Evaluar si factores meteorológicos y geográficos pudieron relacionarse con la gravedad de la COVID-19 en España.
MétodosEstudio ecológico, a escala provincial, que analiza la influencia de factores meteorológicos y geográficos en la hospitalización y en la mortalidad por COVID-19 en las 52 provincias españolas (24 costeras y 28 del interior) durante las tres primeras olas. Los datos de hospitalizaciones y de mortalidad se obtuvieron del Instituto de Salud CarlosIII (ISCIII); los datos epidemiológicos, del Instituto Nacional de Estadística (INE) y de la Red Nacional de Vigilancia Epidemiológica (RENAVE), y las variables meteorológicas, de la Agencia Estatal de Meteorología (AEMET).
ResultadosEl porcentaje de pacientes hospitalizados por COVID-19, del total de personas infectadas, fue inferior en las provincias costeras que en las del interior peninsular (8,7±2,6% vs. 11,5±2,6%; p=9,9×10−5). De igual manera, la costa registró menor porcentaje de mortalidad que el interior peninsular (2,0±0,6% vs. 3,1±0,8%; p=1,7×10−5). La temperatura media correlacionó negativamente con la hospitalización (Rho: −0,59; p=3,0×10−6) y la mortalidad por COVID-19 (Rho: −0,70; p=5,3×10−9). Las provincias con una temperatura media <10°C duplicaron la mortalidad por COVID respecto a las de >16°C. La mortalidad se relacionó con la localización provincial (costa/interior), la altitud, la edad de la población y la temperatura media, siendo esta última la variable asociada de manera independiente (Coef.B no estandarizado: −0,24; IC95%: −0,31 a −0,16; p=2,38×10−8).
ConclusionesLa mortalidad por COVID-19 durante las tres primeras olas de la pandemia en nuestro país se asoció inversamente con la temperatura media.
Evaluating whether meteorological and geographical variables could be associated with the severity of COVID-19 in Spain.
MethodsAn ecological study was performed to analyze the influence of meteorological and geographical factors in hospital admissions and deaths due to COVID-19 in the 52 provinces of Spain (24 coastal and 28 inland regions), during the first three pandemic waves. Medical and mortality data were collected from the CarlosIII Health Institute (ISCIII) and meteorological variables were requested to the Spanish State Meteorological Agency (AEMET).
ResultsRegarding the diagnosed cases it is remarkable that the percentage of patients hospitalized for COVID-19 was lower in the coastal provinces than in the inland ones (8.7±2.6% vs. 11.5±2.6%; P=9.9×10−5). Furthermore, coastal regions registered a lower percentage of mortality than inland regions (2.0±0.6% vs. 3.1±0.8%; P=1.7×10−5). Mean air temperature was inversely correlated both with COVID-19 hospitalizations (Rho: −0.59; P=3.0×10−6) and mortality (Rho: −0.70; P=5.3×10−9). In those provinces with a mean air temperature <10°C mortality by COVID-19 was twice that of those with >16°C. Finally, we found an association between mortality and the location of the province (coastal/inland), altitude, patient age and the average air temperature; the latter was inversely and independently correlated with mortality (non-standardized β coeff.: −0.24; 95%CI: −0.31 to −0.16; P=2.38×10−8).
ConclusionsThe average air temperature was inversely associated with COVID-19 mortality in our country during the first three waves of the pandemic.
La COVID-19 ha mostrado diferencias geográficas que podrían ser explicadas, en parte, por la influencia de factores climáticos1. Cambios en la temperatura y en la humedad del aire podrían favorecer la trasmisión de SARS-CoV-22. El clima, además, determina la calidad del aire y los niveles de contaminación ambiental, ambos relacionados con la incidencia de la enfermedad3.
Los factores meteorológicos y geográficos también se han relacionado con la gravedad de la COVID-194. Al igual que se ha descrito para otros virus respiratorios5, las hospitalizaciones y la mortalidad por esta enfermedad parecen aumentar en zonas frías, mientras que el ascenso de la temperatura parece reducir su severidad6. Varias hipótesis podrían explicar estos hechos, entre ellos que la temperatura modula la viabilidad de los virus (mayor supervivencia de los coronavirus a temperaturas bajas)7 o que el aire frío y seco afecta a las propiedades de la mucosa respiratoria y a la respuesta inmune del individuo, ya de por sí alterada con el aumento de la edad8.
