Dos vacíos que llenar para la ola invernal de casos de COVID-19 de 2021-2022

El personal médico traslada a un paciente fallecido a un camión refrigerado que sirve como depósito de cadáveres improvisado en el Brooklyn Hospital Center el 9 de abril de 2020, en la ciudad de Nueva York. Angela Weiss/AFP a través de Getty Images, CC BY-SA

Los epidemiólogos, como los oncólogos y los científicos del clima, odian tener la razón. Hace un año esta semana, comenzó la fiebre de las comunicaciones de los epidemiólogos en la academia al público y a los gobiernos locales sobre los peligros inminentes de la pandemia de COVID-19, ante una débil respuesta federal.

St. Los desfiles del Día de San Patricio se cancelaron con días de sobra. Los hospitales estaban rechazando casos sospechosos positivos debido a la falta de pruebas. Los epidemiólogos predijeron que cientos de miles de estadounidenses morirían durante el año siguiente, con límites superiores a un millón. Este fue el mayor desafío de nuestro país desde 1941, y no lo cumplimos.

A pesar de la corriente de malas noticias, un gran éxito de 2020 fue el ritmo de desarrollo de la vacuna. Un sprint de 10 meses que finaliza con ensayos clínicos de fase 3 completos para dos vacunas candidatas (y una tercera la semana pasada) es un logro increíble. Aquí no se acredita la experiencia adquirida por la comunidad mundial de la salud durante el lanzamiento de ensayos clínicos en la epidemia de ébola en África Occidental en 2014-2015. La ciencia durante una crisis es difícil, y la comunidad científica respondió en 2020 con un esfuerzo total para diseñar e iniciar decenas de ensayos en cualquier momento.

Pero en medio del progreso científico, ¿qué descuidamos los científicos? o equivocarse? ¿Qué nos perseguirá dentro de ocho meses, cuando los casos de SARS-CoV-2 comiencen a aumentar nuevamente y nos preguntemos si la trayectoria de la epidemia de invierno traerá 30 000 o 300 000 muertes más? Si la eficacia de la vacuna cae, las altas tasas de mortalidad son una posibilidad real.

Nuestros dos grandes fracasos en 2020 fueron el modelado de comportamiento y la seroepidemiología en tiempo real, el estudio de las mediciones de anticuerpos en muestras de sangre. Como epidemiólogo con experiencia en el campo, el laboratorio y los aspectos de modelado de la respuesta a una pandemia, creo que debemos abordar estas dos brechas para que EE. UU. tenga mejores pronósticos, mejor comunicación y mejor gestión el próximo invierno. Incluso con vacunas efectivas, el nuevo coronavirus estará con nosotros durante muchos años.

Comprender el comportamiento humano

Primero, los científicos no entienden el ciclo de retroalimentación general entre la transmisión del virus y el comportamiento humano. Cuando aumentan los números de casos y muertes, las personas se asustan y cumplen más plenamente con las recomendaciones de sentido común, como el uso de máscaras, el distanciamiento, la higiene, la reducción de contactos y la ausencia de eventos grupales. Pero cuando estos números caen, las personas se sienten más seguras y retoman conductas de riesgo, preparando el escenario para un nuevo aumento de casos.

En 2020, los expertos en salud pública perdimos la oportunidad de cuantificar esta dinámica y estimar el retraso inherente en la respuesta conductual de una población. Incluso la reciente disminución de casos en enero se atribuyó al cambio de comportamiento solo por el proceso de eliminación: no pareció ser causado por el clima, las vacunas o las nuevas restricciones y, por lo tanto, se atribuyó al comportamiento humano y al distanciamiento social. Pero todavía carecemos de evidencia estadística de cómo o cuándo comenzó esto.

¿Por qué nos perdimos esto? Los epidemiólogos se habían estado preparando para una pandemia mortal durante dos décadas. Nuestro sesgo de anclaje provino de experiencias con pandemias de influenza pasadas e hipotéticas pandemias de influenza aviar, que tienen índices de mortalidad por infección (IFR) de un muy bajo 0,05 % o tasas muy altas de más del 25 %. Nadie estaba preparado para una IFR intermedia del 0,5 %, en la que un virus podría circular desapercibido durante el tiempo suficiente para que los investigadores pasaran por alto las primeras señales clínicas o un virus que no fuera lo suficientemente espantoso como para inducir un estado de emergencia inmediato.

A lo largo de la pandemia de COVID-19 en los EE. UU., la reacción de la sociedad ha oscilado entre la urgencia y la complacencia y viceversa. Los epidemiólogos no pudieron predecir con precisión estas tendencias.

