La discusión en torno a las políticas sanitarias óptimas frente a la pandemia del Covid-19 ha incluido múltiples elementos, tanto respecto del comportamiento del virus y los mecanismos más efectivos para reducir el contagio y propagación como de los costos económicos y sociales asociados a las distintas políticas públicas elegidas. Dentro de esa discusión, igualmente, siempre ha sido relevante la perspectiva del tiempo disponible hasta que una progresión previsible de los contagios conduzca a una saturación de la capacidad de atención de pacientes críticos en unidades de cuidado intensivo (UCI), ya que la letalidad del virus es mucho mayor cuando se supera tal nivel.
En el contexto doméstico, esta perspectiva temporal ha sido aproximada por diversas proyecciones esbozadas con distinto grado de precisión. Desde el mes de mayo han circulado proyecciones alertando por la saturación de UCI tan temprano como en junio, esgrimidas vagamente por las autoridades sanitarias de la Provincia de Buenos Aires.[1] Yo mismo he presentado algunas proyecciones (con saturaciones algo más tardías) al respecto. En todos los casos, sin embargo, las mismas han demostrado ser excesivamente pesimistas: las saturaciones previstas desde junio en adelante en el AMBA, por ejemplo, simplemente no han ocurrido y es posible que nunca ocurran. Buena parte de la explicación detrás de esta “consistencia en el error” (además del hecho de que las “proyecciones” en esta materia no tienen por objeto adivinar una fecha de saturación sino marcar una perspectiva del tiempo disponible suponiendo que la evolución observada en un momento se mantiene inalterada posteriormente, sin atribuir a dicho supuesto ningún valor predictivo) es que los parámetros utilizados en cada proyección han demostrado ser incorrectos tiempo después, por lo cual la progresión en el uso de UCI por parte de pacientes con Covid-19 fue siempre menor a la proyectada en cada momento. La reducción en la velocidad de crecimiento de los contagios y en la frecuencia y el tiempo medio de internación en UCI de pacientes con Covid-19, tanto por progresos médicos como por comportamiento preventivo más apropiado por parte de la población de mayor riesgo verificada entre abril y junio, por ejemplo, fueron fundamentales.[2]
Pero es posible también que los errores de proyección estén adicionalmente asociados a imprecisiones en la información pública disponible en cada momento. En efecto, las demoras en las cargas de datos de contagios y fallecidos implican que los reportes diarios del Ministerio de Salud de la Nación (MSN) presenten una versión distorsionada de la progresión de la pandemia, tanto en materia de fallecidos como de contagios y pacientes recuperados: aunque en principio no existe ocultamiento adrede de información (y sí impericia y eventualmente también desidia), la realidad de cada momento sólo se conoce con un par de meses de retraso (y tal vez ni siquiera entonces), de manera tal que aun hoy no resultan claros ni confiables los datos sobre la cantidad efectiva de personas contagiadas, fallecidas y recuperadas que hubo entre marzo y septiembre inclusive.
Mirando hacia adelante, es importante que las nuevas proyecciones de saturación –aun comprendiendo sus propósitos sólo indicativos sobre el destino dado el curso de la pandemia en el momento en que se realicen–sean creíbles para la toma de decisiones de prevención y distanciamiento, tanto de las distintas autoridades sanitarias como de cada persona individualmente. Ello requiere indagar y comprender mejor cuáles han sido los factores determinantes del alargamiento de los plazos proyectados para la saturación de la atención de pacientes críticos.Además, reconociendo que hay distintos modelos posibles para realizar tales proyecciones y que éstos quedan afectados de manera distinta por la información pública disponible en cada momento, es claro que las bondades de dichos modelos dependen de la calidad de la información pública que cada uno requiera.
Ese es el foco de esta nota. En primer lugar, presento diversos modelos de proyección de la saturación de UCI para la atención de pacientes críticos por Covid-19, notando brevemente sus vínculos y diferencias. En segundo lugar, utilizo la información pública disponible al presente, provista por el MSN, para realizar los cálculos que –en caso de haber tenido tal información oportunamente– hubieran sido realizados en cada momento. En tal sentido, ello permitirá obtener conclusiones sobre la importancia de los cambios paramétricos que efectivamente se han producido, y que llevaron a postergar las fechas de cómputo de saturación a medida que avanzó la pandemia en el país, y sobre la ventaja de un modelo por sobre los otros en un contexto de información particularmente defectuosa sobre la cantidad de contagios (pero en principio más confiable –al menos aun no se ha demostrado su desactualización– en cuanto a la cantidad de pacientes con Covid-19 que están internados en UCI en cada momento).
