 100 000 (en comparación con las talidad ha sido de 13,2 y 17 puntos por cada 100 000, tasas no estandarizadas, donde esta diferencia era de respectivamente. 17 puntos), pero en términos de tasas de letalidad, han Cuando se calculan las tasas de letalidad tendido a disminuir, con 4,6 puntos por cada 1 000 de estandarizadas (TLE) y las tasas de mortalidad parcial diferencia (lo que puede deberse a la composición por estandarizadas (TMPE), las diferencias en la letalidad edades entre los casos positivos). en las mujeres entre ambos países han tendido a ser Al comparar las muertes no estandarizadas (o D70), menores en comparación con la letalidad sin ajustar, como muestra la Tabla 4, se observó una diferencia de como se muestra en la Tabla 3 (en comparación a las casi 15% entre las mujeres de Colombia y de Argentina diferencias vistas en la Tabla 2). Asimismo, después en el porcentaje de muertes observadas antes de los 70 de la estandarización, la tasa de mortalidad parcial años, y poco más de 5% de diferencia para los hombres. estandarizada más alta, tanto para hombres como para Al observar el primer escenario contrafáctico ED70-1 mujeres, se ha presentado en Colombia. Hay que tener (que depende de la estrategia de testeos y casos posi- en cuenta que, para ambos países, la brecha en las tasas tivos), la brecha en comparación a las muertes observa- de mortalidad entre los hombres ha tendido a agrandarse das se ha estrechado, pero aún favorece a Argentina, con después de la estandarización, con una diferencia de una diferencia de 7% para las mujeres y de 9% para los Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34 Contribución por grupos de edad a la mortalidad esperada por COVID-19 en Argentina y Colombia hombres, en comparación con Colombia. El segundo es- TABLA 4. Porcentaje de muertes observadas antes de los 70 años y de cenario hipotético ED70-2 (que, dado que considera la muertes esperadas con escenarios contrafácticos (ED70-1 y ED70-2), por estructura poblacional como la referencia para las muer- país y por sexo, Argentina y Colombia, marzo a septiembre de 2020. tes esperadas, no depende de las condiciones mencio- País Sexo Muertes observadas ED70-1* ED70-2 nadas del primer escenario) indica que, si bien Argentina antes de los (%) (%) todavía presenta un porcentaje menor de ED70 que Co- 70 años (D70) (%) lombia, el porcentaje de muertes antes de los 70 años Argentina Femenino 28,5 34,6 36,3 en ese país es aún mayor en comparación con los otros Masculino 43,8 39,2 41,2 escenarios (es decir, D70 y ED70-1), mientras que para Colombia Femenino 42,7 41,5 40,5 Colombia es menor en comparación a dichos escenarios. Masculino 49,2 47,9 43,0 También hay que señalar que la brecha por sexo en Ar- *ED70 Muertes esperadas antes de los 70 años. gentina (casi 5% entre hombres y mujeres) duplica a la Fuente: estimaciones propias en base a datos de los ministerios de Salud de observada en Colombia (2,5%). Argentina y Colombia. En el Gráfico 1 se observa cuál ha sido la contribución de cada grupo de edad a la diferencia global esperada (estandarizada por población, o ED2) y observada (no es- sugieren gradientes opuestos: al estandarizar las tasas tandarizada) entre países, dividida por sexo. La diferencia (tanto mediante el ajuste por población total para el cálculo se ha expresado en términos de la diferencia de muer- de las tasas de mortalidad como por la estructura de casos tes entre Colombia menos Argentina, ya que la primera positivos para las tasas de letalidad), las diferencias en las tiene el mayor recuento de muertes esperadas y, por lo tasas de letalidad tienden a desaparecer para las mujeres tanto, las contribuciones porcentuales serán positivas en y el gradiente de mortalidad se invierte, mientras que para los casos en que Colombia haya presentado una mayor los hombres la brecha de mortalidad se amplía mientras cantidad de muertes