ABSTRACT Introduction: The fatality rate by COVID-19 has generated a lot of concern among citizens and the media regarding the official numbers provided by different governments. Public health today must cope with the most significant pandemic of the twenty-first century. Objective: Analyze the fatality rate due to COVID-19 and its relation with critical hospital resources, in the context of the COVID-19 pandemic. Methods: The fatality rate was analyzed on the basis of official data. The number of cases was underestimated to obtain a more real estimate of the extent of the infection, of the indicators of important (critical) hospital resources in pandemic transition that could raise the post-study fatality rate. Double-smoothed exponential trend curves, S-distribution and regression techniques were used. Results: The curve that best explained the behavior of COVID-19 deaths in Chile was a cubic regression equation. The basic hospitalization variable was distributed as an S-curve. The variables called mean hospitalization, critical patients, intensive treatment unit, intensive care unit, total mechanical ventilators and busy mechanical ventilators could be explained by cubic regressions. In all cases, R2 values were greater than 95 %. Conclusions: The number of deaths will continue to rise. It is suggested to fortify the basic hospitalization units to prevent the collapse of the health network. It is necessary to continue growing in terms of medium complexity hospitalization, intensive treatment unit, intensive care unit and total number of mechanical ventilators to ensure health support.

RESUMEN Introducción: La tasa de letalidad por COVID-19 ha generado mucha preocupación entre los ciudadanos y los medios de comunicación con respecto a los números oficiales proporcionados por distintos gobiernos. La salud pública en la actualidad debe hacer frente a la pandemia más significativa del siglo xxi. Objetivo: Analizar la tasa de letalidad por COVID-19 y su relación con recursos hospitalarios críticos, en el contexto de la pandemia de la COVID-19. Métodos: Se analizó la tasa de letalidad sobre la base de datos oficiales. Se subestimó el número de casos para obtener una estimación más real del alcance de la infección, de los indicadores de recursos hospitalarios importantes (críticos) en transición pandémica que podrían elevar la tasa de letalidad posterior al estudio. Se emplearon curvas de tendencia exponencial doblemente suavizadas, distribución S y técnicas de regresión. Resultados: La curva que mejor explicó el comportamiento de fallecidos por COVID-19 en Chile fue una ecuación de regresión cúbica. La variable hospitalización básica se distribuyó como una curva S. Las variables hospitalización media, pacientes críticos, unidad tratamiento intensivo, unidad cuidado intensivo, ventiladores mecánicos totales y ventiladores mecánicos ocupados; se pudieron explicar mediante regresiones cúbicas. En todos los casos, los valores de R2 fueron superiores al 95 %. Conclusiones: El número de fallecidos seguirá en aumento. Se sugiere fortificar las unidades de hospitalización básica para imposibilitar el colapso de la red sanitaria. Es necesario seguir creciendo en términos de hospitalización de media complejidad, unidad tratamiento intensivo, unidad cuidado intensivo y número total de ventiladores mecánicos para asegurar el soporte sanitario.

Objetivo explorar o melhor tipo de curva ou modelo de tendência para explicar o comportamento epidemiológico do contágio por COVID-19 e derivar as possíveis causas que contribuem para explicar o modelo correspondente e as implicações em saúde que se podem inferir. Método os dados foram coletados nos relatórios da COVID-19 do Departamento de Epidemiologia, Ministério da Saúde do Chile. Os dados foram analisados através do ajustamento de curvas em quatro modelos diferentes: quadrático, exponencial, suavização exponencial simples e suavização exponencial dupla. O nível significância adotado foi de α≤0.05. Resultados a curva que mais se ajusta à evolução dos casos confirmados acumulados da COVID-19 no Chile é a curva com suavização exponencial dupla. Conclusão o número de infectados continuará aumentando e o Chile deve permanecer vigilante e ajustar suas estratégias em torno de medidas de prevenção e controle. O comportamento da população tem um papel fundamental. Sugerimos não relaxar quanto às restrições e seguir melhorando a vigilância epidemiológica. Devem ser feitos preparativos de emergência e mais recursos materiais devem ser adicionados para dar suporte ao sistema de saúde. Esta previsão é provisória e depende das variáveis intervenientes se manterem constantes e qualquer alteração modificará sua previsão.

Objective to explore the best type of curve or trend model that could explain the epidemiological behavior of the infection by COVID-19 and derive the possible causes that contribute to explain the corresponding model and the health implications that can be inferred. Method data were collected from the COVID-19 reports of the Department of Epidemiology, Ministry of Health, Chile. Curve adjustment studies were developed with the data in four different models: quadratic, exponential, simple exponential smoothing, and double exponential smoothing. The significance level used was α≤0.05. Results the curve that best fits the evolution of the accumulated confirmed cases of COVID-19 in Chile is the doubly-smoothed exponential curve. Conclusion the number of infected patients will continue to increase. Chile needs to remain vigilant and adjust the strategies around the prevention and control measures. The behavior of the population plays a fundamental role. We suggest not relaxing restrictions and further improving epidemiological surveillance. Emergency preparations are needed and more resource elements need to be added to the current health support. This prediction is provisional and depends on keeping all intervening variables constant. Any alteration will modify the prediction.

