ARTÍCULO DE INVESTIGACIÓN / RESEARCH ARTICLE
ESTUDIO COMPARATIVO ENTRE EL CONTAGIO DURANTE LA
CUARENTENA OBLIGADA POR EL COVID-19 Y EL CONTAGIO DURANTE LA
APERTURA GRADUAL Y CONTROLADA PARA ALGUNOS SECTORES DE LA
ECONOMÍA EN COLOMBIA
COMPARATIVE STUDY ON THE COVID-19 CONTAGION RATE DURING THE
MANDATORY QUARANTINE AND DURING THE GRADUAL AND
CONTROLLED REOPENING OF SOME SECTORS OF THE ECONOMY IN
COLOMBIA
Fecha recibido: junio 1 de 2020
Fecha aceptado: junio 11 de 2020
Jorge Enrique Díaz-Pinzóna
Correo electrónico autor principal Ing. Jorge Enrique Díaz Pinzón: jediazp@unal.edu.co
a
Ingeniero. Magister en Gestión de la Tecnología Educativa, Especialista en Administración de la
Informática Educativa. Docente de matemáticas e Investigador, Secretaría de Educación de Soacha,
Cundinamarca.
ISSN: 0121-7372 • ISSN electrónico: 2462-991X - REPERT MED CIR. 2020;29(Núm. Supl.1):52-58
Doi: https://doi.org/10.31260/RepertMedCir.01217372.1073
Resumen
Introducción: el nuevo coronavirus COVID-19 ha sido clasificado por la Organización
Mundial de la Salud como una emergencia en salud pública de importancia
internacional (ESPII). Se han reconocido casos en todos los continentes y el 6 de
marzo se confirmó el primero en Colombia. La infección se evidencia cuando una
persona enferma tose o estornuda y expulsa partículas del virus que entran en
contacto con otras personas. Objetivo: presentar un estudio comparativo entre el
promedio de contagio durante la cuarentena obligada por el COVID-19 y el promedio
de contagio durante la apertura gradual y controlada para algunos sectores de la
economía. Materiales y métodos: se utilizó la base de datos de las personas
infectadas por el COVID-19 con la información correspondiente al período 25 de
marzo 2020 a 26 de abril 2020 de cuarentena obligada entre 27 de abril a 29 de
mayo 2020 con la apertura gradual y controlada para algunos sectores de la
economía. En su análisis se utilizó la prueba t-student para muestras
independientes, utilizando el paquete estadístico SPSS v.25. Resultados: se
presentó mayor contagio de personas por COVID-19 con la apertura global y
sistemática de varios sectores de la economía; a partir del análisis estadístico de
los datos aplicando la prueba t-student se pudo observar que hay evidencia para
rechazar la hipótesis nula; por consiguiente, las medias son diferentes.
Conclusiones: la estrategia a seguir es sostener el aislamiento preventivo obligatorio
para los grupos específicos y la cuarenta en toda la población.
Palabras clave: coronavirus, transmisión de enfermedad infecciosa; pandemia,
Covid-19.
© 2020 Fundación Universitaria de Ciencias de la Salud - FUCS. Este es un artículo Open Access bajo la licencia
CC BY-NC-ND (http:// creativecommons.org/licenses/by-nc-nd/4.0/)
Abstract
Introduction: the new Coronavirus (COVID-19) has been declared by the World
Health Organization as a public health emergency of international concern (PHEIC).
Cases have been reported on all continents and the first case in Colombia was
confirmed on March 6 2020. The infection may occur when a sick person coughs or
sneezes and expels virus particles that come into contact with other people.
Objective: to report on a comparative study on the COVID- 19 contagion rate during
the mandatory quarantine and during the gradual and controlled reopening of some
sectors of economy. Materials and Methods: the database including people infected
with Covid-19 was used. This information corresponds to the obligatory quarantine
between March 25 2020 and April 26 2020 and from April 27 to May 29 2020 with
the gradual and controlled reopening of some sectors of economy. The t-student test
was used for independent samples analysis in the SPSS v.25 statistical package.
Results: the number of people infected with COVID-19 was higher during the global
and systematic reopening of several sectors of economy; the t-student statistical
data analysis showed evidence for rejecting the null hypothesis; thus, the rates are
different. Conclusions: the strategy includes extending mandatory preventive
isolation for specific groups while the entire population remains in quarantine.
Keywords: coronavirus, infectious disease transmission; pandemic; Covid-19.
