Nuevo simulador de pandemia ayuda a predecir la evolución del virus en diferentes escenarios epidemiológicos

Crédito: Pixabay/CC0 Dominio público

La Universitat de València y la empresa Biotechvana de su Parque Científico han participado en el desarrollo y validación de un nuevo simulador de pandemia que ayuda a predecir su evolución en diferentes escenarios epidemiológicos. El sistema, denominado LOIMOS, se ha desarrollado en el contexto de la COVID-19 y sus resultados se limitan al virus SARS-CoV-2, aunque podrían aplicarse al estudio de otras pandemias. El trabajo se publica en la revista microLife.

LOIMOS ha sido desarrollado por equipos de investigación de la Universidad de Valencia, la Universidad Politécnica de Valencia, el grupo de Biología y Evolución de Microorganismos del Instituto de Investigación Sanitaria Ramón y Cajal (IRYCIS) de Madrid, CIBER en Epidemiología y Salud Pública, la Fundación FISABIO, el Consejo Superior de Investigaciones Científicas (CSIC), el Hospital General Universitario de Valencia, el Hospital Universitario La Paz de Madrid y la empresa Biotechvana, ubicada en el Parque Científico de la Universidad de Valencia.

“Podemos dibujar múltiples escenarios, hacer todas las preguntas e hipótesis que queramos y predecir sus efectos. Esto ayuda mucho a decidir qué medidas hay que tomar, para establecer aquellas que son más efectivas para prevenir o al menos limitar la propagación del virus. comenta Jos M. Sempere, investigador del grupo ALFA-VRAIN de la Universidad Politécnica de Valencia.

Diseño virtual y jerárquico del comportamiento y evolución de virus

El sistema se basa en modelos informáticos con membranas, que permiten diseñar virtualmente el comportamiento de los virus en diversos entornos, condiciones y niveles de gravedad.

“Estos modelos reproducen virus e interacciones con un nivel de detalle sin precedentes. De esta forma, podemos evaluar y predecir la incidencia de un virus en un barrio, ciudad o país, en diferentes situaciones, y observar su evolución a corto, medio y largo plazo”, explica Jos M Sempere.

“Lo importante es que se simulen bajo ciertos supuestos, por ejemplo, varios tipos de medidas preventivas, para luego evaluar su tasa de contagio y variación en el tiempo en la población. Obviamente, si cambian las suposiciones, los efectos del virus podrían cambiar. Disponer de una herramienta como la aquí desarrollada es muy relevante, porque puede ayudar a plantear medidas eficaces frente a la propagación de esta epidemia por un virus y, por extensión, por cualquier otro patógeno”, explica Andrés Moya, Catedrático de Genética de la Universitat de València. e investigador del Instituto de Biología Integrativa de Sistemas (I2SysBioUV/CSIC) y Fisabio.

LOIMOS es también un modelo con diferentes niveles jerárquicos que interactúan entre sí, a diferencia de otros utilizados hasta el momento. solo un parámetro de estos niveles te permite ver los efectos en este nivel y en todos los demás». Por ejemplo, podríamos aumentar en el modelo el período en el que el virus puede producir infecciones y ver cómo afectaría esto a la cantidad de personas que ir a trabajar”, señala Marcelino Campos, también investigador del Instituto ALFA-VRAIN de la Universidad Politécnica de Valencia.

Entre otras variables, LOIMOS incorpora el tipo de infecciones, el grado de inmunidad adquirida o la Educación física río y tasas de infección; permite definir diferentes valores según la zona y rango de edad de la persona infectada o la mecánica de la infección.

El escenario es una ciudad europea de 10.000 habitantes

Para validación, el equipo de investigadores aplicó LOIMOS a una ciudad ficticia de tipo europeo de poco más de 10.000 habitantes, y reprodujo la dinámica de la epidemia y los efectos de la inmunidad en la transmisión del virus SARS-CoV-2 en diferentes grupos de edad.

El modelo predijo las consecuencias de retrasar la adopción de intervenciones no farmacéuticas entre 15 y 45 días después de los primeros casos notificados y el efecto de estas intervenciones sobre las tasas de infección y mortalidad. Los investigadores también simularon intervenciones no farmacéuticas para reducir las infecciones en tres niveles diferentes: 20%, 50% y 80%.

Otra de las conclusiones más relevantes fue comprobar la importancia de centrar los primeros esfuerzos en el personas más sensibles y mayores. “Si se aísla a las personas más sensibles y mayores nada más empezar los contagios se pueden ralentizar un poco, pero donde más se nota es en los recursos sanitarios utilizados y en la mortalidad, porque estas personas son las que más propensos a sufrir peores síntomas cuando se infectan”, añade Campos.

El equipo de LOIMOS está trabajando actualmente en la incorporación y simulación al modelo de la incidencia de nuevas cepas en el periodo de vacunación.

Explorar más

Las variantes de coronavirus circulantes eliminadas por el confinamiento durante la primera ola en España Más información: M Campos et al, Simulating the impact of non-pharmaceutical interventions limiting Transmission in COVID- 19 epidemias utilizando un modelo de computación de membrana, microLife (2021). DOI: 10.1093/femsml/uqab011 Proporcionado por Asociacion RUVID Cita: Nuevo simulador de pandemia ayuda a predecir la evolución del virus en diferentes escenarios epidemiológicos (3 de noviembre de 2021) recuperado el 29 de agosto de 2022 de https://medicalxpress.com /noticias/2021-11-pandemic-simulator-virus-evolution-epidemiological.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.