Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Original
Historia del artículo: Objetivo: Analizar la evolución de la epidemia de COVID-19 después del estado de alarma e identificar
Recibido el 26 de abril de 2020 factores asociados a las diferencias entre las comunidades autónomas.
Aceptado el 13 de mayo de 2020 Método: Estudio ecológico que utilizó variables epidemiológicas, demográficas, ambientales y sobre la
On-line el xxx
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
Palabras clave: fueron las variables respuesta principales. La magnitud de las asociaciones se ha estimado mediante el
Epidemias
coeficiente de correlación de Spearman y el análisis de regresión múltiple.
Coronavirus
Epidemiología
Resultados: Las tasas de incidencia y de mortalidad en el momento del decreto del estado de alarma se
Enfermedades transmisibles asocian con las tasas de incidencia, mortalidad y demanda hospitalaria actuales. Las temperaturas medias
Monitoreo epidemiológico más altas se asocian significativamente con una menor incidencia actual de COVID-19. Asimismo, una
Medio ambiente y salud pública 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.
© 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/).
Factors associated with the incidence and mortality from COVID-19 in the
autonomous communities of Spain
a b s t r a c t
Keywords: Objective: Analyze the evolution of the epidemic of COVID-19 after the alarm state and identify factors
Epidemic associated with the differences between the autonomous communities.
Coronavirus Method: Ecological study that used epidemiological, demographic, environmental and variables on the
Epidemiology
structure of health services as explanatory variables. The analysis period was from March 15th (the start
Communicable diseases
of the alarm state) until April 22nd, 2020. Incidence and mortality rates were the main response variables.
Epidemiological monitoring
Environment and public health 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 propor-
tion of older people in nursing homes is significantly associated with a higher current mortality in the
autonomous communities.
https://doi.org/10.1016/j.gaceta.2020.05.004
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: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
G Model
GACETA-1878; No. of Pages 8 ARTICLE IN PRESS
2 A. Medeiros Figueiredo et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx
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.
© 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/).
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
GACETA-1878; No. of Pages 8
G Model
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
Tabla 1
Variables epidemiológicas, tasas de incidencia, mortalidad y letalidad, e indicadores de ocupación de camas hospitalarias y de camas de UCI
Comunidad autónoma Tiempo de Tiempo para Tiempo para la Incidencia por Mortalidad por Tasa de Incidencia por Mortalidad por Tasa de Pacientes en Pacientes
ARTICLE IN PRESS
epidemia (días) los primeros primera 100.000 100.000 letalidad (%) 100.000 100.000 letalidad (%) UCI en relación ingresados en
3
G Model
GACETA-1878; No. of Pages 8 ARTICLE IN PRESS
4 A. Medeiros Figueiredo et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx
Tabla 2
Variables demográficas, ambientales y de estructura del sistema sanitario
Comunidad autónoma Temperatura Densidad de Proporción de Ratio de plazas Médicos por Camas de UCI Camas
media (◦ C) población por personas > 65 residenciales 1000 por 100.000 hospitalarias
km2 años por 100 habitantes habitantes por 100.000
personas >65 habitantes
años
por 100.000 habitantes). La mayor mortalidad se produjo en la de días que se tardó en llegar a 100 casos (r = −0,498; p < 0,05) y en
Comunidad de Madrid (115,32 por 100.000 habitantes) y la más llegar a la primera muerte (r = −0,553; p < 0,05).