Nuestro grupo de trabajo demostró una influencia de la temperatura media ambiental en la incidencia acumulada de la COVID-19 en nuestro país durante las tres primeras olas de la pandemia. Las provincias españolas con una temperatura media <10°C duplicaron la incidencia acumulada de aquellas con >16°C9. Ahora planteamos la hipótesis de que las variables meteorológicas y geográficas pudieron influir en la severidad de la enfermedad, en concreto en las hospitalizaciones y en la mortalidad por COVID-19, en las 52 provincias españolas durante las tres primeras olas de la pandemia.
MétodosEstudio ecológico a escala provincial realizado durante tres periodos definidos por los picos de incidencia de la COVID-19 en España (marzo-mayo de 2020, septiembre-noviembre de 2020 y diciembre-febrero de 2021). Se obtuvieron los datos demográficos en cada una de las 52 provincias (número de habitantes, densidad de población provincial [habitantes/km2] y media de edad en años) del Instituto Nacional de Estadística (INE).
Datos meteorológicosLas variables meteorológicas se obtuvieron de la Agencia Estatal de Meteorología (AEMET) correspondientes a 870 estaciones meteorológicas a escala mensual. En cada provincia se promediaron los datos de todas las estaciones situadas en ella. Las variables analizadas fueron la temperatura media en grados Celsius (°C), la humedad relativa como relación porcentual (%) entre la cantidad de vapor de agua que contiene el aire y la máxima cantidad que puede contener a una determinada presión y temperatura, la precipitación medida en milímetros de altura de agua caída (mm), el porcentaje de calma del viento (porcentaje de días del mes en las que hubo ausencia de viento con dirección concreta) y la altitud provincial en metros (m).
Datos de COVID-19El número de casos detectados en cada provincia se obtuvo a partir de la Red Nacional de Vigilancia Epidemiológica (RENAVE) a través de la plataforma informática vía Web SiViES (Sistema de Vigilancia de España) que gestiona el Centro Nacional de Epidemiología (CNE). Los datos de hospitalizaciones, ingreso en UCI y mortalidad por COVID-19 se obtuvieron del Instituto de Salud CarlosIII (ISCIII). Estos datos se extraen de las notificaciones individualizadas de las comunidades autónomas (CCAA) a la RENAVE a través de la plataforma informática vía web SiViES que gestiona el CNE.
Se calculó el porcentaje de pacientes hospitalizados por COVID-19, dividiendo el número de hospitalizados por COVID-19, en el periodo de tiempo definido, entre los casos diagnosticados de la enfermedad en cada provincia. De igual manera, se calculó el porcentaje de pacientes ingresados en la UCI por COVID-19 dividiendo el número de pacientes en la UCI por COVID-19, en el periodo de tiempo definido, entre los casos diagnosticados de la enfermedad en cada provincia. El porcentaje de pacientes fallecidos por COVID-19 se obtuvo dividiendo el número de casos fallecidos por COVID-19, en el periodo de tiempo definido, entre los diagnosticados de COVID-19 en cada provincia.
El análisis de los datos se realizó en las 52 provincias españolas: 24 provincias costeras con salida al mar y 28 del interior (Anexo 1) para cada uno de los periodos y para el total (media de los tres periodos). Para la publicación de este trabajo se han seguido las recomendaciones de la guía STROBE10.
