Nuevo modelo que aprovecha los datos de la gripe genera una predicción muy precisa de la propagación de la COVID-19
Una micrografía electrónica de transmisión de partículas del virus SARS-CoV-2 (variante B.1.1.7 del Reino Unido), aisladas de una muestra de un paciente y cultivadas en cultivo celular. Crédito: NIAID
COVID-19 no es la gripe. La enfermedad causada por el nuevo virus SARS-CoV-2 es más transmisible y mortal que la mayoría de las epidemias de influenza que hemos encontrado en nuestras vidas, y los científicos y médicos aún están aprendiendo cosas nuevas sobre la enfermedad y sus efectos a largo plazo. Pero el COVID-19 y la gripe tienen algunas cosas en común: ambos son causados por virus que infectan principalmente el sistema respiratorio superior y ambos se transmiten por gotitas, fómites y contacto.
Para Ishanu Chattopadhyay, Ph.D., tenía sentido considerar si estas similitudes podrían usarse o no para ayudar a predecir la propagación de COVID-19. Chattopadhyay, profesor de medicina en la Universidad de Chicago, y su becario postdoctoral Yi Huang, Ph.D., aprovecharon su experiencia previa en el modelado de epidemias y su experiencia en aprendizaje automático para analizar años de epidemias de influenza pasadas. La nueva medida de riesgo que desarrollaron, denotada como la puntuación de Transmisión similar a la influenza universal (Universal Influenza-like Transmission, UnIT), ha demostrado ser mejor para predecir los pronósticos de conteo de casos semanales que los mejores modelos descritos actualmente. El trabajo se publicó el 14 de octubre en PLoS Computational Biology.
«Incluso antes de la COVID-19, estábamos trabajando en el modelado de pandemias en general», dijo Chattopadhyay, autor principal del artículo. «Hay múltiples desafíos que presenta una pandemia. Uno es pensar en cómo surge una nueva cepa y cómo se originó el virus, y el otro es predecir el número de casos. Es muy importante entender de dónde vino la enfermedad, pero una vez que es un pandemia, es importante poder predecir cómo se moverá entre la población y las ciudades para desarrollar políticas de salud pública».
Chattopadhyay y Huang aprovecharon la oportunidad de usar sus habilidades para ayudar a modelar la pandemia en todo el país, y cuando observaron los modelos existentes, notaron una ausencia evidente.
«Casi todos los enfoques que se te ocurrieron ya estaban siendo utilizados», dijo Chattopadhyay. «Pero una de las cosas que parecía que la gente debería estar mirando, pero no lo había hecho, era: ¿Existe una similitud entre las tendencias de COVID-19 y la influenza estacional? Estas son enfermedades diferentes, pero hay similitudes en la forma en que se transmiten. Una indicación de esto es cómo las medidas que tomamos para frenar la propagación de COVID-19 también frenaron la propagación de la gripe Entonces, la pregunta es, ¿podemos realmente usar patrones de cómo se propaga la gripe en los EE. UU. para informar este modelo de cómo ¿COVID-19 se propaga?»
Los investigadores utilizaron 10 años de datos sobre hospitalizaciones por influenza en todo el país para examinar las tendencias semanales en pacientes con influenza, lo que les permitió determinar dónde comenzaron los grupos de infección y cómo se propagaron. en todo el país cada año. Utilizando estos datos, pudieron producir la puntuación de UnIT. Combinado con otras variables que se sabe que son importantes en la propagación de enfermedades como el COVID-19, como los detalles demográficos dentro de una comunidad, el modelo produjo resultados de pronóstico que en promedio fueron más precisos que cualquiera de los otros modelos enumerados en el centro de modelos de los CDC.
«Nuestro modelo es relativamente simple, con muchas menos variables que muchos de los otros modelos que se utilizan para predecir el recuento de casos y las muertes. Y, sin embargo, superamos en promedio a esos otros modelos más complicados durante toda la pandemia. línea de tiempo», dijo el primer autor Huang, ahora científico investigador asociado en el Laboratorio Nacional de Brookhaven. «Esto nos muestra que podemos aprender algo valioso de cosas que ya sabemos, como las epidemias de influenza, y podemos combinar ese conocimiento de la historia con los principios de las estadísticas para encontrar una forma nueva y significativa de predecir algo realmente desconocido».
Los resultados son importantes no solo para comprender la pandemia de COVID-19 en curso, sino que también se pueden ampliar para ayudar a predecir futuras pandemias.
«Si vemos tanta precisión aquí, entonces cualquier enfermedad respiratoria que se propague De esta manera, cualquier pandemia similar que veamos en el futuro, probablemente podamos aplicar esta misma herramienta», dijo Chattopadhyay. «Con la expansión de las poblaciones y los cambios ambientales que conducen a un mayor contacto animal/humano, muchos expertos creen que los eventos pandémicos como este pueden volverse más comunes. Es importante poder modelar cómo se propagan las epidemias y cuál será su camino, particularmente cuando estamos implementar intervenciones como vacunas y distanciamiento social. Ser capaz de extraer información de los datos que ya tenemos es increíblemente útil, nos prepara más para la próxima pandemia».
El algoritmo desarrollado por el equipo de investigación ha sido compartido en el centro de pronóstico de COVID-19 de los CDC, donde otros científicos pueden acceder a él y se utiliza como parte del modelo de predicción de los CDC para el COVID-19. Los investigadores esperan que la investigación futura pueda incorporar tendencias de datos globales para determinar si las tendencias de COVID-19 son similares en todo el mundo o si existen diferencias según la población y el clima.
El estudio, «Universal Risk Phenotype Of US Counties For Flu-like Transmission To Improve County-specific COVID-19 Incidence Forecasts», fue apoyado en parte por la Oficina de Ciencias de la Defensa de la Agencia de Proyectos de Investigación Avanzada de la Defensa .
Explore más
La temporada de gripe junto con COVID-19 presenta la amenaza de una ‘demia gemela’ Más información: Fenotipo de riesgo universal de los condados de EE. UU. Para mejorar la transmisión similar a la gripe Pronósticos de incidencia de COVID-19, biología computacional PLoS (2021). journals.plos.org/ploscompbiol … journal.pcbi.1009363 Información de la revista: PLoS Computational Biology
Proporcionado por el Centro Médico de la Universidad de Chicago Cita: Nuevo modelo que aprovecha los datos de la gripe genera una predicción altamente precisa de COVID- 19 de difusión (2021, 14 de octubre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10-leveraging-flu-highly-accurate-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.