baja también en las Islas Canarias (5,62 por 100.000 habitantes). La En cuanto a las variables demográficas, el porcentaje de personas
letalidad en cada comunidad autónoma varió ampliamente tanto mayores de 65 años de las comunidades autónomas no se corre-
al comienzo del periodo como al final; por ejemplo, la letalidad ini- lacionó con las variables respuesta primarias o secundarias. Sin
cial en Madrid fue del 5,11% y en Andalucía fue del 1,26%. Al final embargo, la ratio de plazas residenciales por 100 personas mayo-
del periodo de análisis, la mayor letalidad se encontró en Madrid res de 65 años mostró una correlación moderada con la incidencia
(13,00%) y la más baja en Galicia (4,26%). La tasa de ocupación de (r = 0,694; p < 0,002) y una fuerte correlación con la mortalidad
camas de hospital fue mayor en Castilla-La Mancha (185,03%) y (r = 0,711; p < 0,001). Por otra parte, la temperatura media mos-
menor en Murcia (18,42%), como se muestra en la tabla 2. En cuanto tró una fuerte correlación negativa con la incidencia (r = −0,771;
al porcentaje de camas de UCI, la tasa de ocupación más alta se p < 0,0001) y con la mortalidad (r = −0,721; p < 0,001), y con la
registró en Cataluña (380,06%) y la más baja en Galicia (34,98%). ocupación de camas de hospital (r = −0,786; p < 0,001) y de camas
Las series históricas con datos de incidencia y de mortalidad de UCI (r = −0,717; p < 0,001). Finalmente, la tasa de profesiona-
tienen características similares (figs. 1 y 2). Las comunidades autó- les de la medicina por habitante se correlacionó únicamente con la
nomas con los valores más altos el 15 de marzo han tenido una incidencia (r = 0,498; p < 0,05).
mayor velocidad de crecimiento durante todo el periodo analizado. Con respecto a los resultados de los análisis de regresión múl-
La curva del porcentaje de camas de UCI utilizadas, sin embargo, tiple, el modelo final resultante para la incidencia incluyó dos
tiene un patrón diferente (fig. 3). En esta curva, el grupo de comu- variables: los logaritmos de las temperaturas promedio de las
nidades autónomas con la incidencia más baja al comienzo del comunidades autónomas (coeficiente = −1,657) y de la incidencia
periodo tuvo un valor de ocupación más bajo. Valencia, Cataluña en el tiempo T0 (coeficiente = 0,530). Un aumento de un 10% en la
y Madrid tuvieron una tasa de ocupación de camas de UCI superior temperatura se asocia a una disminución del 14,6% en la tasa de inci-
al 100%, lo que demuestra que fue necesaria una expansión repen- dencia, ajustando por la incidencia en T0 . Por otra parte, el impacto
tina de las camas para poder afrontar la epidemia de COVID-19. de la incidencia en el momento T0 fue mayor que el impacto de la
En cuanto a Madrid, está claro que el alto porcentaje de pacientes temperatura (coeficientes estandarizados de 0,592 y −0,425, res-
ingresados en la UCI alcanzó una meseta a finales de marzo, lo que pectivamente). En cuanto a la mortalidad, el modelo final incluyó
no ocurrió en Cataluña ni en Valencia. los logaritmos de las tasas de mortalidad en T0 (coeficiente = 0,425)
Las variables relacionadas con la evolución de la epidemia y de la ratio de plazas residenciales por 100 personas mayores de 65
tuvieron las correlaciones más altas con las variables de res- años (coeficiente = 1,080). Un aumento del 10% en esta ratio se aso-
puesta principales y secundarias: la incidencia en el momento del cia a un aumento del 11% en la tasa de mortalidad. Con respecto a las
decreto (T0 ) tuvo una fuerte correlación con las tasas de inciden- variables respuesta secundarias, el modelo final resultante para la
cia (r = 0,912; p < 0,0001) y de mortalidad (r = 0,870; p < 0,0001) ocupación de camas hospitalarias incluyó únicamente el logaritmo
al final del análisis (T1 ). Una mayor incidencia en el momento de la incidencia en el momento T0 (coeficiente = 0,543). El modelo
T0 también mostró una fuerte correlación con una mayor propor- de ocupación de camas de UCI incluyó dos variables: los logarit-
ción de utilización de camas hospitalarias (r = 0,801; p < 0,0001) y mos de camas de UCI (coeficiente = −1,924) y de la incidencia en
una correlación menos intensa con la proporción de utilización de el momento T0 (coeficiente = 0,399). Todos los resultados descritos
camas de UCI (r = 0,681; p < 0,003). Por otra parte, una mayor morta- fueron estadísticamente significativos (véase tabla I en Apéndice
lidad al comienzo del periodo también se correlacionó fuertemente online).
