Uso de modelos de predicción para gestionar el brote de coronavirus
Crédito: hunthomas, Shutterstock
La pandemia de COVID-19 plantea un desafío sin precedentes para los responsables políticos de toda Europa, dado el ritmo al que se manifiestan sus efectos. El brote actual de coronavirus marca el regreso de un viejo y familiar enemigo. Nada ha matado a más seres humanos que los virus, bacterias y parásitos que causan enfermedades, como la peste negra, la viruela, la gripe española y la malaria. De hecho, las enfermedades infecciosas siguen siendo una de las principales causas de muerte en todo el mundo.
Los mayores esfuerzos para combatir la COVID-19 y otros brotes recientes como el ébola y la epidemia del síndrome respiratorio agudo severo han puesto de relieve la necesidad de pronosticar la evolución de la epidemia. El proyecto EPIFOR (Complejidad y predictibilidad de epidemias: hacia una infraestructura computacional para pronósticos de epidemias), financiado con fondos europeos, ha estado a la vanguardia de tales esfuerzos para predecir y controlar mejor la propagación de epidemias. La epidemiología computacional, que combina varias disciplinas como matemáticas, estadísticas, ciencias computacionales y epidemiología, ayuda a los científicos a recopilar e integrar grandes conjuntos de datos sobre epidemias históricas con los que desarrollar modelos computacionales. Estos se pueden utilizar para proporcionar predicciones detalladas y precisas de la propagación de futuras epidemias. Un investigador involucrado con EPIFOR explica cómo el proyecto ayudó a los científicos a desarrollar tales modelos en una noticia en el sitio web del Consejo Europeo de Investigación (ERC).
Vittoria Colizza del Instituto Nacional Francés de Salud e Investigación Médica (Inserm) dice: «Como parte del proyecto EPIFOR financiado por ERC, que se llevó a cabo entre 2008 y 2013, junto con mi equipo, he desarrollado un conjunto de herramientas informáticas que podrían proporcionar predicciones precisas de futuros brotes virales, lo que permitiría una respuesta oportuna y eficiente a la amenaza. El objetivo era mejorar nuestra capacidad para controlar la transmisión de una enfermedad, para orientar mejor las intervenciones y comprender mejor sus efectos. en grandes poblaciones».
Carrera contra el tiempo
Colizza señala la pandemia H1N1 de 2009 (gripe porcina) y la epidemia de MERS-CoV que coincidió con la vigencia de EPIFOR. Ambos dieron a los investigadores la oportunidad de probar sus enfoques en situaciones de la vida real. «Estos experimentos confirmaron las capacidades significativas de los modelos computacionales desarrollados y proporcionaron patrones útiles sobre la posible propagación futura de enfermedades infecciosas».
Agrega que en Inserm, los expertos «están trabajando día y noche como parte de un equipo multidisciplinario para ayudar a gestionar la crisis de salud causada por el brote de COVID-19. Nuestro trabajo está respaldado por varios otros proyectos H2020; sin embargo, los modelos computacionales y otras herramientas desarrolladas durante el proyecto EPIFOR sentaron las bases para este trabajo y están demostrando ser instrumental». Los científicos involucrados en tales esfuerzos también han producido varios artículos «usando modelos computacionales para predecir la propagación de la enfermedad y el impacto esperado de las medidas de mitigación que se implementan en toda Europa», dice Colizza. Un ejemplo es un informe publicado en el sitio web del laboratorio EPIcx de Inserm. Evalúa el impacto del cierre de escuelas y el teletrabajo, centrándose en tres regiones de Francia (le-de-France, Hauts-de-France y Grand Est). «Los resultados numéricos muestran que el cierre de escuelas por sí solo tendría un beneficio limitado en la reducción de la incidencia máxima (menos del 10 % de reducción con el cierre de escuelas de ocho semanas para regiones en la fase inicial de la epidemia). Cuando se combina con el teletrabajo del 25 % de adultos, ocho el cierre de la escuela por semana sería suficiente para retrasar el pico en casi dos meses con una reducción de aproximadamente el 40% de la incidencia de casos en el pico».
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Proyecto EPIFOR: cordis.europa.eu/project/id/204863 Proporcionado por CORDIS Cita: Uso de modelos de predicción para gestionar el brote de coronavirus (3 de abril de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-04-coronavirus-outbreak.html Este documento está sujeto a los 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.