Los modelos de red pueden ayudar a comprender la propagación de nuevas variantes en una pandemia

La simulación en una red de números de susceptibles (S), infectados (I) y recuperados (R) de una pandemia y su variante (I’, R’) sobre tiempo. En t=21, se agregó una variante. Crédito: DOI: 10.1038/s41598-021-04520-0

Investigadores de la Universidad Metropolitana de Tokio han realizado simulaciones numéricas basadas en la teoría de redes que muestran cómo cambia la cantidad de infecciones en una pandemia cuando surge una nueva variante. Encontraron una dependencia no lineal entre cuán infecciosa es la nueva variante en comparación con la existente, un efecto que no se había visto en trabajos anteriores. Su modelo puede aplicarse para comprender pandemias reales como la COVID-19 e informar las medidas de control.

Desde que comenzó a propagarse a fines de 2019, el COVID-19 ha tenido un impacto devastador en la vida de las personas. Con ola tras ola de nuevas variantes que continúan causando estragos en todo el mundo, los científicos han estado buscando formas de comprender cómo se propaga la enfermedad. En particular, está la cuestión de cómo aparecen, se propagan y acaban desplazando nuevas variantes a la cepa existente. Comprender la dinámica de las variantes en una población es vital para controlar su propagación.

Un marco clásico para modelar la dinámica pandémica es el modelo SIR «compartimental», que analiza el número de susceptibles (S), infectados (I ) y miembros recuperados (R) de una población. Los números se relacionan mediante ecuaciones y se resuelven, dando muchas de las características más destacadas de cómo se propaga una enfermedad; la pandemia se propaga rápidamente antes de ralentizarse a medida que disminuye el número de casos susceptibles y más pacientes se recuperan. Sin embargo, el modelo no puede dar cuenta de la naturaleza variada de la población, es decir, un individuo infectado dado no tiene la misma probabilidad de infectar a todos los demás, y el número de contactos que tienen las personas puede variar mucho de una persona a otra. Cualquier modelo que intente capturar la dinámica de la pandemia y comprender dónde y cómo se propaga necesita usar un modelo más sofisticado.

A diferencia de los modelos convencionales, la cantidad de personas que experimentaron la infección no se escala linealmente con cuánto más Se compara una variante infecciosa con la cepa existente. Crédito: DOI: 10.1038/s41598-021-04520-0

Es por eso que el profesor emérito Yutaka Okabe y el profesor Akira Shudo de la Universidad Metropolitana de Tokio recurrieron a la teoría de redes, un marco matemático que captura cómo los miembros de una población se conectan con otros. Usando diferentes tipos de redes, pudieron crear un modelo más realista de cómo podría propagarse una enfermedad infecciosa. Las características clave incluyeron estados de absorción dinámica, estados en los que la red puede atascarse con el tiempo, por ejemplo, un estado sin personas infectadas. Con algunas infecciones y baja infectividad, la red colapsaría y volvería al estado libre de infecciones.

El equipo realizó una simulación numérica del modelo microscópico en la red; en medio de una simulación de una enfermedad infecciosa, agregaron una variante que es más transmisible que la cepa original. Al observar los números, el equipo descubrió que una variante con la misma infectividad que la cepa existente, de hecho, no logra despegar en absoluto. Este es un resultado directo de la naturaleza no lineal de la simulación, ya que la red vuelve a colapsar a un estado de absorción sin infecciones. A medida que aumenta la infectividad de la nueva variante, es más probable que la población se infecte con la variante en comparación con la cepa existente, aumentando la tasa de la nueva cepa a expensas de la anterior. La naturaleza no lineal de cómo aumentan los números de infección con la infectividad variante es producto de la naturaleza microscópica del modelo de red, lo que brinda una imagen más detallada y matizada que antes.

El equipo espera que su modelo pueden usarse para formar estrategias efectivas para contener enfermedades infecciosas, observando puntos de conectividad significativa en la red y comprendiendo cómo su aislamiento afecta las infecciones generales. A medida que la pandemia de COVID-19 continúa, los estudios fundamentales sobre cómo se propagan las enfermedades son una pieza vital en la toma de decisiones informadas destinadas a devolver la vida normal a la sociedad.

Explore más

Demasiado pronto para saber si Omicron pondrá fin a la pandemia, dice el Dr. Fauci Más información: Yutaka Okabe et al, Propagación de variantes de enfermedades epidémicas basadas en simulaciones numéricas microscópicas sobre redes, Scientific Reports (2022). DOI: 10.1038/s41598-021-04520-0 Información de la revista: Informes científicos

Proporcionado por la Universidad Metropolitana de Tokio Cita: Los modelos de red pueden ayudar a comprender la propagación de nuevas variantes en una pandemia (2022, 21 de febrero) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-02-network-variants-pandemic.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.