Incluso si la pandemia de SARS-CoV-2 retrocede, la investigación sobre la efectividad de las políticas gubernamentales para contener la propagación de la pandemia sigue siendo importante. En este estudio, analizamos el impacto de un conjunto de factores epidemiológicos en la propagación de SARS-CoV-2 en 30 países europeos, que se aplicaron desde principios de 2020 hasta mediados de 2022. Combinamos cuatro conjuntos de datos que abarcan las intervenciones no farmacéuticas de cada país (INP, incluidos 66 tipos de intervenciones gubernamentales), distribuciones de 31 tipos de virus y porcentaje acumulado de población vacunada (por las primeras cinco dosis), así como las infecciones reportadas, cada uno sobre una base diaria. Primero, se entrena un modelo de aprendizaje profundo bayesiano para predecir la tasa de reproducción del virus un mes antes de cada día. Basándonos en el modelo de aprendizaje profundo entrenado, se calcula la importancia de los factores influyentes relevantes y la magnitud de sus efectos sobre el resultado del modelo de red neuronal aplicando algoritmos de aprendizaje automático explicables. En segundo lugar, para volver a examinar los resultados del modelo de aprendizaje profundo, se implementa un análisis estadístico bayesiano. En el análisis estadístico, para cada factor de entrada influyente en cada país, se comparan las distribuciones de las tasas de crecimiento de la pandemia para los días en que el factor estuvo activo con los días en que el mismo factor no estuvo activo. Los resultados del modelo de aprendizaje profundo y los resultados del modelo de inferencia estadística coinciden en gran medida. Concluimos con reflexiones sobre los factores más influyentes en la propagación de SARS-CoV-2 dentro de los países europeos.