con la incidencia (r = 0,807; p < 0,0001), la mortalidad (r = 0,863; p
< 0,0001) y el mayor uso de camas de hospital (r = 0,644; p < 0,005) Discusión
y de camas de UCI (r = 0,620; p < 0,008) al final del periodo. Hubo
una correlación moderada entre la mortalidad en el momento T0 Las comunidades autónomas que tenían unas tasas de inciden-
y la letalidad (r = 0,595; p = 0,01) registrada al final del periodo. Se cia y de mortalidad más altas cuando entró en vigor el Decreto
encontró una correlación negativa entre la mortalidad y el número de estado de alarma también han tenido las tasas de incidencia,
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
G Model
GACETA-1878; No. of Pages 8 ARTICLE IN PRESS
A. Medeiros Figueiredo et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx 5
1400
1200
Casos por 100.000 personas
1000
800
600
400
200
0
06/04/2020
15/03/2020
16/03/2020
17/03/2020
18/03/2020
19/03/2020
20/03/2020
21/03/2020
22/03/2020
23/03/2020
24/03/2020
25/03/2020
26/03/2020
27/03/2020
28/03/2020
29/03/2020
30/03/2020
31/03/2020
01/04/2020
02/04/2020
03/04/2020
04/04/2020
05/04/2020
07/04/2020
08/04/2020
09/04/2020
10/04/2020
11/04/2020
12/04/2020
13/04/2020
14/04/2020
15/04/2020
16/04/2020
17/04/2020
18/04/2020
19/04/2020
20/04/2020
21/04/2020
22/04/2020
Andalucía Aragón Asturias Baleares
C. Valenciana Canarias Cantabria Castilla y León
Castilla-La Mancha Cataluña Extremadura Galicia
La Rioja Madrid Murcia Navarra
País Vasco
Figura 1. Serie histórica de la incidencia de COVID-19 en las comunidades autónomas.
140
120
Muertes por 100.000 personas
100
80
60
40
20
0
15/03/2020
16/03/2020
17/03/2020
18/03/2020
19/03/2020
20/03/2020
21/03/2020
22/03/2020
23/03/2020
24/03/2020
25/03/2020
26/03/2020
27/03/2020
28/03/2020
29/03/2020
30/03/2020
31/03/2020
01/04/2020
02/04/2020
03/04/2020
04/04/2020
06/04/2020
05/04/2020
07/04/2020
08/04/2020
09/04/2020
10/04/2020
11/04/2020
12/04/2020
13/04/2020
14/04/2020
15/04/2020
16/04/2020
17/04/2020
18/04/2020
19/04/2020
20/04/2020
21/04/2020
22/04/2020
Andalucía Aragón Asturias Baleares
C. Valenciana Canarias Cantabria Castilla y León
Castilla-La Mancha Cataluña Extremadura Galicia
La Rioja Madrid Murcia Navarra
País Vasco
Figura 2. Serie histórica de la mortalidad por COVID-19 en las comunidades autónomas.
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
G Model
GACETA-1878; No. of Pages 8 ARTICLE IN PRESS
6 A. Medeiros Figueiredo et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx
400%
350%
Porcentaje de personas ingresadas en UCI
300%
250%
200%
150%
100%
50%
0% 31/03/2020
09/04/2020
15/03/2020
16/03/2020
17/03/2020
18/03/2020
19/03/2020
20/03/2020
21/03/2020
22/03/2020
23/03/2020
24/03/2020
25/03/2020
26/03/2020
27/03/2020
28/03/2020
29/03/2020
30/03/2020
01/04/2020
02/04/2020
03/04/2020
04/04/2020
05/04/2020
06/04/2020
07/04/2020
08/04/2020
10/04/2020
11/04/2020
12/04/2020
13/04/2020
14/04/2020
15/04/2020
16/04/2020
17/04/2020
18/04/2020
19/04/2020
20/04/2020
21/04/2020
22/04/2020
Andalucía Aragón Asturias Baleares C. Valenciana
Canarias Cantabria Castilla y León Castilla-La Mancha Cataluña
Extremadura Galicia La Rioja Madrid Murcia
Navarra País Vasco
Figura 3. Serie histórica del porcentaje de ocupación de camas de UCI por pacientes con COVID-19 en las comunidades autónomas.
