Los modeladores se esfuerzan por predecir el futuro de la pandemia de COVID-19

ARRIBA: La suma acumulada de casos confirmados y muertes notificadas en todo el mundo desde el comienzo del brote a fines de diciembre hasta el 12 de marzo. Los casos aumentaron a mediados de febrero cuando Las autoridades chinas cambiaron sus criterios para registrar los casos de COVID-19. FUENTE: ECDC

Mientras los políticos y el público se obsesionan con cómo y cuándo alcanzará su punto máximo la pandemia de coronavirus, los científicos capaces de hacer tales proyecciones luchan por obtener una controlar lo que está sucediendo en este momento. Lo siento, no estamos haciendo ninguna entrevista en este momento para que podamos concentrarnos completamente en nuestra respuesta local y regional, escribió un destacado epidemiólogo de EE. UU. en un correo electrónico cuando fue contactado por The Scientist.

Como cualquier otro modelo, las proyecciones de cómo se desarrollará el brote, cuántas personas se infectarán y cuántas morirán son tan confiables como la información científica en la que se basan. Y hasta ahora, la mayoría de los esfuerzos de los modeladores se han centrado en mejorar estos datos, en lugar de hacer predicciones prematuras.

La mayor parte del trabajo que los modeladores han realizado recientemente o en la primera parte de la epidemia en realidad no ha consistido en generar modelos. y predicciones, que creo que es lo que piensa la mayoría de la gente, dice John Edmunds, que trabaja en el Centro para el Modelado Matemático de Enfermedades Infecciosas en la London School of Hygiene & Medicina Tropical. La mayor parte del trabajo realmente se ha centrado en caracterizar la epidemiología, tratando de estimar parámetros clave. Realmente no lo clasifico como modelado, pero tienden a ser los modeladores los que lo hacen.

Podemos reducir la velocidad cancelando todos estos eventos, lo que deberíamos hacer por completo. Pero aún se va a propagar a la mayoría de los lugares.

Maciej Boni, Universidad Estatal de Pensilvania

Estas variables incluyen números clave como el período de incubación de la enfermedad, la rapidez con la que el virus se propaga entre la población y, quizás lo más polémico, la tasa de letalidad. Esto suena simple: es la proporción de personas infectadas que mueren. Pero resolverlo es mucho más complicado de lo que parece. Los no especialistas hacen esto todo el tiempo y siempre se equivocan, dice Edmunds. Si solo divide el número total de muertes por el número total de casos, obtendrá la respuesta incorrecta.

A principios de este mes, Tedros Adhanom Ghebreyesus, director de la Organización Mundial de la Salud, consternó a los modeladores de enfermedades. cuando dijo que el COVID-19 (la enfermedad causada por el coronavirus SARS-CoV-2) había matado al 3,4 por ciento de los casos informados, y que esto era más grave que la gripe estacional, que tiene una tasa de mortalidad de alrededor del 0,1 por ciento. Un cálculo tan simple no tiene en cuenta las dos o tres semanas que suele tardar en morir alguien que contrae el virus, por ejemplo. Y asume que los casos informados son un reflejo exacto de cuántas personas están infectadas, cuando el número real será mucho más alto y la tasa de mortalidad real mucho más baja.

Edmunds llama a este tipo de análisis de brotes de trabajo en lugar de verdadero modelo, y dice que los resultados de varios grupos de especialistas en todo el mundo están comenzando a converger en la verdadera tasa de letalidad de COVID-19, que parece ser de alrededor del 1 por ciento.

Una vez que se determinan esos números , luego los modeladores pueden pasar a lo que se llama conciencia situacional, explica Edmunds. Gran parte de ese trabajo mira hacia atrás, pregunta cuántos casos podría haber habido en un lugar específico hace unas semanas y usa esa información para determinar cómo podría haberse propagado desde entonces.

