Este es el tablero de análisis del covid en Mendoza que diseñó una empresa tecnológica

Muchas veces los gobiernos se tropiezan torpemente con sus recursos. O los tienen y no los aprovechan, o no los tienen y, en su lugar, llenan espacios vacíos con gente que no necesita ni sabe qué hacer. 

La pandemia agudizó este problema ya que muchos de los que sí necesita, no están, por las múltiples posibilidades que ofrece el Estado a las personas para no concurrir a sus tareas.

En medio de todo esto, hay que llevar los datos de la situación lo mejor posible. No se trata solo de prolijidad, veracidad y algún nivel de rápida actualización, sino de análisis de los datos que se poseen. ¿Lo puede hacer la estructura por sí solo? No lo sabemos. Pero como aporte al control de todos los indicadores y la garantía de transparencia de la información, una empresa tecnológica mendocina, Merovingian Data, diseñó un tablero digital capaz de tomar todos los datos y generar análisis diversos.

La información es poder. Tenerla a tiempo y correctamente alineada, en este caso, salva vidas y ayuda a prevenir y enfocar acciones y políticas.

La compañía está abocada por completo a Big Data, Business Analytics y el Business Intelligence. Mario Japaz, referente de Merovingian, respondió a la primera pregunta que surge en estos casos: ¿por qué avanzaron en el diseño de este tablero? 

"Estábamos viendo algunas discrepancias y formas incorrectas en como se comunicaba el fenómeno de la pandemia de SARS-CoV-2, por lo que hicimos mediante bases de datos públicas y privadas un tablero interactivo de acceso público para aportar claridad, así como algunas herramientas de análisis para que la gente haga sus propias investigaciones y conclusiones", comenzó. 

- ¿Qué datos surgieron cuando obtuvieron y cruzaron la información? 

- Los análisis que se pueden hacer, así como las conclusiones son muchísimas. Pero para resumir podríamos focalizar en un par. Primero, nos centramos en que se confronten números comparables. Generalmente se suele hablar de números absolutos que poco dicen. No es lo mismo 100 muertos en CABA que 100 muertos en Carmensa (que es un distrito de General Alvear). Hay que normalizar por población y, por lo tanto, lo primero que hicimos fue eso: usar infectados por millón y muertos por millón. De esa forma vemos más clara la efectividad de las medidas en los distintas provincias y municipios del país. 

- ¿Puede medirse algún indicador de gestión? Por ejemplo, la efectividad o no de algunas medidas.

- Vemos que ya se están empezando a ver algunos efectos de la vacunación, al bajar la mortalidad en los grupos etarios más altos. De hecho, la función de densidad acumulada permite comprobar que casi el 80% de los fallecidos son mayores de 60 años. También analizamos los índices de movilidad ciudadana en el trabajo y en lugares de esparcimiento, donde se ve una enorme dispersión en el país. 

- ¿Qué es lo que visualizaron, cuando las medidas nacionales se aplican con diferencias en distintos puntos del país?

- Por un lado tenemos zonas balnearias de la costa atlántica como los más afectados tanto por su naturaleza turística, como por la dureza de las restricciones en la provincia de Buenos Aires, y por el otro tenemos Córdoba y en especial Mendoza como lugares donde la movilidad no fue tan reducida, y que ya estaba en franca recuperación en los últimos meses llegando a valores pre pandemia, sin que esto tenga un impacto grande en los muertos por millón. 

- ¿Cómo ven la situación de Mendoza?

- En términos relativos Mendoza está bien, como indiqué previamente. Casi se habían recuperado índices de movilidad pre pandemia con un -40% de muertos por millón respecto a la media nacional y la mitad que provincias super restrictivas, como San Luis. 

Algunos datos del tablero de Covid de Merovingian: hacé clic en las imágenes para navegar por el tablero online

El análisis que hace Merovingian de la situación pandémica

Observaron dos picos. El primero se produjo durante septiembre del 2020, el segundo se está gestando y no podemos asegurar que los casos vayan a descender en el futuro próximo. De hecho, al observar los casos confirmados es importante decir que los mismos son preliminares y no están registrados en el SISA, sino que corresponden a los informes nacionales. En el panel de Merovingian Data definieron casos como casos confirmados, sin incluir los sospechosos.