Tres modelos de proyección alternativos
A continuación presento tres modelos simples para estimar la cantidad de días hasta agotar la capacidad de atención crítica en UCI. Todos ellos suponen que las variables de comportamiento y parámetros estimados al inicio de cada ejercicio (capacidad hospitalaria para atender pacientes de Covid-19 en UCI; velocidad de progresión de los nuevos casos, de los casos activos detectados y de la ocupación de UCI por Covid-19; porcentaje de pacientes con Covid-19 que requieren internación en UCI; duración de las internaciones; período de actividad entre la aparición de síntomas y el alta médica de los recuperados; etc.) se mantienen constantes desde el momento en que se realiza el ejercicio hasta agotar la capacidad. Por simplicidad también, todos los parámetros y variables deben interpretarse como los valores medios estimados.
- Modelo de demanda diaria de UCI (modelo 1): proyecta la nueva demanda de UCI que acompaña a un número de casos (contagios) diarios, estimando el agotamiento cuando esta demanda diaria, multiplicada por el número de días de internación en UCI promedio, iguala a la oferta de UCI para la atención de Covid-19.
Entonces, la proyección de t*, cantidad de días restantes hasta agotar la capacidad de atención crítica a partir de t=0, surge de resolver la siguiente expresión (la primera igualdad proyecta la demanda diaria de UCI, mientras que la segunda igualdad es la condición de equilibrio o agotamiento, cuando se igualan la oferta y la demanda de UCI para un único día de internación) despejando t* por medio de una transformación logarítmica:
- Modelo de demanda total de UCI (modelo 2): proyecta lacantidad de UCI demandadas según sea la cantidad de casos activos (contagios menos fallecidos menos recuperados) en cada momento, estimando el agotamiento cuando este stock demandado se iguala con la oferta de UCI para la atención de Covid-19.
Nótese que j difiere de i por cuanto en j inciden la duración promedio de las internaciones y de los casos activos, mientras que en i sólo inciden los nuevos casos (sin considerar la duración de la internación o el tiempo para su recuperación o fallecimiento).
Entonces, la proyección de t* surge de resolver t en la siguiente expresión (como en el caso anterior, la primera igualdad proyecta la demanda de UCI, en este caso total y según la cantidad de casos activos, incluyendo el ratio n/m dado que el tiempo de internación vs. el de actividad incide en el ratio entre casos activos y ocupación de UCI; y la segunda igualdad es la condición de equilibrio o agotamiento, cuando se igualan la oferta y la demanda):
- Modelo de ocupación de UCI (modelo 3): proyecta la cantidad de UCI demandadas según sea la cantidad de pacientes con Covid-19 internados en UCI cada momento y la velocidad de crecimiento de tales internaciones, estimando el agotamiento cuando el total de internaciones proyectadas se iguala con la oferta de UCI para la atención de Covid-19.
Como puede apreciarse, este tercer modelo prescinde de examinar el vínculo entre casos (nuevos o stock de casos activos) e internaciones en UCI, por lo cual todos los parámetros de comportamiento referidos previamente (tiempo de actividad, frecuencia y plazo de internación en UCI, etc.) están implícitamente sintetizados en la tasa de crecimiento de la ocupación de UCI.
Comparación entre los tres modelos
Concentremos primero el análisis en los modelos 1 y 2. Resolviendo ambas ecuaciones de equilibrio (saturación), las soluciones son:
Para que ambas proyecciones coincidan debe ocurrir que =
. Puede apreciarse que ello ocurre cuando
, i = j y r = s.
