La supresión de las ondas de COVID-19 refleja la actividad social dependiente del tiempo, no la inmunidad colectiva
Los científicos que modelaron la propagación de COVID-19 demostraron que surge un estado temporal de inmunidad debido a las diferencias individuales en los comportamientos sociales. Esta «inmunidad colectiva transitoria» que se refiere a cuando los grupos susceptibles o más sociales han sido infectados colectivamente se destruye a medida que las personas modifican sus comportamientos sociales con el tiempo. Por ejemplo, alguien que se aisló en los primeros días de la epidemia puede en algún momento renovar sus redes sociales, reuniéndose con pequeños grupos o grandes multitudes. Crédito: Laboratorio Nacional Brookhaven
Los científicos del Laboratorio Nacional Brookhaven del Departamento de Energía de EE. UU. (DOE) y la Universidad de Illinois Urbana-Champaign (UIUC) han desarrollado un nuevo modelo matemático para predecir cómo se propaga el COVID-19. Este modelo no solo da cuenta de la susceptibilidad biológica variable de los individuos a la infección, sino también de sus niveles de actividad social, que naturalmente cambian con el tiempo. Utilizando su modelo, el equipo demostró que un estado temporal de inmunidad colectiva, lo que denominaron «inmunidad colectiva transitoria», surgió durante las primeras etapas aceleradas de la epidemia. Sin embargo, continuaron apareciendo «oleadas» o aumentos repentinos en el número de casos debido a cambios en los comportamientos sociales. Sus resultados se publican en las Actas de la Academia Nacional de Ciencias.
La epidemia de COVID-19 llegó a los Estados Unidos a principios de 2020 y se extendió rápidamente por varios estados en marzo. Para mitigar la propagación de enfermedades, los estados emitieron órdenes de quedarse en casa, cerraron escuelas y negocios, y establecieron mandatos de uso de mascarillas. En ciudades importantes como la ciudad de Nueva York (NYC) y Chicago, la primera ola finalizó en junio. En el invierno, estalló una segunda ola en ambas ciudades. Comprender por qué terminan las oleadas iniciales y comienzan las oleadas subsiguientes es clave para poder predecir la dinámica de epidemias futuras.
Aquí es donde el modelado puede ayudar. Pero los modelos epidemiológicos clásicos se desarrollaron hace casi 100 años. Si bien estos modelos son matemáticamente sólidos, no capturan perfectamente la realidad. Uno de sus defectos es no tener en cuenta la estructura de las redes de contacto de persona a persona, que sirven como canales para la propagación de enfermedades infecciosas.
«Los modelos epidemiológicos clásicos tienden a ignorar el hecho de que una población es heterogénea, o diferente, en múltiples niveles, incluidos el fisiológico y el social», dijo Alexei Tkachenko, físico del Grupo de Teoría y Cómputo del Centro. para Nanomateriales Funcionales (CFN), una instalación para usuarios de la Oficina de Ciencias del DOE en Brookhaven Lab. «No todos tenemos la misma susceptibilidad a la infección debido a factores como la edad, las condiciones de salud preexistentes y la genética. De manera similar, no tenemos el mismo nivel de actividad en nuestra vida social. Diferimos en la cantidad de personas cercanas contactos que tenemos y en la frecuencia con la que interactuamos con ellos a lo largo de las diferentes estaciones. La heterogeneidad de la población, estas diferencias individuales en la susceptibilidad biológica y social, son particularmente importantes porque reducen el umbral de inmunidad colectiva».
La inmunidad colectiva es el porcentaje de la población que deben lograr la inmunidad para que termine una epidemia.
«La inmunidad colectiva es un tema controvertido», dijo Sergei Maslov, usuario de CFN y profesor y becario de la facultad Bliss en UIUC, con nombramientos de profesores en los Departamentos de Física y Bioingeniería y en el Instituto Carl R. Woese de Biología Genómica. «Desde el principio de la pandemia de COVID-19, ha habido sugerencias de alcanzar la inmunidad colectiva rápidamente, poniendo así fin a la transmisión local del virus. Sin embargo, nuestro estudio muestra que la aparente inmunidad colectiva alcanzada de esta manera no duraría».
«Lo que faltaba antes de este trabajo era que la actividad social de las personas sube y baja, especialmente debido a los cierres u otras mitigaciones», agregó Nigel Goldenfeld, profesor de física de Swanlund y director del Instituto de Astrobiología de Biología Universal de la NASA en la UIUC. . “Entonces, una ola de la epidemia puede parecer que se desvanece debido a las medidas de mitigación cuando los grupos susceptibles o más sociales se han infectado colectivamente, lo que llamamos inmunidad colectiva transitoria. Pero una vez que estas medidas se relajan y las redes sociales de las personas se renuevan, otra ola puede comenzar, como hemos visto con estados y países que se abrieron demasiado pronto, pensando que lo peor ya había pasado».
Ahmed Elbanna, miembro de la facultad de Donald Biggar Willett y profesor de ingeniería civil y ambiental en la UIUC, señaló que la inmunidad colectiva transitoria tiene implicaciones profundas para la política pública.