mortalidad y ocupación de camas más altas al final del periodo específicas de protección y atención en las residencias de mayo-
de análisis. Las series históricas muestran que las curvas de casos res para reducir la morbilidad y la mortalidad de esta población
y muertes se aplanaron en mayor medida en las comunidades vulnerable.
con menos casos al comienzo del periodo, en especial cuando se Por otra parte, los modelos de regresión indican un efecto signi-
observan los datos de la primera semana tras la intervención. Este ficativo de la temperatura en las diferencias en la incidencia entre
resultado es similar al hallado en otro estudio que demostró que la las comunidades autónomas, una vez ajustado por la incidencia al
efectividad de las medidas de distanciamiento social es mayor en inicio del periodo. Un informe de la Agencia Estatal de Meteoro-
los lugares donde el número de casos era menor en el momento de logía documenta que el aumento de las temperaturas promedio
la cuarentena6 . Este mismo estudio también encontró que hay un de las comunidades autónomas se asocia a una menor incidencia
retraso de al menos una semana para que se observen los efectos de acumulada de COVID-1913 . Otro estudio en una ciudad española
la cuarentena en el «aplanamiento» de la curva, debido al tiempo de demuestra que un aumento de 1 ◦ C en la temperatura máxima dia-
incubación de la enfermedad, ya que las personas infectadas antes ria reduce la incidencia en ese mismo día un 7,5%20 . Según nuestros
de las medidas de restricción fueron diagnosticadas entre 5 y 14 datos, el rango de temperaturas en las comunidades autónomas es
días después de implantarlas6,15 . de 7,8 ◦ C (7,3 ◦ C - 15,1 ◦ C) y la media es de 9,8 ◦ C. Hemos estimado
Los datos del Ministerio de Sanidad de casos hospitalizados y de que un aumento de un 10% en la temperatura promedio se asocia
casos ingresados en la UCI no son homogéneos para las comunida- a un descenso del 14,6% de la incidencia. Esta magnitud concuerda
des autónomas. En algunas de ellas el dato corresponde al número con los resultados de otro estudio realizado en más de 400 ciudades
de ingresados en un momento dado, mientras que en otras corres- del mundo, en el que se observó que por cada grado de aumento
ponde al total de ingresos en todo el periodo de la epidemia. A de las temperaturas la incidencia acumulada se redujo un 14%21 .
pesar de esta heterogeneidad, la evolución de las curvas en cada El efecto de las temperaturas sobre la incidencia de la COVID-19
comunidad autónoma indica que en aquellas con mayor incidencia podría estar mediado por dos mecanismos. La inactivación del virus
al comienzo de la epidemia existió una sobrecarga para los servi- a medida que aumentan las temperaturas es un hecho ya conocido
cios sanitarios. Las tasas de letalidad más altas de lo esperado al para otros virus respiratorios, pero para el coronavirus dicha evi-
comienzo de la epidemia sugieren una deficiencia en la detección dencia todavía es muy limitada22 . Otro mecanismo posible tiene
de casos leves16 . que ver con los estilos de vida. El principal ámbito de transmisión
Nuestros resultados principales, de acuerdo con los modelos del coronavirus son los lugares cerrados. El aumento de las tem-
de regresión, demuestran que la proporción de personas mayo- peraturas tiene dos posibles efectos a este respecto: por una parte,
res que viven en residencias es un factor importante asociado a disminuye el tiempo de permanencia en ambientes interiores, y por
la mortalidad17,18 . Con respecto a España, este resultado corrobora otra reduce el uso de calefacciones y aumenta la ventilación natural
la información divulgada por las redes y los medios de comunica- de las viviendas, todo lo cual contribuye a aumentar la humedad,
ción sobre el alto número de muertes de personas mayores en estas un factor que también puede reducir la trasmisión del virus según
instituciones19 . Por lo tanto, es importante considerar estrategias la evidencia reciente23 .
