Cómo se mide la movilidad en la Región Metropolitana

Se instaló en el debate público que la movilidad debe reducirse en más de 50% para contener la pandemia. En PAUTA revisamos de dónde proviene ese objetivo y cuáles mediciones son más aceptadas.

“Debemos insistir en que reducir la movilidad es fundamental para reducir la diseminación del virus y obviamente para evitar que este siga avanzando”.

Enrique Paris, ministro de Salud, 18 de junio de 2020

No hay una doble lectura: mientras menor sea el número de desplazamiento en las calles, menor es la probabilidad de que el nuevo coronavirus se expanda. Por ello, la regla básica del combate a la pandemia consiste en el distanciamiento físico. No, no hay dobles lecturas al respecto.

Con todo, en las últimas semanas han proliferado las mediciones sobre movilidad y conductas personales. Las siguientes son una muestra:

• Un informe de la UDD sostiene que la movilidad se ha reducido en 40%
• El Ministerio de Transportes sostiene que el flujo vehicular ha disminuido en 59%
• El Banco Interamericano de Desarrollo (BID) arroja un descenso de casi 54% para la Región Metropolitana de Santiago (solo como comparación, para la zona metropolitana de Buenos Aires registra una disminución de 38%), entre la semana del 9 de marzo y la del 8 de junio.
• La empresa CitySense midió una baja de 42,9% en el Gran Santiago.
• Una encuesta de Espacio Público e Ipsos arroja que el 88% de los sondeados ha debido salir de su casa por motivos no laborales. “Concluimos que la debilidad de la cuarentena no se debe a la desobediencia de la gente, sino a su diseño”, dijo Espacio Público.

Algunos de los estudios sobre movilidad toman el tránsito de los dispositivos móviles según la ubicación relativa de sus GPS, otras observan la sensibilidad detectada por las antenas receptoras, existen aquellas que observan la congestión vehicular y han surgido también las que detectan la búsqueda de wifi de los celulares en sensores ubicados en lugares estratégicos, entre varios más.

A esos análisis se agregan las observaciones anecdóticas: la congestión que se forma en algunas avenidas y calles en Santiago, las fiestas clandestinas y las detenciones de personas que incumplen el confinamiento. 

“Esperamos que la movilidad disminuya en un 50%. Hoy tenemos una reducción de movilidad de alrededor de un 30%. Esto varía, pero en general, esperamos que llegue a alrededor de un 50%”.

Paula Daza, subsecretaria de Salud, 17 de junio de 2020 (radio T13)

De acuerdo con los puntos de prensa del Gobierno, la principal fuente de información para medir la movilidad proviene del Instituto de Data Science de la Facultad de Ingeniería de la Universidad del Desarrollo. Esa unidad ha emitido documentos exhaustivos que muestran, a partir de datos provenientes de la interacción entre aparatos Movistar con antenas de celulares, el desplazamiento de las personas en todo el país.

En sus informes han reflejado que, en relación con una semana de referencia previa al establecimiento de las primeras “cuarentenas dinámicas”, en la Región Metropolitana la movilidad agregada (sin considerar comunas por separado) ha sido menor al 40% hasta la semana del 8-14 de junio. Es decir, seis de cada 10 “personas” han mantenido una movilidad parecida a la precuarentena.

Hasta ahí, hay dos aspectos claros con el informe de la UDD:

1. Se compara la última semana disponible con la segunda semana de marzo (previo al inicio de cuarentenas metropolitanas).
2. Se utiliza un método sofisticado de interacción entre celulares y antenas repetidoras.

Pero queda una pregunta pendiente: ¿por qué hay que reducir la movilidad en 50%? ¿O en 60%? ¿Por qué no en 80%?

¿De dónde salen las metas de reducción?

Loreto Bravo, una de las coautoras del informe de la UDD, cuenta que el criterio de metas (la pregunta del “cuánta reducción es necesaria”) proviene del trabajo bioestadístico del biólogo computacional Tomás Pérez-Acle, de la Fundación Ciencia & Vida. Efectivamente, Pérez-Acle es uno de los especialistas en análisis de datos que más tempranamente empezó a modelar el avance de la pandemia en Chile.

“A nivel internacional, a nivel teórico, incluso práctico, para que una cuarentena funcione, la movilidad remanente tiene que caer bajo el 40%. Es decir, el 100% de los viajes que tenemos en una situación normal, tenemos que caer al 40% o incluso más bajo”, comentó el investigador el 10 de junio en radio Duna.

