Análisis de la relación de la movilidad poblacional con la onda epidémica e ingresos por COVID-19 utilizando el Google Mobility Index

• Fernández Palacio A ^[1] ; Alonso González D ^[2] ; Escribano Balín R ^[3] ; Castro Delgado R ^[4]
  1. [1] Gerencia de Atención Primaria de Burgos (Sanidad Castilla y León. SACYL), Burgos, España. Departamento de Medicina, Universidad Oviedo, Oviedo, España.
  2. [2] Matemático. Consultor independiente, España.
  3. [3] Servicio de Salud del Principado de Asturias (SAMU-Asturias). Instituto de Investigación Sanitaria del Principado de Asturias, ISPA (Grupo de Investigación en Asistencia Prehospitalaria y Desastres, GIAPREDE), España.
  4. [4] Departamento de Medicina, Universidad Oviedo, Oviedo, España. Servicio de Salud del Principado de Asturias (SAMU-Asturias). Instituto de Investigación Sanitaria del Principado de Asturias, ISPA (Grupo de Investigación en Asistencia Prehospitalaria y Desastres, GIAPREDE), España. Red de Investigación de Emergencias Prehospitalarias (RINVEMER-SEMES), España.

  Mostrar afiliaciones +
• Localización: Revista Española de Urgencias y Emergencias, ISSN-e 2951-6552, ISSN 2951-6544, Vol. 3, Nº. 2, 2024, págs. 84-89
• Idioma: español
• Títulos paralelos:
  • Relationship between population mobility, waves of COVID-19 cases, and hospital admissions for the disease: an analysis using the Google Mobility Index
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    INTRODUCCIÓN. La pandemia por COVID-19 obligó a las autoridades de Salud Pública a tomar medidas de restricción de la movilidad de la población sin precedentes en España. Estas medidas tenían el objetivo de disminuir la presión sobre el sistema sanitario.

    El objetivo de este estudio es analizar la movilidad poblacional y su posible relación con la onda epidémica en Asturias.

    MATERIAL Y MÉTODOS. Se realizó un estudio estadístico descriptivo y un análisis multivariante utilizando seis variables independientes de movilidad: tiendas y ocio, zonas residenciales, parques, lugares de trabajo, supermercados y farmacias y estaciones de transporte. Estos datos se obtuvieron por Google Mobility Index y fueron relacionados con tres variables dependientes sobre la onda epidémica en Asturias proporcionadas por el Observatorio de Salud del Principado de Asturias: casos diarios, ingresos diarios en hospitalización e ingresos diarios en unidad de cuidados intensivos (UCI). El periodo de estudio fue desde el 1 de marzo al 31 de diciembre de 2020.

    RESULTADOS. La movilidad poblacional disminuyó hasta casi un 100% durante la primera y la segunda ola pandémica. Cuando se redujeron las restricciones en verano, la movilidad en espacios al aire libre, como los parques, aumentó un 333%. Se utilizaron 9 modelos de regresión lineal donde se obtuvieron resultados significativos en 5 de las 6 variables de movilidad con un R2 = 0,6, con respecto a las variables de la onda epidémica, donde se predice un aumento o disminución de los casos diarios y/o los ingresos por COVID-19 dependiendo de la movilidad.

    CONCLUSIONES. Las medidas adoptadas fueron seguidas mayoritariamente por la población, y los índices de movilidad pueden servir para establecer predicciones sobre los ingresos hospitalarios. Hemos observado que el aumento de movilidad en parques y lugares de trabajo no produjo un aumento de los casos de hospitalización. Esto sí ocurrió con el aumento de movilidad en los medios de transporte.

  • English

    BACKGROUND AND OBJECTIVE. The COVID-19 pandemic obliged public health authorities to restrict population mobility in ways that had never before been done in Spain. The restrictions aimed to reduce pressure on the public health system. This study aimed to analyze population mobility in the Spanish autonomous community of Asturias to detect a possible impact on waves of the pandemic.

    MATERIAL AND METHODS. Descriptive statistics were compiled and multivariate analysis was performed with 6 independent mobility variables, namely travel to shops and places of leisure, residential areas, parks, workplaces, supermarkets and pharmacies, and transportation hubs. Data for these variables were provided by the Google Mobility Index. We explored their relationships to 3 dependent variables, as follows: daily case counts, daily hospital admissions, and daily intensive care unit admissions. These statistics were provided by the Health Observatory of the Principality of Asturias. The period studied was from March 1 to December 31, 2020.

    RESULTS. Population mobility decreased nearly 100% during the first and second waves. When restrictions were relaxed in the summer, displacement to open air spaces, such as parks, increased by 333%. Nine linear regression models detected significant associations between 5 of the 6 mobility variables (R2 = 0.6) and variables reflecting the waves of infection. The 5 variables, depending on the type of mobility involved, predicted increases or decreases in daily cases or admissions for COVID-19.

    CONCLUSIONS. The restrictions were widely followed by the population. Mobility indexes can be used to predict hospital admissions. We observed that although displacement toward parks and workplaces does not increase hospitalization rates, increased use of means of transport does have an impact on hospitalizations.