Nótese que en el estado estacionario (cuando dejan de crecer los casos diarios y se mantienen constantes), (la cantidad de casos activos es igual a la cantidad de nuevos casos diarios multiplicada por la duración del período activo), pero hasta que ello ocurre (mientras crecen los casos diarios),
(el stock de casos activos incluye nuevos casos de varios días previos, cuando su número era menor que los nuevos casos de la fecha de cálculo), y por lo tanto el modelo 2 lleva a estimar (ceteris paribus) una fecha t* más cercana (ya que la expresión en [.]debe ser menor que en modelo 1).[3]Además, aun omitiendo esta diferencia, i ≠ j y r ≠ s son perfectamente posibles (y esperables), de forma tal que ambas proyecciones de t* diferirán por ello también. Si r > s e i > j, el modelo 1 proyecta un agotamiento más temprano que el modelo 2. Sin embargo, los datos que pueden computarse de la experiencia doméstica en este momento indican que i < j (0,9% vs. 2,4% respectivamente, producto de una internación en UCI más extensa que el período de actividad, estimado en 11 días)[4]y que r > s (1,5% vs. 0,3% respectivamente), de manera tal que dicha regularidad no tiene porqué ocurrir. Más aún, a lo largo del tiempo estas desigualdades pueden modificarse, por lo cual ambos modelos pueden estimar fechas más cercanas o más lejanas de agotamiento que las obtenidas utilizando el modelo alternativo.
Finalmente, en lo que respecta al modelo 3, las diferencias de proyección no pueden atribuirse a diferencias en uno u otro parámetro individual sino al efecto conjunto de todos ellos sobre la ocupación efectiva de UCI por parte de pacientes con Covid-19. Además, en este último caso, los datos duros de internación en UCI (más allá de las demoras en cerciorarse de que los casos sospechosos que están internados en UCI antes de contar con los resultados del test PCR sean casos confirmados) evitan en principio considerar si existen o no problemas con la medición y/o reporte de casos (por insuficiente testeo o distinto grado de sub-declaración de pacientes leves en distintos momentos, por ejemplo), o suponer que tales problemas son acotados vis-à-vis los que se verifican en las revisiones retroactivas del número de contagios y fallecimientos.
Proyecciones con los valores paramétricos observados (y estimados) durante la pandemia
A continuación se presentan estimaciones alternativas de agotamiento de UCI a nivel país en base a los tres modelos descriptos previamente, según los distintos valores paramétricos que surgen de la información pública provista por el MSN, a partir de los cuales se realizaron estimaciones de calibración utilizando las distintas fuentes del mismo (partes diarios y base de datos abiertos, disponible en http://datos.salud.gob.ar/dataset/covid-19-casos-registrados-en-la-republica-argentina). Como se ha puesto de manifiesto claramente en las últimas semanas, los datos oficiales adolecen de distintas limitaciones: en el caso de la base de datos abiertos, la misma no informa fechas de alta de los contagios diarios, siendo dicha base revisada periódicamente de manera retroactiva por cuanto la carga de datos presenta distintas demoras por parte de las distintas provincias y del testeo PCR (en efecto, los datos más recientes incluidos en la base suelen permanecer como casos sospechosos durante varias semanas, y las correcciones son muy frecuentes respecto de datos de hasta 2 meses de antigüedad); en el caso de los reportes diarios, la información de cada día contiene observaciones que corresponden (inadvertidamente) a días (y meses) previos, sin una velocidad o rezago constante a lo largo del tiempo, por lo cual las variaciones diarias (e incluso semanales) son potencialmente engañosas (por ejemplo, el 8 de agosto se incorporó a la base información sobre 61.900 altas –cuando en ese momento el promedio de altas informado no alcanzaba los 5.000 por día–, lo cual redujo drásticamente el cómputo de casos activos).
Teniendo en cuenta estas limitaciones, las proyecciones realizadas contienen parámetros estimados siguiendo dos criterios principales: a) evitar utilizar en lo posible la información reportada en los partes diarios del MSN (en particular en lo referido al número de casos reportados, que de hecho no refleja la situación epidemiológica de cada momento), y b) prescindir de los datos más recientes (últimas 2 semanas) en el caso de la base de datos abiertos del MSN, cuya revisión seguramente (a decir por lo ocurrido en los meses previos) también será importante en breve.
El Cuadro 1, entonces, presenta los cálculos respectivos, distinguiendo entre las variables que definen la oferta (capacidad de atención y estadía promedio en UCI) y las que definen la demanda (porcentajes de pacientes internados, número y velocidad de casos nuevos y de casos activos, etc.) bajo cada uno de los 3 modelos presentados.[5]
Al alimentar las fórmulas de los modelos previos con estos valores paramétricos estimados se obtienen las estimaciones de los plazos o distancias temporales t1*,t2* y t3*(en base a los modelos 1, 2 y 3, respectivamente), que a su vez se pueden expresar en las fechas de saturación estimadas al primer día del mes siguiente de cada uno de los meses considerados, respectivamente, tal como se refleja en el Cuadro 2 y en el Gráfico 1 adjuntos.