© 2020 Fundación Universitaria de Ciencias de la Salud - FUCS. This is an open access article under the CC
BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Introducción
La nueva enfermedad del coronavirus 2019 (COVID-19) presenta una inminencia
importante y urgente para la salud mundial, desde el brote a principios de diciembre
2019 en la provincia de Hubei de la República Popular de China
1,2
A pesar de las respuestas de salud pública destinadas a contener la enfermedad y
demorar la propagación, varios países se han encontrado con una crisis de atención
crítica y es casi seguro que más países la seguirán.
3,4
Los brotes acarrean
aumentos importantes en la demanda de camas de hospital y la escasez de equipos
médicos, mientras que el personal médico también podría infectarse.
La enfermedad ocasionada por este nuevo virus se ha designado por consenso
internacional COVID-19. En 2005 el Comité de Emergencias del Reglamento
Sanitario Internacional manifestó el brote como una Emergencia de Salud Pública
de Importancia Internacional
(ESPII) en su reunión de enero 30 2020.
Posteriormente, la OMS lo consideró como una pandemia global el 11 de marzo de
2020.
5
El nuevo coronavirus (COVID-19) ha sido clasificado por la Organización Mundial
de la Salud como una emergencia en salud pública de importancia internacional
(ESPII). Se han reconocido casos en todos los continentes y el 6 de marzo se
confirmó el primero en Colombia. La infección se evidencia cuando una persona
enferma tose o estornuda y expulsa partículas del virus que entran en contacto con
otras personas.
A pesar de las múltiples incertidumbres que a nivel biológico, clínico y
epidemiológico subsistien, lo que ya parece claro es que cada país ha respondido
o está respondiendo a la misma amenaza con diferentes medidas y/o con una
temporización diferente. Este hecho hace que las curvas epidemiológicas de los
países afectados se estén comportando de manera distinta y que el costo social y
económico de las respectivas respuestas pueda ser diferente.
6
El objetivo de esta investigación es presentar un estudio comparativo entre el
promedio de contagio durante la cuarentena obligada por el COVID-19 y el promedio
de contagio durante la apertura gradual y controlada para algunos sectores de la
economía.
Metodología
El trabajo de investigación se realizó mediante un tipo experimental que es el
siguiente: aquella que permite mayor seguridad al establecer relaciones de causa a
efecto pues presenta una visión general y aproximada del objeto de estudio, además
de contar con una investigación cuyo el diseño establece un método experimental
habitual del conjunto de las normas científicas, Monje (2011) citado por Díaz.
7
Regularmente a estos experimentos se los nombra ciencia verdadera y manejan
medios matemáticos y estadísticos cotidianos para evaluar los resultados de modo
concluyente. Todos los experimentos cuantitativos utilizan un formato estándar con
algunas pequeñas diferencias interdisciplinarias para generar una hipótesis que
será probada o desmentida. Esta hipótesis debe ser demostrable por medios
matemáticos y estadísticos y constituye la base alrededor de la cual se diseña todo
el experimento.
8
Población
La información se obtuvo de la página web del INS
9
de los informes diarios. Se
puede evidenciar en la (tabla 1) la población de la cuarentena obligatoria en el
período de aislamiento entre el 25 de marzo y el 26 de abril de 2020 que fue de
5.002 individuos y la población contagiada durante la apertura gradual y controlada
para algunos sectores de la economía en Colombia, durante el período 27 de abril
a 29 de mayo 2020, que fue de 21.390 individuos. Los dos intervalos de tiempo
corresponden a 33 días calendario cada uno, esto con el fin de tener el mismo lapso
de tiempo para las dos situaciones expuestas antes.
Tabla 1. Contagio durante la cuarentena y la apertura gradual
Día
Contagio durante la
cuarentena
Contagio durante la apertura
gradual
1
92
218
2
21
352
3
48
258
4
69
300
5
94
499
6
96
279
7
108
383
8
159
305
9
96
640
10
106
346
11
139
497
12
79
595
13
94
444
14
201
568
15
274
550
16
169
659
17
250
658
18
236
680
19
67
606
20
76
723
21
127
635
Resultados
Formulación de hipótesis:
La hipótesis del presente trabajo de investigación se diseña como una relación
causal y se enuncia de la siguiente forma:
(a) hipótesis alterna (Ha): existen diferencias significativas entre el promedio o la
media de contagios durante la cuarentena obligada por el COVID-19 y el contagio
en la apertura gradual y controlada para algunos sectores de la economía en
Colombia, y (b) hipótesis nula (Ho): no existen diferencias significativas entre el
promedio o la media de contagios durante la cuarentena obligada por el COVID-19
y el contagio en la apertura gradual y controlada para algunos sectores de la
economía en Colombia. Nivel de significancia: =5% = 0,5.
