Antecedentes: Los esfuerzos contra el COVID-19 a menudo fueron ineficaces para controlar la propagación de la pandemia. Por lo tanto, identificar controles ineficaces durante una pandemia es vital. Método: Utilizando datos públicamente disponibles sobre muertes por COVID en los condados de los estados de EE. UU., creamos un índice para capturar e interpretar la falta de efectividad en los esfuerzos para reducir la propagación de la pandemia en los condados de EE. UU. Este índice se basa en la Distribución de Poisson Intervenida (IPD) introducida originalmente por Shanmugam. La motivación para la idea de investigación surgió cuando notamos que la dispersión de los datos de muertes por COVID era menor que el promedio solo en algunos condados. Los datos subdispersos son comunes en la modelización estadística. Un enfoque novedoso que adaptamos en este artículo incluye la estimación de un parámetro de intervención estimado a través de una optimización no lineal iterativa. Resultados: Se encontró que veinticinco condados en California, Idaho, Minnesota, Mississippi, Montana, Nebraska, Carolina del Norte, Dakota del Norte, Texas y Utah eran ineficaces en el control de las fatalidades basándose en la distribución de probabilidad esperada. Una revisión de las políticas promulgadas en estas áreas proporcionaría información sobre esfuerzos de prevención ineficaces, y algunos de estos problemas están documentados en la literatura actual. Conclusiones: El índice de IPD es una forma innovadora de documentar la eficacia de las intervenciones durante las pandemias.