Desde la declaración de estado de alarma el 14 de marzo de 2020 hasta finales de marzo de 2022 se identificaron seis periodos epidémicos diferentes de COVID-19 en España. A partir de entonces, la estrategia de vigilancia cambió, centrándose en los casos en mayores de 60 años y hospitalizados de cualquier edad1. El Ministerio de Sanidad y el Instituto de Salud Carlos III elaboraron documentos actualizados según la evolución epidemiológica, el conocimiento de la enfermedad, el comportamiento del virus y la aparición de nuevas variantes2–5.

Las investigaciones realizadas han descrito cómo las desigualdades sociales afectan en la distribución y la evolución de las enfermedades infecciosas, así como su papel en situaciones de pandemia6–8. En este contexto, se han publicado estudios sobre su influencia en las tasas de incidencia y de mortalidad de la COVID-199,10, principalmente en grandes ciudades y durante los primeros periodos epidémicos11,12. En Madrid, un estudio evidenció una mayor incidencia en la zona sureste de la ciudad, donde la situación socioeconómica es más desfavorable13. No obstante, en los estudios realizados por Gullón et al.14 y por Martínez-Beneito et al.15 en las ciudades de Madrid y Barcelona, respectivamente, a lo largo de distintos periodos epidémicos, se observó un efecto dinámico en el tiempo de las desigualdades socioeconómicas en la incidencia de la infección, de modo que la relación entre mayor privación social y mayor incidencia no fue constante, presentando en algunos periodos una inversión del patrón.

Ciertos factores, como núcleos de convivencia numerosos, uso de transporte público, hacinamiento, convivencia intergeneracional, dificultades para mantener el distanciamiento social, menor acceso a medidas de higiene o limitado conocimiento en salud, se han asociado con un mayor impacto de la enfermedad16,17. Asimismo, las grandes ciudades, las capitales y las zonas de alta movilidad muestran una incidencia superior11,18,19. Por último, disponer de menos ingresos económicos podría relacionarse con una mayor probabilidad de infectarse13,20.

Durante las primeras semanas de la pandemia, la incidencia estuvo ligada al contacto entre viajeros y a áreas con mayor desarrollo económico; con el tiempo, factores como la densidad de población, el tamaño de la ciudad y el nivel educativo cobraron mayor relevancia21,22.

Los estudios espacio-temporales acerca del impacto de las desigualdades sociales y de otros factores asociados al riesgo de infección permiten identificar poblaciones vulnerables, analizar el comportamiento de los agentes infecciosos y orientar la toma de decisiones frente a nuevas infecciones y su evolución16,23.

El objetivo de este estudio fue realizar un análisis espacio-temporal de la incidencia de COVID-19 por código postal de los municipios pertenecientes a la gran área urbana (GAU) de Madrid24. Se representan cartográficamente las razones de incidencia y las hospitalizaciones por código postal, y se analiza el impacto de los factores demográficos y socioeconómicos en la propagación de la enfermedad.

Se realizó un estudio observacional analítico, ecológico y retrospectivo con análisis espacio-temporal de la evolución de la COVID-19 en la GAU de Madrid desde el segundo hasta el sexto periodo epidémico.

De acuerdo con la definición del Ministerio de Transportes, Movilidad y Agenda Urbana, se definen como GAU de España aquellas con más de 50.000 habitantes. Las GAU están constituidas, a su vez, por grandes ciudades y aglomeraciones urbanas, y engloban un total de 755 municipios en todo el país25. La GAU de Madrid consta de 52 municipios, que suman un total de 178 códigos postales24.

Nuestro estudio se centra en todos los casos de COVID-19 declarados al sistema de la Red Nacional de Vigilancia Epidemiológica (RENAVE) entre el 22 de junio de 2020 y el 28 de marzo de 2022, intervalo de tiempo que comprende cinco periodos epidémicos. Los intervalos seleccionados para cada periodo epidémico son los definidos en los documentos elaborados por el Centro Nacional de Epidemiología del Instituto de Salud Carlos III1:

• •

  Segundo periodo: del 22 de junio de 2020 al 6 de diciembre de 2020.

• •

  Tercer periodo: del 7 de diciembre de 2020 al 14 de marzo de 2021.

• •

  Cuarto periodo: del 15 de marzo de 2021 al 19 de junio de 2021.