En conversación con PAUTA, Pérez-Acle dice que la referencia de cuánto debe disminuir la movilidad es detectable en lo sucedido, por ejemplo, con la región de Lombardía, en Italia. Se trata de una de las zonas más duramente golpeadas por la pandemia. Cuando en ese lugar la reducción de movilidad llegó incluso al 80%, sostiene, el contagio alcanzó su límite y luego empezó su descenso.

¿Y cómo se midió esa caída del 80% en la movilidad? Pérez-Acle refiere primeramente a los datos de Google Mobility Data y Apple Mobility Trends Reports.

Los datos de Google y Apple

En forma periódica, Google y Apple entregan reportes a la comunidad global con datos que muestran el desplazamiento de usuarios con aparatos que usan esos sistemas operativos. Todo se mide a través del GPS. En el caso de Google, los datos reflejan el movimiento realizado por los usuarios; en el Apple, las direcciones que las personas insertan en sus mapas. Las técnicas metodológicas son, por lo tanto, distintas.

Primero, Google. Esa fuente de datos muestra la movilidad en la Región Metropolitana según ciertas categorías: cuánto ha variado el desplazamiento hacia lugares de trabajo; farmacias y supermercados; parques; o centros recreativos, entre otros.

PAUTA y un investigador con formación epidemiológica realizaron un análisis de las estadísticas semanales. La referencia es la misma utilizada por la UDD: la semana precuarentena entre el 9 y 15 de marzo. La semana de cierre de este análisis es entre el 8 y el 14 de junio. 

El gráfico muestra que en la Región Metropolitana la reducción de la movilidad ha sido similar a la zona de Lombardía en todas las categorías revisadas. En Santiago, el desplazamiento a los lugares de trabajo muestra una disminución de 65%, mientras que a supermercados y farmacias hay una caída de 58% en el promedio de la última semana analizada.

Segundo, Apple. En este caso, la firma entrega datos divididos en dos segmentos: aquellas personas que se movilizaron en vehículo (Apple Driving) y aquellas que lo hicieron a pie (Apple Walking). En la medición en Lombardía, hubo una reducción de sostenida de entre 85% y 90% por varias semanas entre mediados de marzo y mediados de abril, en relación con la referencia que usa Apple en ese caso (13 de enero, considerada un día “normal” cuando poco se sabía del Covid-19).

¿Y en Chile?

En el análisis de PAUTA se tomó como punto referencia la misma usada por la UDD: 9-15 de marzo (precuarentenas). Mientras el indicador de Apple Driving muestra una reducción de 68% en la semana del 8-14 de junio, Apple Walking exhibe un desplome de 85% en la Región Metropolitana.

Comparación entre el informe UDD y los datos de Google y Apple

El Instituto de Data Science de la UDD, Google y Apple buscan acercarse a una medición de movilidad por caminos diferentes. ¿Cuán similares o diferentes son?

De partida, los tres coinciden en que hay una reducción en el desplazamiento de los capitalinos. Difieren, sin embargo, en la intensidad. Para medir precisamente cómo las tendencias que arrojan las tres bases de datos son similares o divergentes, en PAUTA se aplicó un ejercicio de correlación: si el resultado se acerca a 1, significa que existe una relación positiva (A sube y B sube igual); si se aproxima a cero, implica que no hay relación alguna entre las variables; si se inclina a -1, se trata de una relación negativa (A sube y B baja en la misma proporción).

Los resultados indican que los datos de Google efectivamente muestran una correlación positiva casi perfecta con los resultados del informe UDD. Es decir, están midiendo la misma tendencia, solo que con diferencias en los porcentajes de reducción. Con Apple los coeficientes de correlación son menos decidores.

“Encuentro muy positivo que ustedes hayan encontrado esta correlación entre los resultados de Google y los que nosotros tenemos, porque muestra que estamos midiendo lo mismo, solo que de distinta forma”, comenta Loreto Bravo, investigadora de la UDD.

El informe UDD, de hecho, cuenta con una ventaja: su mayor riqueza está en su nivel de detalle, pues posee información segregada a nivel comunal y en todo el país. La ventaja para el caso de Google es que tiene bien diferenciadas las categorías, y en ellas parece claro que la reducción de movilidad tiene su menor impacto en las idas al supermercado y farmacias.

Este cruce de análisis, piensa Loreto Bravo, puede ser muy útil en el diseño de las políticas públicas que puedan aplicarse para las cuarentenas. Los datos de la UDD, “al complementarlos con la información de Google, podríamos entender, al nivel regional al menos, cuáles son las principales motivaciones del viaje”. Así, por ejemplo, si acudir a una farmacia está entre las principales causas de la salida de las personas, agrega la investigadora, se podrían diseñar soluciones que acerquen el servicio farmacéutico a los barrios.