Elección de la prueba estadística: test-student, admite decidir si dos variables
aleatorias normales (gaussianas) y con igual varianza tienen medias diferentes.
10
Puede emplearse en numerosos contextos para evidenciar si la modificación en las
condiciones de un proceso (humano o natural) fundamentalmente aleatorio produce
una elevación o disminución de la media poblacional.
10
Toma de decisión: sí el p- valor ˂ a es aceptar Ha, entonces rechazamos la
hipótesis nula y nos quedamos con la hipótesis del investigador (Ha).
22
126
721
23
118
640
24
216
752
25
182
643
26
171
801
27
186
1046
28
172
998
29
207
806
30
205
1022
31
320
1101
32
261
1262
33
237
1322
Condiciones de aplicación del test t para dos medias: el valor de significancia
(Sig.) de la prueba es = 0.05 (5%); si es mayor se acepta la hipótesis nula y si es
menor se le rechaza. Para una variable aleatoria (numérica) se aplicará la prueba t-
de student, para diferencia de medias en muestras independientes. Es una prueba
estadística para evaluar si dos grupos difieren entre sí de manera significativa
respecto de sus medias. Se utilizó el software SPSS v 25.0.
Las condiciones de aplicación del test t para comparar dos medias son: a)
normalidad o n > 30 en cada grupo y b) homogeneidad de varianzas.
Según Olea
10
y Ocaña
11
calcular el p-valor de la prueba t-student en muestras
independientes: normalidad Kolmogórov-Smirnov en muestras grandes (>de 30
individuos); Shapiro-Wilk en muestras pequeñas (<de 30 individuos) y calcular el p-
valor de la prueba t. Criterio para determinar la normalidad: p- valor =˃ α aceptar
Ho = los datos provienen de una distribución normal, y p- Valor ˂ α aceptar Ha =
Los datos NO provienen de una distribución normal.
En la (tabla 2) se observa que el estadístico ha obtenido un valor de 0,118 para la
cuarentena y 0,120 para la apertura, que el valor de la significación estadística (p)
ha sido 0,200 para las dos situaciones, es decir mayor de 0,05 y por tanto se rechaza
Ha. Aceptamos Ho, que significa que la variable contagio sigue una distribución
normal.
Tabla 2. Prueba de normalidad
Contagio
Kolmogórov-Smirnov
Shapiro-Wilk
Estadístico
gl
Sig.
Estadístico
gl
Sig.
Casos
Cuarentena
,118
33
,200
*
,969
33
,464
Apertura
,120
33
,200
*
,944
33
,091
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
Gráficos Q-Q
Modela los diagramas de la probabilidad normal y de la sin tendencia. Los gráficos
Q-Q incorporan los cuantiles de la distribución de una variable respecto a los
cuantiles de cualquiera de las integrantes en una serie de distribuciones de
contraste. Los gráficos de probabilidad se utilizan para determinar si la distribución
de una variable coincide con otra distribución detallada. Si la variable seleccionada
coincide, los puntos se congregarán en torno a una línea recta.
12
Figura 1. Gráfico Q-Q normal-cuarentena.
Figura 2. Gráfico Q-Q normal-apertura
En las (figuras 1 y 2) se puede apreciar que el estadístico de prueba Kolmogórov-
Smirnov con la corrección de Lilliefors presenta un nivel de significancia igual a
0,200 en cada caso, en consecuencia, se acepta la hipótesis de normalidad. Los
gráficos Q-Q normal ratifican la conclusión anterior ya que los valores observados
se sitúan sobre la recta esperada bajo el supuesto de normalidad.
Diagrama de caja
La (figura 3) describe los detalles de un diagrama de caja que involucra la mediana,
los percentiles 25 y 75 (en realidad son las bisagras de Tukey) y una serie de valores
(atípicos, extremos). En nuestro caso el percentil 25 para la cuarentena es igual a
94, el percentil 50 a 139 y el percentil 75 a 205, para el caso de la apertura el
percentil 25 es igual a 444, el 50 a 640 y el 75 a 752.
Figura 3. Diagrama de caja cuarentena vs apertura.
Homogeneidad de varianzas ("homocedasticidad")
Comprobar que las varianzas de ambos grupos son iguales. La prueba F para la
homogeneidad mostrará la existencia o no diferencias significativas entre las
varianzas. Se calcula el cociente entre las varianzas de ambos grupos.
Igualdad de varianza (prueba de Levene): se debe corroborar esta igualdad entre
los grupos. P- valor =˃ α aceptar Ho = las varianzas son iguales, p- valor ˂ α
aceptar Ha = existe diferencia significativa entre las varianzas.