Análisis estadísticoLos datos se expresaron con la media ±desviación estándar (DE). Se analizó la distribución de las variables cuantitativas con el test de Kolmogorov-Smirnov. Para la comparación de variables cuantitativas se utilizó la t de Student o el test de Mann-Whitney, y para variables cualitativas, la prueba de chi cuadrado o el test de Fisher. Para estudiar la relación entre variables cuantitativas se empleó la correlación de Pearson o Spearman (Rho). Se realizó un análisis de regresión lineal múltiple univariante para determinar la asociación entre la gravedad de la COVID-19 (variables dependientes: hospitalizaciones y mortalidad por COVID-19) y las variables a estudio (variables independientes: localización provincial, altitud, densidad de población, media de edad provincial, temperatura media, humedad relativa, precipitaciones y porcentaje de calma del viento). Posteriormente se realizó un análisis multivariante que incluyó como variable dependiente la mortalidad por COVID-19 y como variables independientes aquellas que mostraron significación estadística en el univariante. Para las pruebas de contraste de hipótesis se consideró un valor de p<0,05 estadísticamente significativo. El coeficienteB no estandarizado muestra el efecto que tiene el cambio de una unidad en la variable independiente sobre la variable dependiente. Todos los datos fueron analizados con el programa estadístico SPSS (Stadistical Package for Social Sciences, Chicago, IL, EE.UU.).
ResultadosEspaña tiene 47.026.208 habitantes (51% mujeres y 49% hombres) distribuidos en 52 provincias (24 costeras y 28 del interior peninsular). La mortalidad por COVID-19 fue menor en las provincias costeras (2,0±0,6%) respecto a las del interior (3,1±0,8%) durante las tres primeras olas (IC95%: −1,4 a −0,5; p=1,7×10−5). La mortalidad en el primer periodo fue de 9,7±0,6% en la costa y de 12,8±3,5% en el interior (IC95%: −5,1 a −1,1; p=0,006); la del segundo periodo, de 1,4±0,5% vs. 1,8±0,5% (IC95%: −0,7 a −0,1; p=3,9×10−4), y la del tercer periodo, de 1,8±0,6% vs. 2,0±0,6% (IC95%: −0,5 a 0,1; p=0,095) (tabla 1). Las provincias con mayor mortalidad fueron Soria (5,6%) Segovia (4,3%) y Zamora (4,2%), y las de menor mortalidad, Huelva (1,3%), Las Palmas (1,2%) y Melilla (1%).
Distribución de las variables en provincias costeras y del interior
Provincias costerasn=24 | Provincias del interiorn=28 | p(IC95%) | |
---|---|---|---|
Altitud provincial (metros) | 289 (161) | 743 (229) | 4,5×10−8 (−566 a −341) |
Densidad población provincial (hab./km2) | 210 (165) | 67 (153) | 5,6×10−7 (53 a 234) |
Edad provincial (años) | 43,5 (3,0) | 45,5 (2,5) | 0,01 (−3,6 a −0,5) |
N.° casos COVID-19 | |||
Total | 64.093 (71.855) | 47.944 (96.356) | |
Primer periodo | 4.115 (8.675) | 5.039 (13.064) | |
Segundo periodo | 24.528 (28.627) | 21.344 (40.558) | |
Tercer periodo | 35.449 (39.222) | 21.561 (43.198) | |
Hospitalizados COVID-19 (%) | |||
Total | 8,7 (2,6) | 11,5 (2,6) | 9,9×10−5 (−4,2 a −1,2) |
Primer periodo | 38,6 (11,8) | 42,4 (11,6) | 0,54 (−10,3 a 2,7) |
Segundo periodo | 7,2 (2,7) | 8,2 (1,9) | 0,03 (−2,2 a 0,3) |
Tercer periodo | 7,2(2,4) | 8,1 (2,1) | 0,06 (−2,1 a 0,3) |
UCI COVID-19 (%) | |||
Total | 1,0 (0,4) | 0,9(0,2) | 0,62 (−0,0 a 0,3) |
Primer periodo | 4,9 (2,2) | 3,4 (1,5) | 0,009 (0,4 a 2,5) |
Segundo periodo | 0,8 (0,4) | 0,7 (0,2) | 0,08 (−0,0 a 0,3) |
Tercer periodo | 0,9 (0,4) | 9,7 (0,2) | 0,19 (−0,0 a 0,3) |
Mortalidad COVID-19 (%) | |||
Total | 2,0 (0,6) | 3,1 (0,8) | 1,7×10−5 (−1,4 a −0,5) |
Primer periodo | 9,7 (3,6) | 12,8 (3,5) | 0,006 (−5,1 a −1,1) |
Segundo periodo | 1,4 (0,5) | 1,8 (0,5) | 3,9×10−4 (−0,7 a −0,1) |
Tercer periodo | 1,8 (0,6) | 2,0 (0,6) | 0,095 (−0,5 a 0,1) |
Media (desviación estándar). Mann-Whitney. IC de la diferencia entre ambos tipos de provincias.