«Las medidas de mitigación, como el uso de máscaras y evitar grandes reuniones, deben continuar hasta que se logre el verdadero umbral de inmunidad colectiva a través de la vacunación», dijo Elbanna. «No podemos ser más astutos que este virus forzando nuestro camino hacia la inmunidad colectiva a través de una infección generalizada porque la cantidad de personas infectadas y hospitalizadas que pueden morir sería demasiado alta».
Los aspectos prácticos del modelo predictivo
Durante el año pasado, el equipo de Brookhaven-UIUC ha estado llevando a cabo varios proyectos relacionados con un esfuerzo más amplio de modelado de COVID-19. Previamente, modelaron cómo se propagaría la epidemia a través de Illinois y el campus de la UIUC, y cómo los esfuerzos de mitigación afectarían esa propagación. En mayo pasado, comenzaron este proyecto para calcular el efecto de la heterogeneidad de la población en la propagación de COVID-19.
Ya existen varios enfoques para modelar el efecto de la heterogeneidad en la dinámica epidémica, pero generalmente asumen que la heterogeneidad permanece constante tiempo extraordinario. Entonces, por ejemplo, si no eres socialmente activo hoy, no serás socialmente activo mañana ni en las próximas semanas y meses.
«Los modelos epidemiológicos básicos solo tienen un tiempo característico, llamado generación intervalo o período de incubación», dijo Tkachenko. «Se refiere al tiempo en el que puedes infectar a otra persona después de infectarte tú mismo. Para el COVID-19, son aproximadamente cinco días. Pero ese es solo un período de tiempo. Hay otros períodos de tiempo en los que las personas cambian su comportamiento social».
En este trabajo, el equipo incorporó las variaciones temporales de la actividad social individual en los modelos epidemiológicos existentes. Si bien se necesita un modelo multidimensional complicado para describir cada grupo de personas con diferentes susceptibilidades a la enfermedad, comprimieron este modelo en solo tres ecuaciones, desarrollando un solo parámetro para capturar las fuentes biológicas y sociales de heterogeneidad.
» Llamamos a este parámetro el factor de inmunidad, que le dice cuánto cae el número de reproducción a medida que los individuos susceptibles se eliminan de la población», explicó Maslov.
El número de reproducción indica qué tan transmisible es una enfermedad infecciosa. Específicamente, la cantidad se refiere a cuántas personas infectará una persona infectada. Para estimar la contribución social al factor de inmunidad, el equipo aprovechó estudios previos en los que los científicos monitorearon activamente el comportamiento social de las personas. También observaron la dinámica epidémica real, determinando el factor de inmunidad más consistente con los datos sobre hospitalizaciones relacionadas con COVID-19, admisiones a unidades de cuidados intensivos y muertes diarias en Nueva York y Chicago. Por ejemplo, cuando el número de personas susceptibles se redujo en un 10 % durante la rápida epidemia temprana en Nueva York y Chicago, el número de reproducción se redujo en un 40 a 50 %, lo que corresponde a un factor de inmunidad estimado de cuatro a cinco.
“Ese es un factor de inmunidad bastante grande, pero no es representativo de una inmunidad colectiva duradera”, dijo Tkachenko. «En una escala de tiempo más larga, estimamos un factor de inmunidad mucho más bajo de aproximadamente dos. El hecho de que una sola ola se detenga no significa que esté a salvo. Puede regresar».
Este estado temporal de la inmunidad surge porque la heterogeneidad de la población no es permanente; las personas cambian su comportamiento social con el tiempo. Por ejemplo, las personas que se autoaislaron durante la primera ola, quedándose en casa, sin recibir visitas, pidiendo comestibles en línea, posteriormente comienzan a relajar sus comportamientos. Cualquier aumento en la actividad social significa un riesgo de exposición adicional.
«La epidemia ha estado con nosotros un año», dijo Maslov. «Es importante entender por qué ha estado aquí durante tanto tiempo. El cambio gradual en el comportamiento social entre las personas explica en parte por qué se están produciendo mesetas y olas posteriores. Por ejemplo, ambas ciudades evitaron una ola de verano pero experimentaron una ola de invierno. Nosotros atribuye la ola de invierno a dos factores: el cambio de estación y la disminución de la inmunidad colectiva transitoria».
Con la vacunación cada vez más generalizada, el equipo espera que nos salvemos de otra ola. En su trabajo más reciente, están estudiando la dinámica epidémica con más detalle. Por ejemplo, están alimentando estadísticas de reuniones de eventos «superpropagadores» donde una sola persona infectada provoca un gran brote entre los asistentes al modelo. También están aplicando su modelo a diferentes regiones de todo el país para explicar la dinámica epidémica general desde el final del confinamiento hasta principios de marzo de 2021.
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Alexei V. Tkachenko et al. La heterogeneidad dependiente del tiempo conduce a la supresión transitoria de la epidemia de COVID-19, no a la inmunidad colectiva, Actas de la Academia Nacional de Ciencias (2021). DOI: 10.1073/pnas.2015972118 Información de la revista: Procedimientos de la Academia Nacional de Ciencias
Proporcionado por el Laboratorio Nacional de Brookhaven Cita: La supresión de las ondas de COVID-19 refleja el tiempo actividad social dependiente, no inmunidad colectiva (2021, 14 de abril) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-04-suppression-covid-time-dependent-social-herd.html Este documento está sujeto a los derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.