Al realizar la prueba de Levene los datos presentaron diferencias signficativas entre
las varianzas, lo cual no corroboró su igualdad, por tanto se procedió a crear una
nueva variable utilizando el operador matemático logaritmo natural.
Al realizar esta transformación, se procedió a realizar de nuevo la prueba de Levene.
En la (tabla 3) se aprecia que el p-valor es igual a 0,228, por tanto el p-valor es
mayor de α= 0,05, concluyendo que aceptamos Ho, es decir asumimos que las
varianzas son iguales.
Tabla 3. Prueba c para muestras independientes
Prueba de Levene de
igualdad de varianzas
Prueba t para la igualdad de medias
F
Sig.
t
gl
Sig.
(bilateral)
Ln casos
Se asumen
varianzas
iguales
1,483
0,228
-11,519
64
0,000
No se
asumen
varianzas
iguales
-11,519
61,254
0,000
Al cumplirse los supuestos de normalidad y de igualdad de varianzas, de acuerdo
con la (tabla 2) la prueba t-student para muestras independientes arrojaron una Sig.
(bilateral) < a 0,000, por lo tanto, rechazamos Ho y aceptamos Ha, es decir se
evidencia que hay diferencias altamente significativas entre los promedios de
contagio entre la cuarentena y la apertura gradual y controlada para algunos
sectores de la economía en Colombia.
Discusión
Según Coutin, citado por Díaz
13
, además la utilización de modelos de predicción
comparativamente de fácil construcción como los obtenidos con alisamientos
exponenciales en este estudio, logran resultar muy útiles para la vigilancia de
eventos de salud diversos ya que admiten a las autoridades sanitarias el
conocimiento previo que facilita en gran medida la toma de decisiones oportunas.
De acuerdo con lo anterior, Díaz
14
en su trabajo de investigación usó el modelo
predictivo para la dinámica de transmisión del COVID-19 en Colombia, utilizando el
modelo predictivo de Brown, lo cual arrojó como resultado que los datos de las
personas infectadas al finalizar el mes de julio 2020 serán alrededor de 53.718, de
esta población 31.544 corresponderán a hombres y 22.174 a mujeres, y las cifras
de las personas infectadas al finalizar el mes de agosto 2020 serán alrededor de
69.848, de ellas 41.110 corresponderán a hombres y 28.738 a mujeres.
Con esta situación tan preocupante se recomienda basado en la predicción
realizada a 31 de agosto 2020, aumentar la infraestructura en relación con el
aumento de camas de las unidades de cuidados intensivos e intermedios, al
igual que al aumento de respiradores mecánicos, basados en las
proyecciones matemáticas de cuál va a ser la demanda de pacientes
contagiados y de esta manera las instituciones de salud puedan llevar a cabo
los procesos administrativos para que los sistemas sanitarios sean capaces
de responder en forma adecuada.
Conclusiones
A partir del análisis estadístico de los datos aplicando la prueba t-student se puede
observar que hay evidencia para rechazar la hipótesis nula; por lo tanto, las medias
son estadísticamente diferentes. Es decir, que se aprecian diferencias
representativas entre la media del contagio de personas por el aislamiento
preventivo obligatorio, con el promedio de las personas contagiadas con la apertura
global y controlada de sectores de la economía. Esto significa que se presentó
mayor contagio de personas por COVID-19 con la apertura global y sistemática de
varios sectores de la economía. A partir del análisis estadístico de los datos
aplicando la prueba t-student se puede observar que hay evidencia para rechazar
la hipótesis nula; por consiguiente, las medias son diferentes. Así, la estrategia a
seguir es sostener el aislamiento preventivo obligatorio para los grupos específicos
y la cuarenta en toda la población.
Además, es indispensable nuevas medidas de mitigación y supresión en las fases
de contención y transmisión sostenida, como el incremento del volumen diagnóstico
por pruebas y desinfección de zonas habitadas y hogares de encierro.
15
De igual forma, las medidas de mitigación tienen como finalidad reducir la velocidad
de transmisión de la infección mediante un diagnóstico prematuro a través de
tamización de pruebas rápidas o montaje de laboratorios regionales que identifiquen
temprano el número de casos y preveer la transmisión sostenida hasta tener una
vacuna o medicamento seguro para eliminar el virus.
15
Se deben habilitar nuevos
espacios hospitalarios y fortalecer la capacidad para realizar pruebas diagnósticas
en el país. Hay que continuar con los protocolos de bioseguridad para todos los
grupos sociales y sectores económicos y el liderazgo permanente en las regiones
donde el COVID-19 ha presentado una incidencia especial.