Hospitalizados COVID-19 (%): hospitalizados por COVID-19/casos COVID-19×100.
UCI COVID-19 (%): ingresos en UCI por COVID-19/casos COVID-19×100.
Mortalidad COVID-19 (%): fallecidos por COVID-19/casos COVID-19×100.
Las provincias costeras tuvieron también menor porcentaje de hospitalizados por COVID-19: 8,7±2,6% frente a 11,5±2,6% en el interior (IC95%: −4,2 a −1,2; p=9,9×10−5) (tabla 1). No hubo diferencias geográficas en el porcentaje de ingresos en la UCI por COVID-19.
La distribución geográfica de las hospitalizaciones y la mortalidad por COVID-19 en todas las provincias se muestra en la figura 1.
En el análisis por sexos, la mortalidad por COVID-19 fue mayor en los hombres que en las mujeres (6,1±1,9% vs. 4,2±1,3%; p=1,16×10−7), por lo que se hicieron los análisis estratificados por sexos. La mortalidad por COVID-19 en los varones fue de 5,1±1,5% en la costa y de 7,0±1,8% en el interior (p=0,001). En las mujeres fue de 3,6±1,2% en la costa frente a 4,6±1,1% en el interior (p=0,007) (fig. 2). De igual manera, la hospitalización por COVID-19 fue mayor en los varones que en las mujeres (11,8±3,2% vs. 8,6±2,5%; p=4,8×10−7). El porcentaje de hospitalizados varones fue de 10,2±3,0% en la costa y de 13,2±2,9% en el interior (p=0,00019), y en las mujeres, de 7,4±2,4% frente a 9,7±2,1% (p=0,00009) (fig. 3).
La temperatura media en los tres periodos fue mayor en las provincias costeras que en las del interior (2,2°C en el primer periodo, 3,3°C en el segundo y 5°C en el tercero); también la humedad relativa fue mayor en los dos primeros periodos (3% y 4%, respectivamente). Las precipitaciones y el porcentaje de calma del viento no mostraron diferencias significativas.
La temperatura media correlacionó negativamente con la mortalidad por COVID-19 (Rho: −0,70; p=5,3×10−9). Esta correlación se objetivó tanto en los varones (Rho: −0,47; p=0,0003) como en las mujeres (Rho: −0,39; p=0,004). La temperatura media fue capaz de explicar el 46% de la variabilidad total de la mortalidad en ambos sexos (R2 lineal: 0,46). Las provincias con una temperatura media <10°C registraron casi el doble de mortalidad por COVID-19 que las provincias con temperaturas >16°C (fig. 4).
La temperatura media también correlacionó negativamente con el porcentaje de hospitalizados por COVID-19 (Rho: −0,59; p=3,0×10−6), tanto en varones (Rho: −0,61; p=0,000001) como en mujeres (Rho: −0,56; p=0,00001). La temperatura media fue capaz de explicar el 26% de la variabilidad total de la hospitalización por COVID-19 (R2 lineal: 0,26).
La altitud provincial correlacionó también con la mortalidad (Rho: 0,62; p=7,0×10−7) y las hospitalizaciones por COVID-19 (Rho: 0,52; p=6,0×10−5).
El análisis de regresión lineal univariante mostró una asociación entre mortalidad por COVID-19 y la localización de la provincia (costa/interior), la altitud provincial, la media de edad de la población y la temperatura media ambiental (tabla 2). El análisis de regresión multivariante mostró que la temperatura media fue la variable independiente asociada con la mortalidad con un coeficienteB no estandarizado de −0,24 (IC95%: −0,31 a −0,16; p=2,38×10−8) y un coeficiente beta estandarizado de −0,68.