Un técnico de laboratorio realiza una prueba de anticuerpos para COVID-19 en un centro de atención comunitaria en la ciudad de Nueva York. Lev Radin/Pacific Press/LightRocket a través de Getty Images, CC BY-SA

En el futuro, debemos desarrollar modelos centrados en datos de las respuestas de comportamiento de la población que ocurren durante las epidemias de COVID-19. Por ejemplo, ¿la experiencia con la influenza invernal actúa como un ancla, lo que lleva a las personas a ser más o menos cautelosas a medida que el número de casos aumenta por encima o por debajo de las tasas de influenza «normales»? Si los científicos y los expertos en salud pública pueden comprender este comportamiento, sabremos mejor cuándo y cómo instituir nuevas intervenciones no farmacéuticas, como límites de tamaño de recolección u órdenes de trabajo desde el hogar. Entonces tendremos mejores y más justificaciones científicas para los confinamientos tempranos y las intervenciones tempranas, con mensajes de salud pública que indiquen claramente que un confinamiento temprano significa un confinamiento breve.

El modelado del comportamiento también puede liberar el poder de la atención rápida en el hogar. pruebas, una herramienta de salud pública prometedora que no recibió apoyo coordinado durante el año pasado. ¿Cómo reacciona alguien si otros están infectados? ¿Cómo reacciona la gente si ellos mismos están infectados? Sin el análisis de comportamiento fundamental implementado, no sabremos cómo implementar pruebas en el hogar para facilitar un comportamiento de mezcla más cuidadoso.

Procesamiento más rápido de datos de anticuerpos

Nuestro segundo gran error fue en análisis en tiempo real de datos de anticuerpos para medir cuántos estadounidenses han sido infectados con el coronavirus. Los números de casos en tiempo real, las hospitalizaciones y los datos de movilidad han sido cruciales para comprender las diferentes fases de la pandemia de COVID-19.

Pero la recolección de suero no fue planificada previamente, no fue rutinaria ni se procesó rápidamente. Los resultados de seroprevalencia luego llegaron con meses de retraso, apareciendo en publicaciones y preprints, pero no agregados en una base de datos fácil de entender.

Sin una estandarización universal, era común la mala interpretación de las validaciones de los ensayos y los umbrales serológicos. Los científicos debatieron los resultados de la serología transversal, y los diseños de los estudios no tenían un enfoque para corregir los sesgos de muestreo generados a partir de las correlaciones entre los síntomas anteriores y la participación en el estudio.

Hoy, todavía no confiamos en las estimaciones del número total de estadounidenses que han sido infectados, lo que complica los esfuerzos para utilizar la ampliación de la vacuna para indicar con precisión qué fracción del país es ahora inmune, o para planificar los brotes inevitables de nuevas variantes esta primavera y verano.

El Los estudios clave para prepararse para el próximo invierno involucran la estandarización de los ensayos serológicos y la estimación de las tasas de disminución de anticuerpos, es decir, qué tan rápido bajan los niveles de anticuerpos después de la infección. La medición de la disminución posterior a la infección de las concentraciones de anticuerpos nos permite definir umbrales de anticuerpos para puntos de tiempo particulares después de la infección.

Esa es mucha jerga. En pocas palabras, si sabemos que los anticuerpos disminuyen al nivel X después de tres meses, podemos usar esta X para determinar quién se ha infectado en los últimos tres meses. Esta no es una medida real de seroprevalencia o tasa de ataque, y eso está bien. Es una medida de la tasa de ataque de tres meses o la tasa de ataque de seis meses, según el umbral elegido, y nos brinda una estimación de las tasas de infección recientes a nivel de población. Esta nueva definición resuelve el problema del umbral arbitrario en serología y permite que los estudios informen la cantidad de inmunidad poblacional reciente, lo cual es útil para las decisiones de salud pública.

En mi opinión, deberíamos haber aprendido en 2020 que nunca es demasiado pronto para comenzar los preparativos para el control de epidemias. El verano de 2020 fue una oportunidad perdida para renovar nuestro enfoque de atención médica y respuesta a epidemias. Estados Unidos no puede volver a desperdiciar un verano entero y dejar de prepararse para la posibilidad de que el SARS-CoV-2 nos tenga reservado otro invierno desagradable.

Explore más

Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por The Conversation

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

Cita: Two gaps to fill for the 2021-2022 winter wave of COVID-19 cases (4 de marzo de 2021) consultado el 30 de agosto de 2022 en https://medicalxpress.com/news/ 2021-03-gaps-winter-covid-cases.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.