Gráfico 1
De ellas surgen tres observaciones salientes:
- primero, excepto por las proyecciones que se hubieran elaborado con los datos de abril, las proyecciones con los parámetros estimados desde el mes de mayo en adelante arrojan plazos algo menores con el modelo 2 que con los modelos 1 y 3 (que desde julio son bastante coincidentes entre sí);
- segundo, cualquiera sea el modelo de proyección utilizado, los ajustes paramétricos han llevado consistentemente a retrasar la fecha de agotamiento estimada de UCI por Covid-19;ello no se debió a un aumento de la oferta de UCI (observada sólo hasta el mes de junio inclusive) sino fundamentalmente a la reducción de las tasas de internación y duración promedio de las internaciones en UCI hasta el mes de junio inclusive (siendo la reducción posterior de la tasa de internación compensada por el incremento en la duración de las internaciones) y por la constante desaceleración del crecimiento del número de casos (nuevos y activos respectivamente) desde julio en adelante;
- tercero, el modelo 3 es el que arroja las proyecciones más estables, ya que desde mayo (y con la excepción del mes de septiembre, cuyos datos estimados son parciales y menos confiables por el momento) la saturación se proyectó con pocos días de diferencia hacia mediados de octubre; el mayor plazo estimado en base a este tercer modelo a partir de septiembre se debe claramente a la caída en la tasa de crecimiento en la ocupación de UCI por pacientes con Covid-19 (1,2% diario considerando la primera quincena del mes) por motivos que los datos de (nuevos) casos y casos activos (acumulados) aún no permiten captar correctamente.
¿Cómo se explica esta evolución y las diferentes proyecciones derivadas de cada modelo? Tanto los datos de base como los supuestos utilizados –además de cambios imprevisibles– pueden conducir a errores de estimación de distinta importancia en cada caso. Por ejemplo, la evolución del número de casos activos podría ser distinta de la estimada aquí intentando evitar los reportes diarios del MSN, y por lo tanto las proyecciones que se hubieran hecho con los datos correctos hubieran sido diferentes. También, suponer que el tiempo de actividad es de 11 días porque este es el lapso con el cual coinciden el total de casos activos al 30 de agosto (obtenido del reporte diario de esa fecha) y el número de casos nuevos acumulados durante 11 días reportados en la base de datos abiertos del MSN a esa fecha, deja de lado que el tiempo de actividad pudo haber efectivamente variado desde el inicio de la pandemia más allá de demoras en los reportes de las distintas jurisdicciones.
En todo caso, vale la pena notar que estos problemas no afectan a la proyección realizada con el modelo 3. En términos teóricos, este tercer modelo tiene la desventaja de proyectar la demanda a partir de una variable observacional (la ocupación efectiva de UCI por pacientes con Covid-19) que tiene cierto rezago respecto del número de casos activos (si los nuevos casos, los fallecidos y los recuperados fueran reportados oportunamente) debido a que la internación en UCI típicamente es algunos días posterior a la aparición de síntomas claros del contagio. Sin embargo, en la medida en que la contabilización de las UCI ocupadas por pacientes con Covid-19 sea más confiable y certera que la referida a los nuevos casos, fallecimientos y recuperaciones, como aparentemente ocurre en la Argentina, dicho rezago relativo no sería tal y resultaría clara la preferencia por tal proyección. Naturalmente, si supiéramos que los reportes diarios sobre la cantidad de UCI ocupadas por pacientes con Covid-19 no captan correctamente la realidad total del sistema (público y privado, en todo el país), este tercer modelo también arrojaría proyecciones sesgadas (además de relativamente basadas en información más distante).
