Signos Vitales: Estamos evaluando a 50,000 australianos por día para COVID-19. ¿Deberían ser 6,5 millones?

Crédito: Pixabay/CC0 Dominio público

Mientras Victoria lidia con un brote de segunda ola de COVID-19, se ha vuelto a destacar la importancia de las pruebas a gran escala.

Sin su «bombardeo de pruebas» con el objetivo de 10 000 pruebas por día, el alcance del brote habría sido invisible durante mucho más tiempo.

En toda Australia, hasta ahora hemos logrado un promedio móvil de siete días de un poco más de 50 000 pruebas por día.

Desde el comienzo de la pandemia, los defensores de la las pruebas han estado argumentando la necesidad de probar números dramáticamente más grandes.

Uno es el economista estadounidense Paul Romer, quien compartió el Premio Nobel de economía 2018 por su trabajo sobre la importancia del conocimiento y las ideas en la economía. A fines de marzo, modeló una «política de pruebas frecuentes» en la que: «El 7% de la población se selecciona aleatoriamente para la prueba cada día. Durante los 500 días ilustrados en las gráficas y la animación, esto significa que la persona promedio se prueba alrededor de 30 veces en 500 días, aproximadamente una vez cada dos semanas».

Esta tasa de pruebas significaría que se realizarían pruebas a cerca de 2 millones de australianos por día. Pero incluso eso probablemente no sea suficiente.

Las matemáticas de las pruebas masivas

Para apreciar por qué se necesita incluso una gran cantidad de pruebas, imagine que se utilizan pruebas puramente aleatorias. Es decir, las pruebas no se centraron en los «puntos calientes», como ha sido el caso en Melbourne.

Las pruebas, el rastreo y el aislamiento solo serán efectivos si, en promedio, el proceso identifica los casos antes de que esas personas transmitan el virus. Los epidemiólogos llaman al número de infecciones causadas por un solo caso el número de «reproducción» (R). Si es menor que 1, la pandemia se extinguirá. Si es más de 1, el virus se propaga.

Cuando no se controla, el COVID-19 se propaga aproximadamente una vez cada seis días. Esto corresponde a un número de reproducción de 2,5 durante los 15 días que una persona con COVID-19 es generalmente infecciosa.

Además, como señala Romer, las pruebas actuales están lejos de ser perfectas. Supone una tasa de falsos negativos del 20 % (resultados de pruebas que indican que alguien no tiene COVID-19 cuando sí lo tienen) y una tasa de falsos positivos del 1 % (resultados que indican que alguien lo tiene cuando no lo tiene).

Las matemáticas dicen que para controlar la enfermedad necesitamos evaluar a toda la población aproximadamente cada cuatro días.

En un artículo publicado por el Centro de Ética Edmond J. Safra de la Universidad de Harvard, Divya Siddarth y Glen Weyl] calculan que el 20% que son falsos negativos, en promedio, transmitirán el virus a 2,5 personas. El otro 80% de los casos se detectan en promedio a la mitad del ciclo de prueba.

Para decirlo en términos matemáticos básicos, si evaluamos a las personas cada «x» días, detectamos esas infecciones en promedio después de la mitad de ese tiempo (x/2 días). Para mantener la tasa de reproducción efectiva en, digamos, 0,75, necesitamos que «x» sea 3,75. Eso significa evaluar a todos aproximadamente una vez cada cuatro días.

Y eso significaría realizar pruebas a más de 6,5 millones de australianos al día. ¡Yikes!

Casos asintomáticos

Dada la escala necesaria para que las pruebas aleatorias sean un éxito, tal vez no sea sorprendente que las autoridades hayan optado por pruebas específicas centradas en los puntos críticos de transmisión.