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
G Model
GACETA-1878; No. of Pages 8 ARTICLE IN PRESS
A. Medeiros Figueiredo et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx 7
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004
G Model
GACETA-1878; No. of Pages 8 ARTICLE IN PRESS
8 A. Medeiros Figueiredo et al. / Gac Sanit. 2020;xxx(xx):xxx–xxx
4. World Health Organization (WHO). Novel coronavirus (2019-nCoV) situa- 13. Ministerio para la Transición Ecológica y el Reto Demográfico. Agencia Estatal
tion report – 38, 27 February 2020. WHO Bulletin; 2020. (Consultado de Meteorología. Primeros indicios de correlación entre variables meteoro-
el 19/4/2020.) Disponible en: https://www.who.int/docs/default- lógicas y propagación de la enfermedad COVID-19 y del virus SARS-CoV-2
source/coronaviruse/situation-reports/20200419-sitrep-90-covid19.pdf?sf en España. (Consultado el 17/4/2020.) Disponible en: http://www.aemet.
vrsn = 551d47fd 2. es/es/noticias/2020/04/Covid variablesmeteorologicas abril2020.
5. Real Decreto 463/2020, de 14 de marzo, por el que se declara el estado de alarma 14. Instituto Nacional de Estadística. Tasa de médicos por 100.000 habitan-
para la gestión de la situación de crisis sanitaria ocasionada por el COVID-19. tes por comunidades y ciudades autónomas de colegiación y situación
BOE núm. 67, de 14 de Mar de 2020, p. 25390-400. (Consultado el 12/4/2020.) laboral. (Consultado el 9/4/2020.) Disponible en: https://www.ine.es/jaxi/
Disponible en: https://www.boe.es/eli/es/rd/2020/03/14/463. Datos.htm?path = /t15/p416/a2016/&file = s01006.px#!tabs-tabla.
6. Figueiredo AM, Daponte A, Figueiredo DCMM, et al. Impact of lock- 15. Lauer SA, Grantz KH, Bi Q, et al. The incubation period of coronavirus disease
down on COVID-19 incidence and mortality in China: an interrup- 2019 (COVID-19) from publicly reported confirmed cases: estimation and appli-
ted time series study. [Submitted]. Bull World Health Organ. 2020, cation. Ann Intern Med. 2020;172:577–82.
http://dx.doi.org/10.2471/BLT.20.256701. 16. Figueiredo AM, Codina AD, de Figueiredo DCMM, et al. Letalidad
7. Impelli M. Japan’s health minister warns 400,000 people could del COVID-19: ausencia de patrón epidemiológico. Gac Sanit. 2020,
die from coronavirus without social distancing. New York: News- http://dx.doi.org/10.1016/j.gaceta.2020.04.001.
week. 15 abril 2020. (Consultado el 19/4/2020). Disponible 17. McMichael TM, Clark S, Pogosjans S, et al. COVID-19 in a long-term care facility
en: https://www.newsweek.com/japans-health-minister-warns- - King County, Washington, February 27–March 9 2020. MMWR Morb Mortal
400000-people-could-die-coronavirus-without-social-distancing- Wkly Rep. 2020;69:339–42.
1498086https://www.newsweek.com/japans-health-minister-warns-400000- 18. Comas-Herrera A, Zalakain J, Litwin C, et al. Mortality associated with
people-could-die-coronavirus-without-social-distancing-1498086. COVID-19 outbreaks in care homes: early international evidence.