Las muertes son los datos más útiles puntos para estos análisis. Por ejemplo, si los modeladores asumen una tasa de letalidad del 1 por ciento, y que por lo general toma 15 días para que muera una persona infectada, entonces saben que una muerte reportada hoy en una región específica significa que 100 personas probablemente se infectaron allí 15 días. atrás. Agregue el tiempo que tardan los casos en duplicarseEdmund dice que parece tomar cinco días, luego los modeladores pueden estimar que durante esos 15 días la cantidad de casos aumentó a 800. Entonces, por cada muerte en una región, eso significa que alrededor de 800 más ya están infectados, la mayoría de los cuales no habrán sido identificados. Este patrón se verificó en Italia, dice Edmunds, que hasta el día de hoy ha reportado 12.462 casos y 827 muertes. Cuando los funcionarios evaluaron a las personas que vivían cerca de donde alguien había muerto a causa de la enfermedad, en muchos casos encontraron que cientos de personas ya portaban el virus.

Maciej Boni, biólogo de la Universidad Estatal de Pensilvania que ha estudiado la propagación de influenza en los trópicos, dice que este alto número de casos no detectados significa que la propagación del virus no se puede rastrear a partir del número de infecciones confirmadas. En este punto, la propagación es un punto discutible, dice Boni. Podemos ralentizarlo cancelando todos estos eventos, lo que deberíamos hacer por completo. Pero aún se va a propagar a la mayoría de los lugares.

Si no se controlan, los brotes infecciosos generalmente se estabilizan y luego comienzan a disminuir cuando la enfermedad se queda sin huéspedes disponibles. Pero es casi imposible hacer una proyección sensata en este momento sobre cuándo será eso, dice Boni, o sobre cuántas personas se verán afectadas en última instancia. Los modeladores pueden intentarlo, pero para hacerlo necesitan información mucho mejor, como cuántas personas infectadas muestran inmunidad natural.

La mayoría de estos modelos de planificación de escenarios prospectivos actualmente asumen que todos en el planeta son susceptibles, Edmunds dice. Solo una mejor vigilancia y datos, en particular, de las pruebas de suero que indicarían si las personas han estado expuestas al virus, hayan desarrollado o no síntomas, harán que esos cálculos sean más realistas. Por el momento, no tenemos datos para atar ese modelo. Pero a medida que avanza la epidemia y cada vez que surgen más datos, como cada día o cada semana, ajustamos el modelo y luego rehacemos nuestras proyecciones.

Para construir mejores modelos, algunos expertos en enfermedades argumentan que el mundo necesita para mejorar la forma en que dichos datos se manejan y se ponen a disposición. En un editorial publicado esta semana en Science Translational Medicine, Scott Layne, epidemiólogo de la Facultad de Salud Pública de la Universidad de California, Los Ángeles, y sus colegas proponen que se cree un nuevo banco de datos en el que los investigadores puede compartir resultados sobre, por ejemplo, la cantidad de virus que eliminan las personas infectadas y cuándo comienza.

Todos estamos en el proceso de recopilar esa información. Lo que haría este esfuerzo es que, a medida que ingresen los datos, los señalaría y ayudaría a organizarlos, le dice Layne a The Scientist.

Respaldados por mejor información, los modelos podrían ayudar a determinar políticas para controlar la propagación, agrega. Si esos modelos tienen alguna validez, entonces puede perturbarlos o someterlos a pruebas de presión frente a varios tipos de intervenciones, ya sea haciendo que las personas se muevan menos o reduciendo el contacto en un cierto porcentaje.

Según Reuters, los chinos Los funcionarios dicen que las restricciones de viaje que establecieron han llevado a la epidemia a su punto máximo en China. Zhong Nanshan, el principal asesor médico del gobierno chino, afirmó en una conferencia de prensa esta semana que si otras naciones siguen el ejemplo de China, la pandemia podría controlarse en unos meses. Mi consejo es pedir a todos los países que sigan las instrucciones de la OMS e intervengan a escala nacional, dice. Si todos los países pudieran movilizarse, podría terminar en junio.

David Adam es un periodista independiente que vive en el Reino Unido. Envíele un correo electrónico a davidneiladam@gmail.com y sígalo en Twitter @davidneiladam.