El modelo COVID-19 compara la efectividad de las estrategias de mitigación y vacunas

Crédito: CC0 Public Domain

Predecir la propagación de COVID-19 usando modelos estadísticos estándar tiene sus desafíos, razón por la cual dos investigadores de la Universidad Estatal de Iowa desarrollaron una red basada en enfoque para observar el impacto de políticas específicas y estrategias de vacunación a lo largo de las muchas etapas de la pandemia.

Claus Kadelka, profesor asistente de matemáticas; y Audrey McCombs, estudiante de posgrado en estadística, comenzaron a trabajar en este tema en marzo. Kadelka dice que encontraron que muchos de los modelos usaban «información imperfecta para hacer predicciones que no eran precisas», por lo que él y McCombs adoptaron un enfoque diferente.

«En lugar de intentar predecir algo que realmente no se puede predecir dada la incertidumbre de los datos, desarrollamos un modelo abstracto para comparar diferentes escenarios de forma cualitativa para ver cuál nos da el mejor resultado , independientemente de la incertidumbre subyacente en todos los parámetros clave de virus y enfermedades», dijo Kadelka.

En un artículo, publicado en medRxiv antes de la revisión por pares, los investigadores usaron su modelo de red de interacción social para comprender cómo la homofilia tendencia a asociarse con personas que comparten las mismas opiniones y creencias, en este caso sobre el COVID-19 afecta la probabilidad de un brote y el número de muertes. El modelo compara la probabilidad de un brote para diferentes niveles de homofilia y correlaciones entre creencias sobre vacunación y distanciamiento social. Kadelka dice que mantuvieron la misma proporción de personas con creencias positivas en todos los escenarios para proporcionar una comparación de manzanas con manzanas.

El modelo mostró que la presencia de homofilia puede tener una fuerte influencia en la probabilidad de una brote. La homofilia con respecto a la vacunación implica que hay grupos de individuos vacunados, pero también grupos de individuos no vacunados. Los investigadores encontraron que tal homofilia en las redes de interacción social puede conducir a brotes sustancialmente más frecuentes, especialmente en presencia de una vacuna eficaz.

«Los modelos estándar asumen que las conexiones sociales de las personas son aleatorias, lo que sabemos que no es cierto ”, dijo McCombs. «Modelar patrones sociales más realistas condujo a peores brotes y una mayor mortalidad de lo que predicen los modelos estándar».

También encontraron que los brotes ocurrían con mayor frecuencia cuando había una correlación positiva entre las creencias sobre la vacunación y el distanciamiento social. Si las personas que reciben la vacuna son las mismas personas que tienen más probabilidades de distanciamiento social, hay un porcentaje de la población que no toma ninguna medida de protección, lo que aumenta el riesgo de un brote.

Cuando hay un resultado negativo correlaciónlas personas se vacunan, pero no se distancian socialmente o las personas se distancian socialmente, pero no se vacunanhay menos brotes, porque más personas están siguiendo una de las estrategias de mitigación. Los investigadores dicen que su modelo proporciona una evaluación más realista de cómo nuestras interacciones y la creciente polarización de la opinión impactan en la propagación del virus.

Priorizar las vacunas

Según los hallazgos, los investigadores recomendaron a los legisladores considerar las prácticas locales de distanciamiento social al priorizar la vacunación para personas de alto o bajo riesgo. Si aquellos que están en alto riesgo tienen sustancialmente menos contactos, priorizar a los individuos de bajo riesgo para la vacuna redujo la mortalidad general en comparación con vacunar primero a los individuos de alto riesgo. Los investigadores dicen que la mejor estrategia de vacunación puede diferir de una comunidad a otra dependiendo de la adopción local de estrategias de mitigación de riesgos.

«Los individuos de alto riesgo son generalmente mayores, tienen menos contactos y aunque es difícil de medir, son más propensos a participar en el distanciamiento», dijo Kadelka. «Las personas de bajo riesgo de entre 20 y 30 años tienen la mayor cantidad de contactos y es menos probable que se distancien. Dependiendo de las tasas de contacto relativas, puede tener sentido enfocar la vacunación en este grupo en algunas comunidades».

Distanciamiento social, pruebas, clasificación hospitalaria

En un artículo separado, publicado en la revista PLOS Computational Biology, Kadelka y McCombs presentaron por primera vez su modelo basado en redes y demostraron cómo las políticas de COVID-19 distanciamiento social, pruebas y priorización de la atención cuando los hospitales alcanzan su capacidad interactúan entre sí y mejoran o socavan los efectos.

Estos son algunos de los hallazgos clave:

• Hacer pruebas a personas de bajo riesgo redujo las muertes de manera más efectiva que priorizar personas de alto riesgo para la prueba. Las personas de bajo riesgo tienen más contactos y la reducción de su actividad a través de pruebas ralentiza la propagación de la enfermedad.
• Reducir los encuentros públicos o aleatorios tuvo un efecto más fuerte en las muertes que reducir los contactos personales. Esto puede deberse a que los encuentros públicos permiten que el virus se propague rápidamente por toda una comunidad, mientras que los contactos personales limitan la propagación a una pequeña subcomunidad.
• La importancia de las pruebas y la clasificación hospitalaria al examinar el efecto combinado depende del nivel de social distanciamiento.

En el artículo, los investigadores escribieron: «El objetivo de este estudio no era predecir el número absoluto esperado de muertes relacionadas con COVID-19; más bien, el modelo es una herramienta que se puede utilizar, a pesar de la incertidumbre en los parámetros clave, para comparar la eficacia de varias políticas destinadas a reducir la mortalidad».

Explore más

Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Claus Kadelka et al. Efecto de la agrupación y correlación de los sistemas de creencias en los brotes de enfermedades infecciosas (2020). DOI: 10.1101/2020.12.08.20246298

Audrey McCombs et al. Una evaluación basada en modelos de la eficacia de las políticas de triaje hospitalario, prueba y distanciamiento social de COVID-19, PLOS Computational Biology (2020). DOI: 10.1371/journal.pcbi.1008388 Información de la revista: PLoS Computational Biology