• •

  Quinto periodo: del 20 de junio de 2021 al 13 de octubre de 2021.

• •

  Sexto periodo: del 14 de octubre de 2021 al 27 de marzo de 2022 (momento de entrada en vigor de la nueva estrategia de vigilancia y control de la COVID-19).

Durante el primer periodo, el acceso a pruebas diagnósticas fue muy limitado, por lo que la información disponible puede estar sesgada, y por ello se decidió no incluirlo en el estudio. A partir del 28 de marzo de 2022 se produjo un cambio en la estrategia de vigilancia y cesó la vigilancia universal de la COVID-19, por lo que se decidió no incluir los periodos posteriores en el análisis.

La población asciende a 6.061.682 habitantes (3.141.807 mujeres y 2.919.875 hombres), que representan un 12,79% del total nacional.

Los datos de población empleados para el análisis y el cálculo de las tasas son los recogidos en el padrón a fecha 1 de enero de 2021 por secciones censales26, y la información de los códigos postales se obtuvo de Correos27. La población media por código postal fue de 33.491 habitantes (rango intercuartílico: 12.665-46.000).

Se incluyeron los casos confirmados de COVID-19 y los casos hospitalizados (representados como porcentaje de hospitalizados). Como fecha del caso se utilizó la de inicio de los síntomas o, en su defecto, la de diagnóstico restando 3 días. En aquellos casos en los que no se disponía de la fecha de inicio de los síntomas ni la de diagnóstico, se empleó la fecha de consulta28. Estos datos quedan recogidos en la plataforma electrónica del Sistema de Vigilancia en España (SiViEs) y son gestionados por el Centro Nacional de Epidemiología.

A partir del número de casos hospitalizados con COVID-19 se obtuvo el porcentaje de hospitalizados entre los casos de infección por código postal, sexo y periodo, para la población total y para los menores de 70 años.

Se consideró el índice de privación (IP) de 2011 de la Sociedad Española de Epidemiología. Este índice es una medida del grado de privación o de carencia socioeconómica de la población, representada por secciones censales. Fue elaborado a partir de seis indicadores socioeconómicos29–31. Se trata de un índice estandarizado con media de 0 y desviación estándar de 1, de manera que los valores cercanos a 0 indican un grado de privación similar al del total nacional, los valores negativos indican menor privación respecto a la media de España, y los valores positivos corresponden a una mayor privación.

Se calculó la media de los valores del IP en todas aquellas secciones censales que se incluyesen dentro de un mismo código postal. De esta manera, se obtuvo el valor medio correspondiente al código postal.

Se realizó el cálculo de la razón de incidencia (RI) estratificada por sexo mediante el método de ajuste indirecto para cada uno de los códigos postales pertenecientes a la GAU de Madrid 32. Las RI se obtuvieron con el cociente de los casos observados entre los casos esperados.

Para el cálculo de los casos esperados se tomaron como referencia las tasas brutas de la población española para cada sexo. Un valor de RI=1 indicaría que el riesgo de aparición de nuevos casos en la unidad geográfica en estudio sería el mismo que el de referencia (España).

El porcentaje de casos hospitalizados se calculó dividiendo el número de casos hospitalizados entre el número total de casos por código postal y para cada uno de los periodos epidémicos. El análisis se llevó a cabo para los diferentes periodos por separado.

Se calculó el índice de Moran para detectar la autocorrelación de las variables RI y porcentaje de hospitalizados entre códigos postales vecinos33. Por otra parte, se realizaron modelos de regresión espacial para estudiar la relación entre las variables epidemiológicas (RI y porcentaje de hospitalizados) y el IP. Cada periodo se analizó por separado.

Se representaron en mapas las RI y los porcentajes de hospitalizados por código postal para cada sexo.

El análisis y la representación de los datos se llevaron a cabo con los programas QGIS (versión 3.28.0), software estadístico R (versión 4.2.0) y Geoda.

Según los resultados obtenidos, no se observó un mayor riesgo de COVID-19 en aquellas áreas con mayor privación social, pero sí se halló un mayor riesgo de hospitalización34.