¿Podemos confiar, de hecho, en que los reportes diarios del MSN informan la ocupación real de UCI por Covid-19? Por ejemplo, ¿qué ocurriría si esos reportes no contemplan las internaciones en las clínicas privadas de CABA? El MSN deslinda responsabilidades indicando que se trata de “información reportada por las jurisdicciones”, pero la información que el gobierno de CABA informa regularmente en su página web sólo incluye las internaciones en sus hospitales públicos. Sin pretender dirimir la cuestión aquí, y aunque sería llamativo que el MSN no indique explícitamente las características de la información que recibe de las jurisdicciones en sus propios reportes (induciendo al público a conclusiones incorrectas), tal omisión no puede descartarse. De hecho, la misma puede ayudar a explicar al menos parcialmente los mayores plazos estimados bajo los modelos 1 y 3 vis-à-vis el modelo 2.[6]
Comentarios finales
Todo lo presentado hasta aquí no pretende reemplazar una evaluación más detallada de aspectos referidos a la disponibilidad efectiva de personal de salud especializado (que eventualmente podría pasar al ser el “insumo limitante” de la capacidad de atención de pacientes críticos de Covid-19) y de las limitaciones que presentaría un desarrollo de los contagios con concentraciones regionales que no se correspondan con la distribución geográfica de las UCI a lo largo de provincias y municipios del país.
Sin pretender evitar estas omisiones, vale la pena notar que las proyecciones realizadas previamente suponen que el 50% de la capacidad total de UCI en el país está comprometido para la atención de otro tipo de patologías, “no-Covid-19”. Pero, como se observa en el Gráfico 2, los porcentajes de ocupación no-Covid-19 de UCI a nivel país (estimados en base a los reportes diarios del MSN) han comenzado a disminuir desde la última semana de agosto hasta prácticamente rondar 30% a fines de septiembre, lo cual permitiría algún espacio adicional hasta la saturación en los próximos meses (o para acotar las saturaciones a nivel municipal y/o provincial que casi seguramente se producirán –y en algunos casos del interior del país ya se producen– en mayor o menor medida).
Por el contrario, la consideración de estas limitaciones, además de indicar la importancia de proveer al cuidado del personal de salud con equipamiento de protección y descanso suficiente, y la asistencia centralizada del gobierno nacional para facilitar traslados de equipos, personal médico y/o pacientes según sea la evolución de la pandemia (en todos los casos, algo muy difícil a gran escala de todas formas), claramente señala la conveniencia de no confiar ciegamente en ningún tipo de proyección. En todo caso, no hay mejor forma de evitar la saturación del sistema que reducir los contagios, especialmente de las personas de mayor edad y/o con condiciones de salud agravantes preexistentes.
Gráfico 2
¿Será posible que en lo que resta del año 2020 todavía se pueda estimar una fecha de saturación alejándose a distancia prudencial para nunca producirse de manera generalizada? Seguramente sea posible, y claramente dependerá por un lado del progreso en el conocimiento médico y el desarrollo de tratamientos más efectivos (que reduzcan aún más la duración de las internaciones) y, por otro lado, del cuidado para prevenir y evitar los contagios por parte de los ciudadanos y de los distintos niveles de gobierno del país. Dado que difícilmente sea posible limitar adicionalmente la movilidad de las personas, al menos no por mucho tiempo ni de forma generalizada, tampoco puede descartarse que ocurra lo opuesto: no hay espacio para suponer que los errores de estimación del pasado siempre seguirán siendo “falsas alarmas”, hasta que aparezca una vacuna efectiva, ojalá en el primer trimestre de 2021. Sólo la responsabilidad individual y colectiva, junto con el aprovechamiento de lo que se ha aprendido a lo largo de esta pandemia en todo el planeta, se podrán evitar resultados más angustiantes en vidas, salud, libertad, empleo, etc., que los que ya se han producido en el último semestre.
Santiago Urbiztondo
[1]Ver por ejemplo https://www.clarin.com/sociedad/coronavirus-argentina-crece-cantidad-contagios-puede-soportar-sistema-salud-_0_bv78awuAZ.html y https://www.perfil.com/noticias/politica/nicolas-kreplak-dijo-a-este-ritmo-sistema-sanitario-se-va-saturar-en-pocos-dias.phtml?fb_comment_id=3109874319125798_3110087609104469.
[2] Ver Urbiztondo, S.: “Covid-19: Nueva evidencia para recalcular la fecha de saturación del sistema de atención crítica (UCI)”, Indicadores de Coyuntura 621, Julio 2020, y Urbiztondo, S.: “Covid-19: Reducciones en la internación en UCI y en la letalidad son un apoyo adicional a una flexibilización del aislamiento social”, Indicadores de Coyuntura 622, Agosto 2020.