Pero Siddarth y Weyl explican la falla fatal con cualquier estrategia de prueba que reaccione solo a los casos sintomáticos: «Para cuando los pacientes sintomáticos se presenten, ya habrán infectado a .833 personas. Además, el 20% de los infectados serán asintomáticos durante todo el vez que tienen la enfermedad, y el 20% de los examinados arrojarán falsos negativos. Esto significa que una política de solo evaluar a quienes presentan síntomas y solo poner en cuarentena a los que dan positivo llevará a un individuo infectado promedio a infectar a otros a una tasa de 1,4».

Estar por encima de 1 significa que el virus aún crece exponencialmente.

Pruebas con rastreo de contactos

Una mejor solución es realizar pruebas basadas en contactos rigurosos seguimiento de infecciones conocidas. Esta es la razón por la que los gobiernos depositaron tantas esperanzas en la tecnología de aplicaciones de rastreo como COVIDSafe de Australia.

Siddarth y Weyl consideran una especie de escenario del mejor de los casos que rastrea a todas las personas con las que una persona infecciosa ha entrado en contacto, y todas esas personas con las que han entrado en contacto también. Calculan que esto podría llevar a rastrear el 75% de los casos. Se buscaría otra transmisión a través de pruebas rápidas de todas las personas con síntomas.

En los EE. UU., esto requeriría alrededor de 2 millones de pruebas por día. En Australia, se necesitarían unas 150.000 pruebas al día, tres veces más pruebas de las que se realizan ahora.

Pruebas en grupo

Una solución intrigante es la «prueba en grupo». Esta idea ha existido desde la década de 1940 y consiste en agrupar muestras de pacientes para su análisis. Si la prueba agrupada es negativa, se borra todo el grupo. Si la prueba es positiva, se realizan pruebas más enfocadas para identificar casos individuales.

La pregunta, entonces, es ¿cuál es la estrategia óptima de prueba grupal? Por ejemplo, ¿cuál es el mejor tamaño de grupo para elegir? ¿Deberían colocarse algunas personas en varios grupos? ¿Debería haber múltiples etapas de pruebas grupales?

En un documento de trabajo de la Oficina Nacional de Investigación Económica de EE. UU. publicado este mes, cuatro académicos de la Universidad de California Berkeley muestran cómo el aprendizaje automático puede ayudar a determinar la estrategia óptima.

Por ejemplo, el tamaño óptimo de la prueba grupal depende de la prevalencia del virus en la población. Al estimar los perfiles de riesgo individuales de una persona, la edad, los problemas de salud preexistentes, el lugar donde vive, si tiene un trabajo que lo expone a riesgos, etc., es posible orientar las pruebas de manera más eficiente que si se tratara a todos por igual en riesgo.

El objetivo es mejorar la precisión predictiva al incorporar tantas características observables que puedan influir en el riesgo como sea posible. Este es un problema clásico para el «aprendizaje automático supervisado». El uso del aprendizaje automático podría hacer que las pruebas grupales sean quizás de cuatro a cinco veces más eficientes, sugieren los investigadores de Berkeley.

Si se hace de esta manera, podríamos lograr una estrategia efectiva al evaluar a tan solo 30,000 a 40,000 australianos por año. día.

Pero el enfoque deberá ser muy diferente al actual.

Nuestro futuro previo a la vacuna

Hasta que se encuentre una vacuna eficaz y se distribuya ampliamente, las pruebas son cruciales para controlar el COVID-19.

Como enfatizan los autores de Berkeley, las técnicas analíticas modernas pueden hacer que «las pruebas grupales inteligentes y de alta frecuencia sean una herramienta nueva y poderosa en la lucha contra el COVID-19, y potencialmente otros enfermedades infecciosas».

Necesitamos todas las herramientas que podamos encontrar.

Explore más

Las pruebas agrupadas podrían ser la forma más rápida y económica de aumentar la detección del coronavirus en todo el país Proporcionado por The Conversation

Este artículo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el artículo original.

Cita: Signos vitales: estamos realizando pruebas de COVID-19 a 50 000 australianos por día. ¿Deberían ser 6,5 millones? (2020, 10 de julio) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-vital-australians-day-covid-million.html Este documento está sujeto a 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.