esperadas que Argentina, y negati- se comprime la brecha de letalidad. El hecho de que la va cuando Argentina haya presentado un mayor recuento brecha de tasas entre países haya sido más estrecha de muertes. Así, se ha detectado que, para las mujeres, después de estandarizar los casos positivos podría la contribución de las diferencias esperadas para todos implicar una de dos cosas (o una combinación de ambas): los grupos de edad menores de 90 años fue positiva, lo un ligero grado de subnotificación de casos positivos en que significa que Colombia debería tener un recuento Argentina o que la pandemia ha afectado a una mayor de muertes más alto que Argentina para esos grupos de cantidad de personas en Colombia13. Al considerar la edad. Si bien la mayor contribución positiva se produjo composición de edad de las tasas, se observa que, en edades entre 70 y 79 años, se contrarrestó la con- en ambos escenarios contrafácticos después de la tribución entre los 90 y los 99 años (lo que indica que, estandarización (ED70-1 y ED70-2), el porcentaje de si bien la mortalidad observada fue mayor para Colom- muertes esperadas en menores de 70 años es menor bia, en Argentina el efecto de la estructura debe sugerir para los hombres y mujeres de Argentina (lo que una mortalidad mayor una vez que se estandariza). En podría sugerir que la diferencia inexistente en las tasas otras palabras, toda la contribución para las diferencias de letalidad observada para las mujeres es porque en de mortalidad esperada (ED2) entre Argentina y Colom- Argentina la letalidad esperada después de los 70 años bia parece ocurrir antes de los 90 años para las mujeres, sería mayor que para Colombia). Por último, al analizar considerando este escenario hipotético en el que las es- la contribución de cada grupo de edad a la diferencia tructuras de población son idénticas. En el caso de los general de muertes observadas y esperadas, se observa hombres, se pudo observar un patrón similar: las muer- que solo Argentina presentó muertes esperadas más tes esperadas han sido más altas en Colombia que en altas que Colombia para el grupo de edad final, y que Argentina hasta antes de los 90 años (y casualmente, las los grupos de edad entre los 50 y los 79 años son los muertes observadas también son más altas para Colom- que más contribuyen a las diferencias para las mujeres bia), con una pequeña contribución negativa en el grupo y entre los 60 y los 89 años para los hombres. Esto de edad final. Esto sugiere que, para la mayoría de los hace que se recomiende poner un enfoque especial en grupos de edad, la mortalidad esperada debería haber estos grupos de edad, ya que podrían encontrarse con sido mayor para Colombia que para Argentina, a pesar de un mayor riesgo de muerte al observado, comprobando que las mujeres muestran diferentes patrones en cuanto que la COVID-19 no solo afecta a las personas de mayor a las muertes observadas. edad, sino a los adultos en general, y que, posiblemente, estas inequidades se hacen más manifiestas en zonas de DISCUSIÓN mayor vulnerabilidad11. Los resultados de este análisis sugieren que, si bien Los hallazgos de este estudio también tienen algunas Argentina y Colombia en general han presentado limitaciones importantes: si bien es innegable que se indicadores similares de mortalidad y letalidad por trata de un factor poderoso, la estructura de la edad no COVID-19, hay factores de composición por sexo que puede explicar por sí misma toda la diferencia observada Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34 ARTÍCULOS ORIGINALES GRÁFICO 1. Contribución porcentual a la diferencia de muertes observadas y esperadas, por grupos decenales de edad y sexo (Colombia menos Argentina, marzo a septiembre de 2020). Esperadas (hombres) Observadas (hombres) Esperadas (mujeres) Observadas (mujeres) 200 150 100 Contribución % 50 0 -50 -100 30-39 40-49 50-59 60-69 