Las simulaciones ayudan a reducir los efectos de una segunda ola de COVID-19
Los modelos matemáticos pueden informar los enfoques gubernamentales para controlar la propagación de COVID-19 durante la Fase 2. Crédito: Shutterstock
A medida que el mundo avanza más allá de los primeros 100 días de la pandemia, el número de nuevos casos diarios sigue aumentando en algunos países. El 22 de junio, el número de casos confirmados en todo el mundo alcanzó los nueve millones, con más de 469 000 muertes y alrededor de 160 000 casos nuevos por día.
La tasa de infección ha sido mayor en afroamericanos e indígenas en los Estados Unidos (y en otros lugares), debido a las desigualdades estructurales y económicas crónicas.
Se espera que haya una segunda ola de COVID-19 y posiblemente más que podría ser aún más mortal que el actual. Deberíamos estar mejor preparados, y el modelado y la simulación pueden ser útiles para predecir la evolución de la enfermedad, ayudar a reducir la propagación de la infección e informar las políticas públicas y privadas en términos de prevención. Todavía tenemos tiempo.
Segundas oleadas
La inmunidad colectiva ocurre cuando entre el 60 y el 70 por ciento de la población ha sido infectada por un virus y se vuelve inmune a él. Si esta proporción de la población mundial contrae la enfermedad, las consecuencias serán catastróficas, con la muerte de millones de personas.
La inmunidad colectiva solo puede ocurrir de manera segura y ética si se descubre una vacuna y se inocula a una alta proporción de la población. A menos que se descubra una vacuna, solo podemos enfrentar la pandemia a través del comportamiento: distanciamiento físico, uso de máscaras, etiqueta para toser y estornudar y lavado de manos extenso.
Hemos visto reglas de distancia física (social) que van desde simples recomendaciones hasta estrictas cuarentenas. Pero el distanciamiento físico ha tenido consecuencias económicas y de salud mental.
Creciente frustración
La historia nos ha demostrado que la segunda ola de una pandemia puede ser más letal. Con la creciente frustración y las economías débiles, podríamos esperar un fuerte resurgimiento de las infecciones por coronavirus.
La segunda ola de la gripe de 1918 parece haber sido impulsada por los soldados que viajaban, una probable mutación en el virus y porque los gobiernos no estaban dispuestos a imponer medidas de distanciamiento físico durante la Primera Guerra Mundial.
La frustración pública fue una de las principales causas de las protestas de la Liga Antimáscaras en San Francisco en respuesta al uso temprano y obligatorio de máscaras en 1918. El malestar social resultó en políticas inconsistentes entre octubre de 1918 y enero de 1919, lo que provocó casi 45 000 casos de influenza que mató a más de 3000 personas en San Francisco.
Con el COVID-19, estamos viendo frustración en todo el mundo. En Brasil, cientos protestaron por las órdenes de quedarse en casa emitidas por los gobernadores estatales. Se han visto protestas similares en España, Alemania y Argentina, donde las protestas podrían hacer que la cantidad de casos se recupere.
Un aumento de casos en Ontario parece haber estado relacionado con cuando las familias dejaron de distanciarse físicamente por el Día de la Madre.
Actualmente, se están estudiando las protestas masivas de Black Lives Matter en los Estados Unidos. para ver si habrá un aumento correspondiente en los casos. Esto sucedió en Filadelfia en 1918, después de que un desfile masivo que celebraba el final de la guerra resultara en un brote generalizado.
Recientemente, hemos visto nuevos brotes informados en Corea del Sur, China, Alemania y Singapur. Una segunda ola podría abrumar potencialmente a los centros de salud.
Partículas de aliento esparcidas en un laboratorio de investigación. Crédito: Universidad de Carleton
Simulaciones útiles
Las agencias gubernamentales basan sus decisiones en los resultados de modelos y simulaciones avanzados.
La canciller alemana Angela Merkel discutió públicamente cómo controlar una segunda ola y las políticas de confinamiento en Alemania y presentó resultados basados en el cálculo del factor de reproducción (también conocido como R). Pero, ¿qué es eso?
R representa cuántas personas, en promedio, infectará una persona con una enfermedad. R0, la tasa básica de infección por COVID-19, se calculó entre dos y tres. Esto significa que sin inmunidad ni intervenciones, cada persona infectada infectaría a un promedio de dos o tres personas más. Esto produciría un crecimiento exponencial de la enfermedad.
R0 es un número teórico que se calcula mediante una combinación de datos diarios del mundo real y modelos de simulación que predicen la propagación de la pandemia. El Rt de una enfermedad es dinámico y se ve afectado por factores externos como la vacunación, el aislamiento o el clima.
El seguimiento del Rt es importante cuando queremos aflojar las restricciones, ya que un Rt mayor que uno significa el número de casos esta creciendo. Cuando Rt es inferior a 1, la enfermedad empieza a desaparecer, pero incluso pequeños aumentos por encima de uno producirán un aumento exponencial de los casos.
Clasificación de la población
Los individuos susceptibles son aquellos que todavía no han contraído la enfermedad. Quienes lo contrajeron, denominados infectivos, pueden transmitirlo a otras personas susceptibles. Aquellos que no pueden seguir propagando la enfermedad porque se recuperaron (o murieron) se eliminan del estudio. Estos modelos SIR y sus simulaciones pueden ser utilizados por los gobiernos para determinar qué intervenciones y políticas deben implementar. Las simulaciones pueden medir el impacto de una intervención, comparar dos intervenciones o cómo el momento de su introducción afecta el resultado.
Además de modelos y simulaciones, los gobiernos deben realizar inversiones masivas en el rastreo de contactos. El rastreo de contactos intenta detener las cadenas de transmisión al identificar a las personas que necesitan autoaislarse para reducir la posibilidad de contagio.
La nueva normalidad
Cuando termine la cuarentena, estaremos necesitan regresar a sus lugares de trabajo, escuelas, eventos sociales y usar el transporte público. Desafortunadamente, la mayoría de las infecciones ocurren en interiores y alrededor del 40-60 por ciento de las personas infectadas no tienen síntomas durante cuatro o cinco días.
Sin un rastreo de contactos adecuado o modelos precisos, el virus podría tener un impacto más fuerte en la segunda ola. . Nuestro grupo de investigación está investigando diferentes métodos para estudiar cómo se propaga el virus en interiores, como edificios de oficinas, escuelas y centros de atención para personas mayores.
Estamos construyendo modelos de interiores utilizando factores como diferentes densidades de ocupación, género, edad, transmisión presintomática y rastreo de contactos. Estos modelos nos permiten estudiar diferentes escenarios, varias tasas de infección y factores ambientales como el flujo de peatones, la temperatura ambiente y la humedad.
Al saber que la mayoría de las infecciones ocurren en interiores, las herramientas de modelado y simulación pueden ayudar a gobiernos, empresas, juntas escolares y universidades a reintroducir medidas estrictas de confinamiento o experimentar con diferentes opciones para reducir la probabilidad de contagio en interiores. Hasta ahora, un pequeño porcentaje de la población se ha infectado y hasta que no haya una vacuna disponible, una segunda ola podría ser muy peligrosa.
Al combinar los resultados de la simulación con herramientas de visualización avanzada y rastreo de contactos, podemos ayudar a los tomadores de decisiones a tomar el mejor curso de acción posible. Necesitaremos las herramientas adecuadas para dominar la segunda ola tomando decisiones políticas informadas e integrales.
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: Las simulaciones ayudan a reducir los efectos de una segunda ola de COVID-19 (23 de junio de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-06 -simulaciones-efectos-covid-.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.