El riesgo de contraer COVID-19 en la GAU de Madrid fue superior al nacional en el segundo y el cuarto periodos epidémicos, llegando a ser casi 1,5 veces mayor tanto para los hombres como para las mujeres en el cuarto periodo. Esta tendencia coincide con la reportada en un estudio del primer periodo en Madrid, en el que se hacía referencia a una incidencia incluso de más del doble que la observada en el ámbito nacional13. El tercer y el quinto periodos muestran unas incidencias similares a las nacionales, con valores de RI muy cercanos a 1. Por el contrario, en el sexto periodo el riesgo fue menor, con valores de 0,71 para los hombres y 0,73 para las mujeres. Los resultados fueron similares en ambos sexos.

Mientras que el estudio de Díaz-Olalla et al.13 con datos del primer periodo describió una mayor incidencia en la zona sureste de la ciudad (donde la situación socioeconómica es más desfavorecida), nuestros resultados indican que esta zona registró una menor incidencia que el resto en los periodos posteriores.

En un estudio realizado en Barcelona por Malmusi et al.35 se observó que el análisis del impacto de los factores socioeconómicos sobre la incidencia y la toma de medidas preventivas, como la realización de cribados masivos, no eliminó las desigualdades sociales, pero evitó que fuesen mayores, reduciéndose en los siguientes periodos epidémicos.

En nuestro estudio se ha tenido en cuenta el IP como factor socioeconómico. En la GAU de Madrid, los datos muestran que en casi la totalidad de los códigos postales el IP se encuentra por debajo de 0, lo que sugiere una menor privación con respecto al valor nacional31. No obstante, vemos una división en dos zonas, con una que incluye el noroeste y gran parte del núcleo urbano de la ciudad, con menor IP respecto a la zona sur y este. Teniendo en cuenta esta variable, se encontraron resultados diferentes de los esperados según los estudios realizados previamente. En anteriores investigaciones sobre desigualdades sociales, centradas en los primeros periodos de la pandemia de COVID-19, se hace referencia a una relación entre incidencia y poblaciones más desfavorecidas6–8,11,12,36. Por el contrario, en nuestros resultados no se observa esta relación, sino que las poblaciones más desfavorecidas mostraron una menor incidencia. No obstante, existen estudios que están en consonancia con lo encontrado en el nuestro14,15. Además, Saarinen et al.37, en un estudio en población finlandesa, indican una asociación entre un bajo nivel socioeconómico y una mayor incidencia de COVID-19 en individuos extranjeros, mientras que señalan que puede no ser un factor de riesgo independiente para los resultados de incidencia de la COVID-19 en las poblaciones nativas. También encontramos estudios más recientes y con un periodo de análisis más largo, como el realizado por Satorra y Tebé34, en el cual se describe un efecto limitado de las variables socioeconómicas en la incidencia de COVID-19 que también podría relacionarse con la realización de un menor número de pruebas diagnósticas en determinadas poblaciones38, lo que sugiere que el infradiagnóstico podría constituir una fuente de sesgo en la interpretación de los datos de incidencia.

En cuanto a las hospitalizaciones, los resultados obtenidos nos muestran una tendencia similar a la descrita en los estudios anteriormente citados. Estos sugieren una mayor gravedad de los casos en las zonas más desfavorecidas socioeconómicamente. Teniendo en cuenta el análisis por código postal de nuestro estudio, observamos que un aumento del IP se relaciona con un incremento del porcentaje de hospitalizados, tanto en general como en los menores de 70 años. Así mismo, se encontró que el porcentaje de hospitalizados era más bajo cuando se analizó la población de menos de 70 años. Se observó, además, que el aumento en los hombres era mayor que en las mujeres e iba disminuyendo a lo largo de los periodos. Esta tendencia puede relacionarse con la información obtenida durante el curso de la pandemia, con una menor gravedad a medida que el virus fue evolucionando, teniendo en cuenta las diferentes variantes, así como las distintas medidas de prevención tomadas y el comienzo de la vacunación. Si bien la incidencia de la infección puede estar sujeta a sesgos, como puede ser el infradiagnóstico38, nuestros resultados sobre hospitalizaciones proporcionan una medida más robusta de la gravedad real de la enfermedad y ofrecen una perspectiva más sólida para interpretar las desigualdades entre áreas.

Tras analizar nuestros resultados, parece que la privación socioeconómica podría constituir un determinante más robusto para explicar la gravedad de la enfermedad que la dinámica espacial de la enfermedad a escala de GAU. Fernández-Martínez et al.10 también señalan en su estudio que la magnitud de la asociación entre bajo nivel socioeconómico y COVID-19 aumenta con la gravedad de la enfermedad.