70-79 80-89 90-99 Edad Fuente: estimaciones propias en base a datos de los ministerios de Salud de Argentina y Colombia. entre los países. Las comorbilidades, las desigualdades Por otra parte, no todas las muertes asignadas a sociales y de ingresos, las privaciones materiales y los un caso positivo implican que la causa de muerte fue patrones de convivencia también deberían explicar parte la COVID-19. Por tanto, si bien se buscó hacer una de la diferencia de mortalidad observada entre dos aproximación a las diferencias por edad dadas las fuentes países determinados1. disponibles, establecer el impacto real de la mortalidad También hay limitaciones con respecto a la fuente de atribuido al COVID-19 en los países es una tarea de datos: para comparar las muertes y los casos por sexo y mucha mayor dificultad. edad en una fecha determinada, se han tenido que con- Por último, también se recuerda las limitaciones de la siderar los datos notificados hasta el 30 de septiembre tasa de letalidad como indicador, que no tiene en cuen- de 2020. Sin embargo, hay que mencionar que dicha ta casos asintomáticos, y depende de la estrategia y los información es sensible a los errores de procesamien- recursos de testeo de los países. Por lo tanto, no se sabe to manual de datos, y que las autoridades sanitarias ex a ciencia cierta la medida en que las diferencias en el TL post pudieron presentar los registros con modificaciones son el resultado de una mayor intensidad de la pandemia y cambios; por lo tanto, se ha optado por elegir dicha o de aspectos relacionados con testeo22. Sin embargo, el fecha, con la esperanza de que no tuviese ninguna modi- uso de un segundo escenario hipotético que tenga en ficación importante después. También se reconoce que, cuenta la mortalidad basada en la estructura poblacional aunque los datos se actualicen de manera continua, no indica que, al menos para los varones, las diferencias se son un sustituto de las estadísticas vitales proporciona- basan en una mayor mortalidad. das por cada país, dado que los registros de vigilancia Cualquier comparación de mortalidad que no se ajus- epidemiológica son sistemas ad hoc y dependen de los te por sexo y estructura de edad podría conducir a una recursos disponibles en cada país. Además, si bien la es- tergiversación del impacto real de la pandemia (o cual- tandarización permite identificar de manera satisfactoria quier causa de muerte dada) entre países. Lo más im- el componente edad en las diferencias de la mortalidad, portante es que indica que los países con una estructura esta técnica se basa en una suposición arbitraria (la po- poblacional más joven deben ser cautelosos a la hora de blación ponderada puede ser distinta a la elegida para interpretar estos resultados, porque depender de medi- este estudio y, por lo tanto, dar valores diferentes). De- das no estandarizadas podría subestimar el impacto de bido a esto, es posible que sea preferible utilizar otras la pandemia en su población general y en grupos que medidas como la esperanza de vida o los años de vida quizá no serían los más afectados a priori, potenciando potencialmente perdidos, que no dependen de un es- así sus vulnerabilidades. tándar21. Sin embargo, una estimación adecuada y pre- cisa exigiría herramientas (como un conjunto de tablas RELEVANCIA PARA LAS POLÍTICAS DE SALUD de vida completa en lugar de las abreviadas o recuen- La principal conclusión de este trabajo es que la gran ma- tos completos de mortalidad que consideran todas las yoría de las diferencias de mortalidad esperada entre Ar- causas de muerte) que todavía no están disponibles y gentina y Colombia a causa de la COVID-19 ha ocurrido requieren un registro completo por parte de sistemas es- antes de los 80 años, lo que indica que en Colombia el tadísticos vitales. peligro de la enfermedad puede estar subrepresentado Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34 