Objetivo explorar el mejor tipo de curva o modelo de tendencia que podría explicar el comportamiento epidemiológico del contagio por COVID-19 y derivar las posibles causas que contribuyan a explicar el modelo correspondiente y las implicaciones sanitarias que se pueden inferir. Método los datos fueron recogidos desde los informes COVID-19 del Departamento de Epidemiología, Ministerio de Salud, Chile. Los datos fueron sometidos a estudios de ajustes de curva en cuatro modelos diferentes: cuadrático, exponencial, exponencial suavizado simple y exponencial suavizado doble. El nivel de significación empleado fue de α≤0,05. Resultados la curva que más se ajusta a la evolución de los casos confirmados acumulados del COVID-19 en Chile es la curva doble exponencial suave. Conclusión el número de contagiados seguirá en aumento. Chile debe permanecer atento y ajustar las estrategias en torno a las medidas de prevención y control. El comportamiento poblacional juega un rol fundamental. Sugerimos no relajar las restricciones y seguir mejorando la vigilancia epidemiológica. Se deben hacer preparativos de emergencia y sumar más elementos de resorte al actual soporte sanitario. Esta predicción es tentativa y depende de que se mantengan todas las variables intervinientes constantes. Cualquier alteración modificará la predicción.

Objective to explore the best type of curve or trend model that could explain the epidemiological behavior of the infection by COVID-19 and derive the possible causes that contribute to explain the corresponding model and the health implications that can be inferred. Method data were collected from the COVID-19 reports of the Department of Epidemiology, Ministry of Health, Chile. Curve adjustment studies were developed with the data in four different models: quadratic, exponential, simple exponential smoothing, and double exponential smoothing. The significance level used was α≤0.05. Results the curve that best fits the evolution of the accumulated confirmed cases of COVID-19 in Chile is the doubly-smoothed exponential curve. Conclusion the number of infected patients will continue to increase. Chile needs to remain vigilant and adjust the strategies around the prevention and control measures. The behavior of the population plays a fundamental role. We suggest not relaxing restrictions and further improving epidemiological surveillance. Emergency preparations are needed and more resource elements need to be added to the current health support. This prediction is provisional and depends on keeping all intervening variables constant. Any alteration will modify the prediction.

Objetivo explorar el mejor tipo de curva o modelo de tendencia que podría explicar el comportamiento epidemiológico del contagio por COVID-19 y derivar las posibles causas que contribuyan a explicar el modelo correspondiente y las implicaciones sanitarias que se pueden inferir. Método los datos fueron recogidos desde los informes COVID-19 del Departamento de Epidemiología, Ministerio de Salud, Chile. Los datos fueron sometidos a estudios de ajustes de curva en cuatro modelos diferentes: cuadrático, exponencial, exponencial suavizado simple y exponencial suavizado doble. El nivel de significación empleado fue de α≤0,05. Resultados la curva que más se ajusta a la evolución de los casos confirmados acumulados del COVID-19 en Chile es la curva doble exponencial suave. Conclusión el número de contagiados seguirá en aumento. Chile debe permanecer atento y ajustar las estrategias en torno a las medidas de prevención y control. El comportamiento poblacional juega un rol fundamental. Sugerimos no relajar las restricciones y seguir mejorando la vigilancia epidemiológica. Se deben hacer preparativos de emergencia y sumar más elementos de resorte al actual soporte sanitario. Esta predicción es tentativa y depende de que se mantengan todas las variables intervinientes constantes. Cualquier alteración modificará la predicción.

Objetivo explorar o melhor tipo de curva ou modelo de tendência para explicar o comportamento epidemiológico do contágio por COVID-19 e derivar as possíveis causas que contribuem para explicar o modelo correspondente e as implicações em saúde que se podem inferir. Método os dados foram coletados nos relatórios da COVID-19 do Departamento de Epidemiologia, Ministério da Saúde do Chile. Os dados foram analisados através do ajustamento de curvas em quatro modelos diferentes: quadrático, exponencial, suavização exponencial simples e suavização exponencial dupla. O nível significância adotado foi de α≤0.05. Resultados a curva que mais se ajusta à evolução dos casos confirmados acumulados da COVID-19 no Chile é a curva com suavização exponencial dupla. Conclusão o número de infectados continuará aumentando e o Chile deve permanecer vigilante e ajustar suas estratégias em torno de medidas de prevenção e controle. O comportamento da população tem um papel fundamental. Sugerimos não relaxar quanto às restrições e seguir melhorando a vigilância epidemiológica. Devem ser feitos preparativos de emergência e mais recursos materiais devem ser adicionados para dar suporte ao sistema de saúde. Esta previsão é provisória e depende das variáveis intervenientes se manterem constantes e qualquer alteração modificará sua previsão.