[3]Los datos actuales a nivel nacional que contienen los reportes diarios –dejando de lado su baja calidad por los rezagos en la carga de datos– permiten ilustrar esta desigualdad: por ejemplo, al 9 de septiembre, cuando los casos diarios todavía estaban creciendo claramente, éstos promediaban 10.500 en la semana previa, y dado que el período de actividad pudo estimarse en 11 días a partir del contraste entre los partes diarios y la base de datos abiertos del MSN (suponiendo un período constante de actividad desde abril en adelante), ello resultaba en un valor de 115.500, mayor que los 111.000 casos activos que se computaban entonces a partir de los reportes diarios del MSN.
[4] Como se señaló antes en el texto, la base de datos abiertos permite verificar que entre julio y agosto el producto de la duración de las internaciones en UCI por Covid-19 y el porcentaje de casos nuevos que requieren internación en UCI se mantuvo constante. La relación entre i y j tiene que ver con la extensión de la internación en UCI vs el período de actividad, de forma que j = i * n/m. Entonces, dado i=1,1% y n=23 días (como en agosto) o i=1,4% y n= 15 días (como en julio), y m=11 también deducido de los datos del MSN, j se estima en 2,3% (=0,011*23/11). Este valor de j es algo inferior al que se puede computar a partir de los partes diarios del MSN (2,5% en la primera quincena de setiembre y 2,6%, considerando todo el mes), pero ello puede atribuirse a una mayor demora en cargar nuevos casos que internaciones en UCI por Covid-19 en la información que contienen los partes diarios.
[5]Los datos informados en reportes diarios del MSN tienen una corrección de 61.900 altas el 8 de agosto, introduciendo un claro sesgo en la evolución de casos activos. Para evitar este problema, los siguientes cómputos, según se explica en las notas en la tabla, presentan una estimación propia del número de casos activos. En particular, la consistencia entre los datos de casos acumulados en ambas fuentes a fines de agosto, y la cantidad de casos activos en esa fecha informada en los reportes diarios del MSN, llevan a estimar un período de actividad igual a 11 días (suponiendo que el mismo es constante a lo largo de toda la muestra), ya que éste es el número que ajusta correctamente la evolución del número de casos nuevos confirmados de la base de datos abiertos (que no informa fechas de altas) y el stock de casos activos obtenido de los reportes diarios del MSN desde marzo hasta agosto inclusive.
[6] En tal caso, las proyecciones presentadas en el Cuadro 2 y Gráfico 1 se modificarían de la siguiente forma. En el modelo 3, la omisión de las internaciones en las UCI del sector privado de CABA obviamente implicaría sub-estimar la demanda total de UCI y llevaría a sobreestimar la cantidad de tiempo disponible hasta la saturación: suponiendo por simplicidad que la internación en UCI por Covid-19 en las clínicas privadas de CABA fuera el 10% del total del país (unos 250 pacientes actualmente), la sobreestimación en el mes de septiembre sería de una semana aproximadamente. En el modelo 2, la ocupación de UCI por Covid-19 es utilizada para calcular tanto j como n (incidiendo en ambos de forma inversa), y por lo señalado en la nota al pie 4, en dicha proyección lo relevante es el valor de j x n, de manera tal que el impacto de tal sub-medición de la ocupación de UCI por Covid-19 en CABA sería nulo. Finalmente, considerando el modelo 1, la estimación depende indirectamente de la ocupación de UCI por Covid-19 porque ésta afecta el valor estimado de n (pero no incide en el valor estimado de i que se obtiene de la base de datos abiertos, en la cual se incluyen las internaciones de todos los efectores -públicos y privados- del país), de manera tal que bajo el supuesto previo de una omisión del 10% de pacientes internados en UCI por Covid-19 en los reportes diarios del MSN su corrección llevaría a incrementar el valor estimado de n en 10% (dados los ingresos diarios a UCI informados en la base de datos abiertos del MSN) y con él a un adelantamiento también de una semana en la fecha estimada de saturación. En tal sentido, las proyecciones de los modelos 1 y 3 se acercarían a la (menor) estimación de tiempo hasta la saturación bajo el modelo 2, tanto más cuanto mayor sea la cantidad de UCI ocupadas por Covid-19 que estén siendo omitidas en los reportes diarios del MSN.