Asimismo, sostiene que hay que tener cuidado con las comparaciones, dado que siempre puede haber factores distintos en cada comunidad que deban ser atendidos en forma específica.

¿Entonces?

Ante estos resultados de Google y Apple para Chile, Tomás Pérez-Acle plantea que en su modelo matemático usaron los datos de la UDD. De ese modo, explica la manera en que llegó a su alerta sobre una meta para reducir la movilidad en más de 60% (según el parámetro UDD): en el escenario de 60% de movilidad (es decir, una reducción del 40%, como sería ahora según el informe UDD), “nuestros modelos estiman que se podría esperar del orden de 20 mil personas fallecidas una vez que pase esta primera ola en la Región Metropolitana”, dice Pérez-Acle. Si la movilidad se mantiene en el 65% (esto es, una reducción de la movilidad del 35%), según sus proyecciones, el resultado sería mucho peor: unas 70 mil muertes.

Estos modelamientos matemáticos son serios y complejos. Se estructuran a partir de datos pasados: se corre un modelo y luego se contrasta con los números realmente ocurridos en la misma fecha; así va obteniendo fiabilidad. El error estimado para ese ejercicio ha sido del 5,4%. La variable de movilidad, agrega Pérez-Acle, es la más potente de sus modelos al proyectar los casos fatales por Covid-19. Pesa sobre estas proyecciones, eso sí, la incertidumbre por las zigzagueantes correcciones que el Ministerio de Salud aplica a sus conteos de casos de contagio y fallecimientos.

En un paper aún no validado por pares (“On the interplay between mobility and hospitalization capacity during the Covid-19 pandemic: The Seirhud model“) escrito por nueve investigadores encabezados por Tomás Veloz, y donde también firma Pérez-Acle, se profundiza más en la hipótesis de la movilidad. Considerando otros factores, como la capacidad hospitalaria, allí se plantea, en resumen, que si la movilidad se reduce en 60% o más, se puede detener la expansión del contagio. ¿Y cómo se mide ese contagio? Pues a través del indicador más esclarecedor para los epidemiólogos: el Re.

El factor Re

El número reproductivo efectivo (Re) indica a cuántas personas puede contagiar un individuo portador del virus. Si infecta a dos, significa que el Re es igual a dos. Los estudios indican que cuando el Re es menor a uno, entonces el contagio está controlado. Si fuera mayor que uno, por el contrario, se abre la puerta a la expansión exponencial del Covid-19.

La relación entre movilidad y el Re tiene en una investigación de 52 científicos (entre ellos, el influyente Neil Ferguson) uno de los reportes más contundentes sobre la materia hasta esta fecha. El informe, llamado “Report 26 – Reduction in mobility and Covid-19 transmission” y publicado en la web sin un sistema de referato, utiliza las bases de datos de Google y de Apple. Concluye que existe una correlación sólida entre movilidad y contagio. 

Ponen un ejemplo: para el Reino Unido, una caída de movilidad de 66% según los datos de Apple o de 57% en los de Google “serían suficientes para bajar el número de reproducción bajo 1”.

“El umbral mediano de reducción de movilidad en todos los países considerados”, dice el reporte, “fue estimado en un descenso de 68% (Apple) o 59% (Google)“. Es decir, ahí estaría la cifra buscada para que el Re sea menor a 1 y la pandemia quede por ese tiempo bajo control. Pero enfatizan que los resultados entre los 53 países analizados muestran una alta heterogeneidad: los resultados pueden variar mucho entre caso y caso.

En ese documento aparece Chile. Con datos actualizados solo hasta el 10 de mayo, anticipaban que sí hay una relación entre movilidad y contagios, pero a la luz de las infecciones observadas “se sugiere un mayor nivel de restricción de movilidad o se necesitan estrategias alternativas de restricción para alcanzar el control” de la enfermedad.

Una luz de esperanza abrió al respecto el Noveno Informe Covid-19 de la Escuela de Salud Pública de la Universidad de Chile. “De mantenerse las últimas cifras reportadas, y en la medida que estas sean un proxy de la situación epidémica real del Covid en Chile, hay cierta esperanza de que la reducción de Re a números menores que 1 continúe y que comience a disminuir el número de casos al final de junio y julio. Sin embargo, hay que mirar esto con cautela. El efecto que produzcan en la dinámica los meses más fríos del año es aún una incógnita”, dice el resumen del estudio. De hecho, 24 comunas de la Región Metropolitana tienen un Re mayor a 1.