Al analizar la incidencia de una enfermedad es importante tener en cuenta diversos factores. Según el estudio nacional de seroepidemiología de la infección por SARS-CoV-2 en España22, se observa que en las primeras rondas del estudio (entre el 27 de abril y el 22 de junio de 2020) la Comunidad de Madrid, junto con Castilla-La Mancha, fueron las comunidades con una mayor seroprevalencia. Por otra parte, a lo largo del curso de la pandemia se vio que la infección podía generar inmunidad durante un periodo de tiempo, aspecto que puede influir al analizar los resultados y ver cómo el comportamiento de la infección varía a lo largo de los meses.

Nuestro estudio tiene una serie de limitaciones. Por una parte, no disponemos de los datos de población por edades en los códigos postales, por lo que no se ha podido estratificar por grupo etario. Tampoco disponemos de la causa de hospitalización, por lo que algunas de las hospitalizaciones podrían no estar relacionadas con la COVID-19. No se han analizado el proceso de vacunación ni otras medidas de salud pública tomadas en el curso de la pandemia. La aceptación o la realización de pruebas diagnósticas para la COVID-19 puede haber diferido según las zonas. No se han podido tener en cuenta aspectos como los flujos de población, la movilidad o las restricciones, lo que supone otra limitación. Madrid presenta una gran movilidad con el resto de España, de manera que la detección de casos por épocas del año podría verse afectada. Finalmente, están las limitaciones propias de los datos recogidos y declarados durante la vigilancia, debido a que los datos de los que disponemos son aquellos notificados a la RENAVE. En relación con las pruebas diagnósticas, la realización de autotest en los últimos periodos puede conllevar una infraestimación del número de casos notificados, tanto en el ámbito nacional como en el área de Madrid.

La distribución y la evolución de las enfermedades infecciosas depende de múltiples factores. Es necesario estudiar otros elementos para entender, evaluar y encaminar la toma de decisiones ante la aparición de nuevas infecciones.

El estudio a pequeña escala de la evolución de la incidencia y la gravedad de la COVID-19 permite realizar un análisis más detallado. No se observa una mayor incidencia de COVID-19 en poblaciones con mayor privación socioeconómica. En cambio, las poblaciones más desfavorecidas socioeconómicamente mostraron una mayor gravedad de los casos, con un porcentaje más alto de hospitalizados con COVID-19. Se observa una autocorrelación espacial en la distribución de las RI por códigos postales, mientras que la privación socioeconómica podría ser más útil que la dinámica espacial de la población para explicar la gravedad de enfermedad. Consideramos importante el análisis de otros factores de riesgo para ayudar a comprender mejor la evolución y los resultados del estudio, así como para facilitar la toma de decisiones futuras y la elaboración de políticas en salud pública.

La solicitud de datos puede realizarse al Sistema de Vigilancia de la Red Nacional de Vigilancia Epidemiológica (vigilancia.cne@isciii.es).

Vanessa Santos.

La autora principal (garante responsable del manuscrito) afirma que este manuscrito es un reporte honesto, preciso y transparente del estudio que se remite a Gaceta Sanitaria, que no se han omitido aspectos importantes del estudio, y que las discrepancias del estudio según lo previsto (y, si son relevantes, registradas) se han explicado.

La concepción y el diseño del estudio fueron realizados conjuntamente por H. Burggraaf-Sánchez de las Matas y D. Gómez-Barroso, quienes definieron los objetivos y la metodología empleada. El análisis de los datos lo realizaron de forma colaborativa H. Burggraaf-Sánchez de las Matas, D. Gómez-Barroso y D. García-García. A. Rojas-Benedicto participó en la gestión de datos. La redacción inicial del texto estuvo a cargo de H. Burggraaf-Sánchez de las Matas, integrando los hallazgos y las conclusiones del trabajo. Todas las personas firmantes participaron activamente en la revisión crítica del contenido, aportando sugerencias y mejoras, y contribuyeron a la discusión de los resultados y la aprobación de la versión definitiva.

Este proyecto ha sido financiado por «Ayudas Fundación BBVA a proyectos de investigación científica 2021».

Ninguno.