Investigadores de Argentina y de México desarrollaron un modelo capaz de
predecir posibles escenarios futuros sobre la evolución de la pandemia de
COVID-19 en función de la estrategia de la búsqueda, monitoreo y aislamiento de
infectados.
«Nuestra
herramienta está a disposición de los tomadores de decisiones que deban
considerar todos los puntos de vista a la hora de tomar medidas para controlar
la pandemia», indicó la doctora en Física Nadia Barreiro, una de las líderes
del desarrollo y jefa de la División Sensores Ópticos y Lidar del Departamento
de Investigaciones en Láseres y Aplicaciones del Instituto de Investigaciones
Científicas y Técnicas para la Defensa (CITEDEF), en Villa Martelli, Provincia
de Buenos Aires.
Las herramientas
tradicionales en epidemiología permiten describir la evolución de la cantidad
de casos de una enfermedad en base a la consideración de la población
susceptible, el número de infectados y los recuperados (llamados modelos tipo
SIR, por las siglas).
«Si bien estos
modelos son un buen punto de partida, están pensados para situaciones que
difieren de la situación actual impuesta por el COVID-19 en dos puntos clave:
suponen que la población está homogéneamente distribuida en un territorio y que
no está sujeta a restricciones en la movilidad. Para describir la evolución de
la pandemia procedimos a introducir modelos más complejos que consideren
diversos aspectos del comportamiento social», puntualizó Barreiro.
Múltiples
variables
Tal como describe la revista Scientific
Reports, en el modelo
propuesto se divide el mapa del territorio del país (en este caso el de
Argentina) en regiones cuadradas relativamente pequeñas (de entre 30 y 50 km2)
y se estudia la evolución de la enfermedad en cada región por separado teniendo
en cuenta su correspondiente densidad demográfica. También determina la
evolución de la pandemia en cada región y la propagación del nuevo coronavirus
a regiones vecinas y a largas distancias dentro del país en función de los
niveles de movilidad permitidos.
El modelo
considera que las personas pueden evolucionar pasando por diferentes estados: susceptibles: es decir personas que
puede contagiarse y no tiene inmunidad; expuestos:
personas que estuvieron en contacto con un enfermo y están incubando la
enfermedad; infectados: personas con
alta carga viral que pueden contagiar a otros; aislados: personas que luego de obtener una prueba PCR positiva son
aisladas y ya no contagian a otros; y recuperados:
personas que se curaron de la enfermedad y son inmunes por lo que no pueden
enfermarse nuevamente por un período de tiempo.
«Hay que
considerar que existen múltiples variables que inciden en la aparición de olas,
y que nuestro modelo también tiene en cuenta, por ejemplo, el levantamiento
prematuro de restricciones a la movilidad, la perdida de inmunidad por parte de
un grupo de población que se infectó y que puede volver a contagiarse y la
aparición de nuevas variantes del SARSCoV-2, entre otras», subrayó Barreiro.
La idea de
generar este modelo surgió en los primeros meses de la pandemia. «Muchos
investigadores de diferentes áreas nos encontrábamos inquietos por trabajar en
algún tema que fuera de utilidad para combatir COVID-19», señaló Barreiro.
El físico Pablo
Bolcatto, presidente del CITEDEF, se contactó con su colega Rafael Barrio, del
Instituto de Física de la Universidad Nacional Autónoma de México (UNAM) quien
poseía experiencia previa en estudios epidemiológicos. Ya en 2009 había
implementado un modelo exitosamente para determinar la evolución de la gripe
H1N1 en México. Y el grupo se completó con la Master en estadística, Tzipe
Govezensky, del Instituto de Investigaciones Biomédicas de la UNAM, y Barreiro.
El trabajo,
publicado en Scientific Reports en mayo 2021 (pero elaborado en diciembre 2020),
planteaba un escenario en que si se mantenía la movilidad existente habría una
nueva ola en junio de 2021.
«Sin embargo,
esta ola se adelantó un mes y fue mucho mayor debido al fuerte incremento de la
movilidad vinculada, por ejemplo, al inicio de clases presenciales en varias
regiones», afirmó Bolcatto.
Además de las
aplicaciones que se muestran en la publicación, el modelo desarrollado, se
utilizó para estudiar diferentes escenarios, por ejemplo, para estimar que
hubiera sucedido si en lugar de aplicar el aislamiento social, preventivo y
obligatorio (ASPO) al comienzo de la pandemia se hubieran aplicado medidas de
distanciamiento menos estrictas.
«Las
estimaciones realizadas permiten inferir que el ASPO posiblemente evitó 1.6
millones de casos y cerca de 45.000 fallecimientos durante 2020», destacó
Barreiro.
«El modelo que
proponemos refleja la dinámica social y considera las medidas tomadas por el
gobierno para restringir el contagio», destacó Govezensky.
«Además de
Argentina y de México, probamos nuestro modelo con buenos resultados analizando
datos de España, Finlandia, Islandia y Estados Unidos», subrayó Barrio.
En otro trabajo,
publicado como preimpresión en medRxiv, los investigadores extendieron el
modelo para considerar los efectos de la vacunación y encontraron que, con la
movilidad actual, sería necesario vacunar al menos al 70% de la población para
reducir drásticamente la circulación del virus.
«Este modelo
también fue aplicado para estudiar diferentes escenarios de vacunación en otros
países como México y España», indicó Barrio y agregó que en la actualidad
también están trabajando para comprender la incidencia de las nuevas variantes
del coronavirus en la circulación y las implicaciones sobre la vacunación.
«Los resultados
obtenidos fueron consistentes con lo observado a nivel internacional: cuanto
mayor es la proporción de casos detectados (y consecuentemente aislados), menor
es la circulación del virus y la cantidad de casos totales a largo plazo. De
igual modo, cuanto menos tiempo se demora en encontrar y aislar nuevas personas
infectadas, menos tiempo tienen para propagar la enfermedad y esto se traduce
en una reducción de la cantidad de casos totales», afirmó Barreiro. BP
No hay comentarios.:
Publicar un comentario