Contribución por grupos de edad a la mortalidad esperada por COVID-19 en Argentina y Colombia en los grupos de edades menores y que, pasado este indicador poco fiable para hacer comparaciones entre punto, estas diferencias de muertes esperadas tienden países, ya que profundiza en la composición poblacional a anularse (lo cual indicaría cierta homogeneidad en los de dos países latinoamericanos que presentan valores efectos a partir de esta edad). Considerando las conclu- similares de tasas de mortalidad bruta, tasas de letalidad siones, parece clave enfocarse en las edades intermedias y muertes por millón. Del mismo modo que la tasa de a la hora de estudiar el impacto de la pandemia, que es mortalidad bruta es errónea para hacer comparaciones donde se puede observar una mayor diferencia entre entre países8,18-, las muertes por millón de habitantes dos poblaciones dadas (esto indica, probablemente, la tienen la misma limitación conceptual: no tienen en presencia de una mayor mortalidad evitable y, por ende, cuenta la estructura de la población de edad de cada un mayor impacto de la pandemia). Las mediciones utili- país. En adelante, las comparaciones basadas en dicho zadas ad hoc, como las defunciones esperadas antes de indicador están intrínsecamente sesgadas en detrimento los 70 años (u otra edad límite) podrían dar, a priori, un de los países con una estructura de edad más añosa. impacto general sobre la mortalidad prematura de mane- Es fundamental recordar que un análisis general de la ra exploratoria, sobre todo en poblaciones en donde la mortalidad no es suficiente para comprender el efecto situación de salud sea más precaria. específico de la pandemia en cada país, incluso en los También se señala que el presente estudio es un casos en que se puede suponer que son comparables sin recordatorio de por qué las muertes por millón son un realizar ajuste alguno. DECLARACIÓN DE CONFLICTO DE INTERESES: No hubo conflicto de intereses durante la realización de este artículo. Cómo citar este artículo: Bramajo O, Infantino M, Unda R, Cardona-Maya WD, Richly P. Contribución por grupos de edad a la mortalidad esperada por COVID-19 en Argentina y Colombia. Rev Argent Salud Publica. 2021;13 Supl COVID-19: e34. Publicación electrónica 19 Jul 2021. Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34 ARTÍCULOS ORIGINALES REFERENCIAS BIBLIOGRÁFICAS Coronavirus.aspx. 1 Nepomuceno MR, Acosta E, Alburez-Gutierrez D, Aburto JM, Gagnon A, 12 Rearte A. Características epidemiológicas de los primeros 116 974 casos de Turra CM. Besides population age structure, health and other demographic COVID-19 en Argentina, 2020. Rev Argent Salud Publica [Internet] 2020 [citado factors can contribute to understanding the COVID-19 burden. Proc Nat 29 Abr 2021];12 Supl COVID-19:e5. Disponible en: http://rasp.msal.gov.ar/rasp/ Acad Sci [Internet]. 2020 [citado 29 Abr 2021];117(25):13881-3. Disponible en: articulos/vol12supl/SS-Reartee5.pdf https://dx.doi.org/10.1073/pnas.2008760117. 13 Leveau CM. Variaciones espacio-temporales de la mortalidad por COVID-19 2 Ravallion M. Income inequality in the developing world. Science [Internet]. en barrios de la Ciudad Autónoma de Buenos Aires. Rev Argent Salud Publica. 2014 [citado 29 Abr 2021];344(6186):851-5. Disponible en: https://dx.doi. [Internet] 2021 [citado 29 Abr 2021];13 Supl COVID-19:e27. Disponible en: http:// org/10.1126/science.1251875. rasp.msal.gov.ar/rasp/articulos/vol13supl/AO_Leveaue27.pdf 3 Frenk J, Frejka T, Bobadilla JL, Stern C, Lozano R, Sepúlveda J, et al. 14 Bravo L E, Grillo-Ardila E K. Análisis de mortalidad por COVID-19 en Colombia: La transición epidemiológica en América Latina. Bol Sanit Panam. medidas de ocurrencia. Univ Salud [Internet] 2020 [citado 29 Abr 2021];22(S1):292- 1991;111(6):485-96. 298. Disponible en: https://doi.org/10.22267/rus.202203.202. 