16
Conflicto de intereses
El autor declara ningún conflicto de intereses
Referencias
1. Wynants L, Van Calster B, Bonten MMJ, Collins GS, Debray TPA, De Vos M,
et al. Prediction models for diagnosis and prognosis of covid-19 infection: systematic
review and critical appraisal. BMJ. 2020;369:m1328. doi: 10.1136/bmj.m1328
2. Li Q, Guan X, Wu P, Wang X, Zhou L, Tong Y, et al. Early Transmission
Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia. N Engl J
Med. 2020;382(13):1199-207. doi: 10.1056/NEJMoa2001316
3. Arabi YM, Murthy S, Webb S. COVID-19: a novel coronavirus and a novel
challenge for critical care. Intensive Care Med. 2020;46(5):833-6. doi:
10.1007/s00134-020-05955-1
4. Xie J, Tong Z, Guan X, Du B, Qiu H, Slutsky AS. Critical care crisis and some
recommendations during the COVID-19 epidemic in China. Intensive Care Med.
2020;46(5):837-40. doi: 10.1007/s00134-020-05979-7
5. Instituto de Salud Carlos III. Informes COVID-19 [Internet]. España: Ministerio
de Ciencian e Innovación 2020 [citado 2020 mayo 2]; Recuperado de:
https://www.isciii.es/QueHacemos/Servicios/VigilanciaSaludPublicaRENAVE/Enfer
medadesTransmisibles/Paginas/InformesCOVID-19.aspx.
6. Chaccour CJ. COVID-19: Cinco respuestas de salud pública diferentes ante
la epidemia [Internet]. España: Instituto de Salud Global de Barcelona 2020 [citado
2020 mayo 2]; Recuperado de: https://www.isglobal.org/healthisglobal/-/custom-
blog-portlet/covid-19-cinco-respuestas-de-salud-publica-diferentes-ante-la-
epidemia/2877257/0.
7. Díaz Pinzón J. Importancia de la simulación Phet en la enseñanza y
aprendizaje de fracciones equivalentes. Revista Educación y Desarrollo Social.
2017;11(1):48-53.
8. Shuttleworth M. Diseño de la investigación cuantitativa [Internet]. Explorable;
2008 [citado 2020 mayo 1]; Recuperado de: https://explorable.com/es/diseno-de-la-
investigacion-cualitativa.
9. Instituto Nacional de Salud. Coronavirus (COVID - 2019) en Colombia
[Internet]. Bogotá: Instituto Nacional de Salud; 2020 [citado 2020 mayo 30];
Recuperado de: https://www.ins.gov.co/Noticias/Paginas/Coronavirus.aspx.
10. Olea Serrano F. Técnicas estadísticas aplicadas en nutrición y salud.
España: Universidad de Granada; 2017. p. 35.
11. Ocaña Peinado FM. Análisis descriptivo y exploratorio de datos. España:
Universidad de Granada; 2017. p. 25.
12. Romero Saldaña M. Pruebas de bondad de ajuste a una distribución normal.
Revista Enfermería del Trabajo. 2016;6(3):105-14.
13. Díaz-Pinzón JE. Precisión del pronóstico de la propagación del COVID-19 en
Colombia. Repert Med Cir. 2020;29(Núm. Supl.1):27-33. doi:
10.31260/RepertMedCir.01217372.1045
14. Díaz-Pinzón JE. Uso de modelo predictivo para la dinámica de transmisión
del COVID-19 en Colombia. Repert Med Cir. 2020;29(Núm. Supl.1):34-44. doi:
10.31260/RepertMedCir.01217372.1056
15. Manrique-Abril FG, Agudelo-Calderon CA, González-Chordá VM, Gutiérrez-
Lesmes O, Téllez-Piñerez CF, Herrera-Amaya G. Modelo SIR de la pandemia de
COVID-19 en Colombia. Rev Salud Pública. 2020;22(1):e185977.
16. Presidencia de la República de Colombia. Dos meses de cuarentena /
Colombia tiene hoy un sistema de salud más fortalecido y preparado para salvar
vidas [Internet]. Colombia: Presidencia de la República de Colombia; 2020 [cited
2020 mayo 25]; Available from:
https://id.presidencia.gov.co/Paginas/prensa/2020/DOS-MESES-DE-
CUARENTENA-Colombia-tiene-hoy-un-sistema-de-salud-mas-fortalecido-y-
preparado-para-salvar-vidas-200525.aspx.