Por grupo etario, observaron que la proporción de casos aumentó en jóvenes. En cuanto a casos por millón, CABA y Tierra del Fuego son los lugares más afectados, mientras que la mayoría de las provincias del interior se encuentran por debajo de la media del país.

Fallecidos

Respecto a tal vez el número más importante que mirar para tomar decisiones de política sanitaria, los fallecidos, observamos que existió un primer pico de fallecidos confirmados por covid-19 en septiembre del 2020, mientras que hoy se la cantidad de fallecidos se encuentra en un récord que ronda los 500 diarios según datos preliminares de reportes díarios. En el gráfico de Casos Confirmados por Grupo Etario podemos ver que la proporción de fallecimientos se concentra particularmente en mayores de 65 años, la probabilidad de muerte en jóvenes es muy baja.

Distribuciones por Edad

En la página de Distribuciones por Edad podemos obtener un insight clave de esta pandemia: la mayoría de los casos se presentan en la población más jóven y la mayoría de fallecidos en la más adulta.

De hecho, la función de densidad acumulada permite comprobar que casi el 80% de los fallecidos son mayores de 60 años.

Movilidad por Departamento

En el panel de Merovingian incluyeron una estadística clave, los datos de movilidad de Google Mobility Reports. Los mismos miden la diferencia porcentual entre la cantidad de gente en un día normal del 2019 contra la actualidad, ajustando para no individualizar a nadie. Es decir, si observaron en un día particular que esta fue -30%, significa que en ese día hay un 30% menos de personas circulando en el lugar respecto al año base (2019). Incluimos en nuestro análisis dos estadísticas: Movilidad en el Trabajo y Movilidad en el Comercio y lugares de Esparcimiento.

Movilidad en el trabajo

Respecto a la movilidad en el trabajo, podemos observar fuertes caídas a partir de la cuarentena del año pasado con una recuperación progresiva. Comparando entre algunas provincias, podemos observar que Mendoza tuvo una recuperación mucho más rápida que, por ejemplo, Ciudad de Buenos Aires. Esto podría estar relacionado con medidas de aislamiento mucho más laxas. Aun así, Mendoza tiene niveles de muertos por millón significativamente más bajos que Ciudad de Buenos Aires, este dato pone en duda la efectividad de las medidas de aislamiento estricto impuestas en algunos lugares del resto del país.

Movilidad en el comercio

En este apartado las conclusiones son similares al apartado anterior, aunque podemos observar que no se ha recuperado y que la caída ha sido muy superior a la movilidad en el trabajo. Se visualiza un pico de movilidad para las fiestas de fin de año.

Movilidad vs Recaudación en Mendoza

Otro análisis interesante realizado por Merovingian Data es la relación entre la recaudación de Ingresos Brutos de Mendoza y el cambio en la movilidad en el trabajo. En este caso observaron una fuerte correlación entre las variables. En marzo del 2021 los niveles de recaudación se habían recuperado a niveles del 2019. Resultará interesante actualizar estos datos para analizar el impacto de las nuevas restricciones en la provincia.

Positividad

Una métrica clave para entender la evolución de casos es la positividad de los testeos. Una alta positividad nos habla de prevalencias ascendentes de covid. Como podemos observar, el nivel de positividad aumentó a pesar de haber aumentado la cantidad de tests, lo cuál habla de casos ascendentes, sin esta comprobación es difícil diferenciar si realmente los casos están aumentando o existe un efecto estadístico relacionado con mayor testeo.

Casos vs Tests

Siempre que se observa la evolución de casos es importante entender si la capacidad de testeo ha aumentado, porque en ese caso se pueden realizar conclusiones erróneas del tipo "los casos están aumentando" cuando no sabemos si esto es así porque antes no se testeaban y ahora sí. En este caso observaron cómo casos y tests realizados están fuertemente correlacionados positivamente. Aunque no se puede hablar de causalidad, sí se puede decir que los mismos se relacionan significativamente.