4 Our World In Data. Sitio web. [Internet]. Disponible en: https://ourworldindata. 15 Orellana Jesem D Y, da Cunha GM, Marrero L, Moreira R I, da Costa Leite I, org/. Horta B L. Excesso de mortes durante a pandemia de COVID-19: subnotificação 5 Worldometer. Sitio web. [Internet]. Disponible en: https://www.worldometers. e desigualdades regionais no Brasil. Cad Saude Pública [Internet] 2021 [citado info/. 29 Abr 2021];37(1):e00259120. Disponible en: https://doi.org/10.1590/0102- 6 Davies NG, Klepac P, Liu Y, Prem K, Jit M, Pearson CAB, et al. Age-dependent 311x00259120. effects in the transmission and control of COVID-19 epidemics. Nat Med 16 Mújica OJ, Pachas PE. Desigualdades sociales en la mortalidad durante la [Internet] 2020 [citado 29 Abr 2021];26(8):1205-11. Disponible en: https:// COVID-19 en Lima y Callao. Rev Peru Med Exp Salud Publica [Internet] 2021 dx.doi.org/10.1038/s41591-020-0962-9. [citado 29 Abr 2021];38(1):183-4. Disponible en: https://doi.org/10.17843/ 7 Dowd JB, Andriano L, Brazel DM, Rotondi V, Block P, Ding X, et al. rpmesp.2021.381.6740. Demographic science aids in understanding the spread and fatality rates 17 Naciones Unidas y Comisión Económica para América Latina y el Caribe. of COVID-19 Proceedings of the National Academy of Sciences [Internet]. Perspectivas de la población mundial 2019. Santiago de Chile: CEPAL; 2020. 2020 [citado 29 Abr 2021];117(18):9696-9698. Disponible en: https://dx.doi. Disponible en: https://www.cepal.org/es/publicaciones/45989-perspectivas-la- org/10.1073/pnas.2004911117. poblacion-mundial-2019-metodologia-naciones-unidas-estimaciones. 8 Dudel C, Riffe T, Acosta E, van Raalte A, Strozza C, Myrskyla M. Monitoring 18 Preston S, Heuveline P, Guillot M. Demography: measuring and modeling trends and differences in COVID-19 case-fatality rates using decomposition population processes. Malden, MA: Blackwell Publishers; 2000. methods: Contributions of age structure and age-specific fatality. PLoS One. 19 Naing NN. Easy way to learn standardization: direct and indirect methods. MJMS [Internet]. 2020 [citado 29 Abr 2021];15(9):e0238904. Disponible en: https:// [Internet] 2000 [citado 29 Abr 2021];7(1):10. Disponible en https://pubmed.ncbi. doi.org/10.1371/journal.pone.0238904 nlm.nih.gov/22844209/. 9 Di Cesare, M. El perfil epidemiológico de América Latina y el Caribe: 20 Organización Panamericana de la Salud. La estandarización: un método clásico desafíos, límites y acciones. Santiago de Chile: CEPAL; 2014. Disponible en: para la comparación de tasas. Washington D.C.: OPS; 2002:9-12. https://repositorio.cepal.org/handle/11362/3852 21 Trias-Llimós S, Bilal U. Impact of the COVID-19 pandemic on life expectancy 10 Ministerio de Salud. Dirección Nacional de Epidemiología y Análisis de in Madrid (Spain). J Public Health (Bangkok) [Internet] 2020 [citado 29 Abr Situación de Salud de Argentina. COVID-19. Casos registrados en la República 2021];42(3):635-6. Disponible en: https://dx.doi.org/10.1093/pubmed/fdaa087. Argentina. 2020. Disponible en: http://datos.salud.gob.ar/dataset/covid-19- 22 Teixeira da Silva JA, Tsigaris P. Policy determinants of COVID-19 pandemic- casos-registrados-en-la-republica-argentina induced fatality rates across nations. Public Health [Internet] 2020 [citado 29 Abr 11 Instituto Nacional de Salud. Reportes de datos abiertos de COVID-19 en 2021];187:140-2. Disponible en: https://dx.doi.org/10.1016%2Fj.puhe.2020.08.008. Colombia. 2020. Disponible en: https://www.ins.gov.co/Noticias/Paginas/ Esta obra está bajo una licencia de Creative Commons Atribución-No Comercial-Compartir Igual 4.0 Internacional. Reconocimiento — Permite copiar, distribuir y comunicar publicamente la obra. A cambio se debe reconocer y citar al autor original. No comercial — esta obra no puede ser utilizada con finalidades comerciales, a menos que se obtenga el permiso. Rev Argent Salud Pública. 2021;13 Supl COVID-19:e34