Análisis de regresión lineal univariante. Variables dependientes: hospitalización y mortalidad por COVID-19 (%) en los tres periodos
Variables independientes | Coeficiente B no estandarizado(IC95%) pVariables dependientes | |
---|---|---|
HospitalizaciónCOVID-19 (%) | MortalidadCOVID-19 (%) | |
Provincia (costa/interior) | 2,77 (1,28 a −4,27) | 1,02 (0,59 a 1,45) |
p=0,0004 | p=1,63×10−5 | |
Altitud provincial (100 m) | 0,5 (0,3 a 0,8) | 0,2 (0,1 a 0,3) |
p=0,0006 | p=7,0×10−7 | |
Densidad población (hab./km2) | −0,82×10−5 (−0,005 a 0,005) | −0,001 (−0,003 a 0,000) |
p=0,97 | p=0,10 | |
Media de edad provincial (años) | 0,57 (0,33 a 0,81) | 0,17 (0,10 a 0,24) |
p=0,00001 | p=1,72×10−5 | |
Temperatura media (°C) | −0,58 (−0,86 a −0,30) | −0,24 (−0,31 a −0,16) |
p=0,0001 | p=2,38×10−8 | |
Humedad relativa (%) | 0,06 (−0,10 a 0,24) | 0,02 (−0,03 a 0,75) |
p=0,45 | p=0,42 | |
Precipitaciones (mm) | 0,01 (−0,01 a 0,03) | 0,001 (−0,006 a 0,008) |
p=0,33 | p=0,75 | |
% Calma viento | 0,03 (−0,86 a −0,30) | 0,02 (−0,04 a 0,09) |
p=0,0001 | p=0,43 |
La hospitalización por COVID-19 se relacionó también con la localización provincial (costa/interior), la altitud, la media de edad de la población, la temperatura media y el porcentaje de calma del viento (tabla 2), siendo la media de edad la variable asociada de manera independiente a la hospitalización con un coeficienteB no estandarizado de 0,47 (IC95%: 0,16-0,78; p=0,004) y beta estandarizado de 0,46.
DiscusionLa temperatura media pudo influir en la hospitalización y en la mortalidad por COVID-19 en España durante las tres primeras olas de la pandemia. En concreto, las provincias españolas con menor temperatura (<10°C) registraron el doble de mortalidad por COVID-19 que aquellas con mayor temperatura (>16°C).
Las diferencias geográficas descritas para la COVID-19 podrían ser explicadas, en parte, por la influencia de factores climáticos11. La transmisión de SARS-CoV-2 parece aumentar con el descenso de la temperatura1. Nuestro grupo describió un aumento de la incidencia acumulada de COVID-19 en las provincias españolas en relación con el descenso de la temperatura media9. Ahora concluimos que la temperatura no solo influyó en la transmisión del SARS-CoV-2, sino también en la severidad de la enfermedad en diferentes periodos, ya que las provincias más frías registraron un mayor porcentaje de personas hospitalizadas, así como una mayor mortalidad por COVID-19, que las provincias con temperatura más cálida. Además, este hecho ocurrió en ambos sexos.
Los virus respiratorios son responsables de una mayor mortalidad en el invierno, coincidiendo además con un exceso de muertes por enfermedad cardiovascular12. Varios trabajos encuentran que la severidad del SARS-CoV-2 también es mayor en el invierno. Un estudio ecológico en Francia describe mayor mortalidad por COVID-19 en pacientes hospitalizados de zonas climáticas frías6. El norte de Italia registró mayor mortalidad durante la pandemia que el sur del país13. En este sentido, el ascenso de la temperatura parece reducir las muertes por COVID-19; en concreto, el aumento de 1°C supuso un descenso de mortalidad del 1,19%14 al 6%15, según diferentes trabajos. Además, en varios países europeos y en Estados Unidos la mortalidad por COVID-19 disminuyó durante el verano16. Varias hipótesis podrían explicar estos hechos. SARS-CoV-2 sobrevive mejor con temperaturas bajas (4°C), tanto en aerosoles como en superficies y aguas residuales8; sin embargo, una temperatura >35°C lo inactiva17. Por otra parte, el aire frío y seco altera la respuesta inmune del individuo, sobre todo la síntesis de citocinas18, lo que puede favorecer la gravedad de la infección viral.
