En un estudio previo, publicado en la revista Nature Medicine, los mismos autores usaban modelos epidemiológicos aplicados a datos semanales de temperatura y mortalidad en 823 regiones de 35 países europeos para estimar una mortalidad prematura de 62,862 personas durante el año 2022. Los propios autores reconocían que el uso de datos semanales causaba una infraestimación de la mortalidad atribuida al calor, puesto que se requieren series de datos diarios para estimar con precisión el impacto de las temperaturas cálidas sobre la mortalidad.
Los investigadores hallaron que los modelos semanales, quincenales y mensuales subestiman los efectos del calor y el frio en comparación con el modelo diario
El objetivo del nuevo estudio era desarrollar un marco teórico que cuantificara los errores derivados del uso de datos agregados, como series de temperatura y mortalidad semanales o mensuales.
Estos datos agregados son especialmente útiles, ya que están disponibles en tiempo real a través de instituciones como Eurostat y, por tanto, permiten la cuantificación del peligro sobre la salud a los pocos días. Para desarrollar este marco teórico, el equipo investigador agregó las series diarias de temperatura y mortalidad de 147 regiones de 16 países europeos entre 1998 y 2004. A continuación, se analizaron y compararon las estimaciones de la mortalidad asociada al calor y al frío por distintos niveles de agregación: diaria, semanal, quincenal y mensual.
Los resultados mostraron diferencias en las estimaciones epidemiológicas según la escala de agregación temporal. Concretamente, se halló que, en general, los modelos semanales, quincenales y mensuales subestiman los efectos del calor y del frío en comparación con el modelo diario, y que esta infraestimación aumenta cuanto mayor es la escala de agregación temporal.
Concretamente, para el periodo 1998-2004, el modelo de datos diarios estimó una mortalidad anual relacionada con el frío y el calor de 290.104 y 39.434 muertes prematuras, respectivamente, mientras que el modelo semanal subestimó estas cifras en un 8,56% y un 21,56%.
La infraestimación aumenta cuanto mayor es la escala de agregación temporal
“Es importante destacar que estas diferencias fueron muy reducidas durante los periodos de frío y calor extremos, como el verano de 2003, con una subestimación de sólo el 4,62% en el modelo de datos semanales”, remarca Joan Ballester Claramunt, investigador de ISGlobal que lidera el proyecto EARLY-ADAPT del Consejo Europeo de Investigación.
Recalcular la mortalidad con datos semanales
El equipo investigador aplicó este marco teórico para reestimar la mortalidad causada por las temperaturas récord del año 2022. Según los cálculos realizados ahora por medio de este nuevo enfoque metodológico, en aquel estudio se habría subestimado la mortalidad en un 10,28%, lo que implicaría que la verdadera mortalidad relacionada con el calor durante el año 2022 sería de 70.066 muertes, según el modelo de datos diarios, y no los 62,862 muertos originalmente estimados.
“En general, encontramos que el uso de datos agregados mensuales no permite estimar los efectos a corto plazo de las temperaturas ambientales. En cambio, el uso de datos semanales ofrece la suficiente precisión en las estimaciones de mortalidad como para ser usados en la práctica en tiempo real en la vigilancia epidemiológica y en la generación de políticas públicas, como por ejemplo la activación de planes de emergencia para prevenir los impactos de las olas de calor y de frío”, señala el investigador de ISGlobal.
Este hecho supone una ventaja, ya que los equipos de investigación a menudo se encuentran con obstáculos burocráticos que dificultan o imposibilitan el diseño de estudios epidemiológicos a gran escala con datos diarios. Según Ballester, en aquellos casos en los que no sea posible disponer de datos diarios, el uso de series temporales semanales, que son fácilmente accesibles en tiempo real a escala europea, es una buena solución ya que ofrecen “una buena aproximación de las estimaciones obtenidas en el modelo de datos diarios”.
Fuente: ISGlobal