8. Ministerio de Sanidad, Consumo y Bienestar Social. Situación de 17 April 2020. Article in LTCcovid.org, International Long-Term Care
COVID-19 en España. 2020. (Consultado el 23/4/2020.) Disponible en: Policy Network, CPEC-LSE. (Consultado el 23/4/2020.) Disponible en:
https://covid19.isciii.es/resources/https://covid19.isciii.es/resources/serie ht**tps://ltccovid.org/2020/04/12/mortality-associated-with-covid-19-
historica acumulados.csv. outbreaks-in-care-homes-early-international-evidence/.
9. Instituto Nacional de Estadística. Población por grupo de edad, sexo y comu- 19. Coronavirus. Radiografía del coronavirus en residencias de ancia-
nidad autónoma. Valores absolutos. (Consultado el 9/4/2020.) Disponible en: nos: más de 15.000 fallecidos a falta de test generalizados. Madrid:
https://www.ine.es/jaxiT3/Tabla.htm?t = 4925&L = 0. RTVE Radiotelevisión Española. (Consultado el 19/4/2020.) Disponible
10. Delgado A. Datadista. Número de camas UCI por CCAA. Dato extraído en: https://www.rtve.es/noticias/20200419/radiografia-del-coronavirus-
de los microdatos de la Estadística de Centros Sanitarios de Atención residencias-ancianos-espana/2011609.shtml.
Especializada (SIAE) de 2017. 2017. (Consultado el 9/4/2020.) Disponible en: 20. Tobías A, Molina T. Is temperature reducing the transmission of COVID-19?
https://github.com/datadista/datasets/blob/master/COVID%2019/ccaa camas uci Environ Res. 2020;186:109553.
csv. 21. Wang M, Jiang A, Gong L, et al. Temperature significant change COVID-19 trans-
11. Ministerio de Sanidad, Consumo y Bienestar Social. Hospitales, camas en mission in 429 cities. MedRxiv. 2020. (Consultado el 18/4/2020). Disponible en:
funcionamiento y puestos de hospital de día (PHD) del Sistema Nacio- https://www.medrxiv.org/content/early/2020/02/25/2020.02.22.20025791.
nal de Salud (SNS), número y tasa por 1.000 habitantes y número 22. Kampf G, Voss A, Scheithauer S. Inactivation of corona-
de centros, servicios y unidades de referencia (CSUR) según comuni- viruses by heat. J Hosp Infect. 2020;S0195–6701:30124–9,
dad autónoma. Año 2017. (Consultado el 17/4/2020.) Disponible en: http://dx.doi.org/10.1016/j.jhin.2020.03.025.
https://www.mscbs.gob.es/estadEstudios/sanidadDatos/tablas/tabla22.htm. 23. Chan KH, Peiris JS, Lam SY, et al. The effects of temperature and relative humidity
12. Abellán García A, Aceituno Nieto MP, Ramiro Fariñas D. Estadísti- on the viability of the SARS coronavirus. Adv Virol. 2011. 2011:734690.
cas sobre residencias: distribución de centros y plazas residenciales 24. Gobierno de España. Gabinete de prensa. Notas de prensa. Salvador Illa:
por provincia. Datos de abril de 2019. Madrid: Consejo Superior de «Desde el inicio de la crisis se han realizado en España 930.230 prue-
Investigaciones Científicas. Envejecimiento en red;. 2019. Informes bas diagnósticas PCR». 2020. (Consultado el 18/4/2020.) Disponible en:
Envejecimiento en red N.◦ 24. (Consultado el 20/4/2020.) Disponible https://www.mscbs.gob.es/gabinete/notasPrensa.do?metodo = detalle&id = 4864.
en: http://envejecimiento.csic.es/documentos/documentos/enred-
estadisticasresidencias2019.pdf.
Cómo citar este artículo: Medeiros Figueiredo A, et al. Factores asociados a la incidencia y la mortalidad por COVID-19 en las comunidades
autónomas. Gac Sanit. 2020. https://doi.org/10.1016/j.gaceta.2020.05.004