Otros factores meteorológicos, como la humedad relativa, también se han relacionado con la severidad de la COVID-19. El aire frío y seco favorece las infecciones respiratorias virales al incrementar la sequedad de las mucosas, hecho que se agrava por el uso de las calefacciones en invierno. En este sentido, un estudio realizado en 166 países (excluyendo China) encuentra que el aumento de la humedad relativa del aire en un 1% redujo las muertes diarias por COVID-19 en un 0,51% (IC95%: 0,34% a 0,67%)19. Sin embargo, otros autores, al igual que nosotros, no han descrito esta relación20. El viento podría favorecer también la transmisión y la gravedad de la COVID-19, en parte debido a su relación con la polución21. La polución ambiental ha tenido un efecto directo sobre la mortalidad por COVID-19 en países de nuestro entorno22. En nuestro trabajo, encontramos una asociación positiva entre el número de ingresos hospitalarios y el porcentaje de calma del viento (ausencia del viento en cualquier dirección), aunque en último término no es una variable independiente asociada a la mortalidad.
Varios estudios han relacionado también factores geográficos, como la altitud, con la severidad de la enfermedad. La hipoxia en altitud podría mediar en una peor evolución de la enfermedad23. En nuestro trabajo las provincias del interior peninsular, o sea las de mayor altitud, tuvieron mayor mortalidad; sin embargo, en último término las diferencias geográficas encontradas se explicaron por la temperatura media (inferior en las provincias del interior), ya que fue esta la variable asociada de manera independiente.
La COVID-19 en el mundo ha generado un exceso de mortalidad24 que parece ser mayor en los varones que en las mujeres25. Un metaanálisis de 76 estudios con 17.860.001 pacientes de 14países encuentra que los varones tuvieron mayor riesgo de muerte por COVID-19, con una OR de 2,05 (IC95%: 1,39 a 3,04)26. En nuestro trabajo también los hombres tuvieron mayor mortalidad que las mujeres (6,1% frente al 4,2%), al igual que lo descrito en otros países de nuestro entorno27. Se han propuesto varios factores para explicarlo, como posibles diferencias en la respuesta inmune a SARS-CoV-2 o en la expresión y la regulación de la ECA228. También se plantea el papel de las hormonas sexuales29.
Por otra parte, encontramos que el porcentaje de personas hospitalizadas por COVID-19 fue mayor en las provincias con población de mayor edad. La edad es un factor de riesgo de severidad de la COVID-1930 que se ha atribuido, en parte, a las alteraciones del sistema inmune con el envejecimiento8.
Nuestro trabajo tiene limitaciones, ya que se trata de un estudio ecológico y la asociación encontrada no presupone causalidad. Por tanto, el estudio tiene un enfoque predictivo y generador de hipótesis, pero su naturaleza observacional no permite establecer ninguna relación causal, con finalidades de intervención. Además, hay que tener en cuenta que el tamaño muestral condiciona la potencia estadística de algunas comparaciones. Por otra parte, no conocemos la influencia de otros factores, como la comorbilidad, la contaminación del aire o la exposición a rayos ultravioleta, que pudieran haber influido en la gravedad de la COVID-19 en nuestro país.
En conclusión, la gravedad de la pandemia en nuestro país se asoció con factores meteorológicos como la temperatura media. El reconocimiento de este hecho es importante para el manejo de la COVID-19 de cara a los inviernos, así como para la programación de la vacuna, sobre todo en los colectivos más vulnerables.
Consideraciones éticasNo precisa.
FinanciaciónNinguna.
Conflicto de interesesTodos los autores declaran no tener conflicto de intereses.
Agradecemos el asesoramiento y la colaboración del personal de AEMET-Cantabria.