Proponen modelo para estrategias ante brotes infecciosos

Reducir la movilidad, cerrar escuelas, espacios públicos, lugares de trabajo, usar mascarillas y hacer cuarentenas, son algunas de las intervenciones no farmacéuticas que se han implementado en diversos países para frenar la transmisión y reducir la mortalidad asociada a la infección por el nuevo coronavirus. Sin embargo, no existe un consenso de cuándo implementarlas, ni tampoco de su intensidad.

Fernando Castaños Luna, investigador del Departamento de Control Automático del Cinvestav, señaló que ante el inicio de un brote infeccioso conviene aumentar la capacidad hospitalaria y preparar a la población con la mayor antelación posible, pero si los objetivos son evitar la saturación del sistema de salud y que las medidas de distanciamiento duren lo menos posible, aplicar una cuarentena generalizada al inicio no es lo ideal.

En este sentido, Castaños Luna participó en el desarrollo de un modelo matemático que sirve de guía para establecer cuándo implementar las medidas de distanciamiento y qué tan estrictas deben ser, a fin de disminuir los costos económicos y sociales durante una pandemia como la actual, en la que no existe una vacuna ni un tratamiento efectivo. 

De acuerdo con los resultados del modelo, para llegar en un tiempo mínimo a la inmunidad de grupo, sin sobrepasar la capacidad hospitalaria, se deben considerar tres etapas.

La primera consiste en esperar a que el número de infectados aumente hasta acercarse al de la proporción de la población que es susceptible de enfermarse. En la segunda se debe aplicar el distanciamiento social al máximo para frenar el número de contagios.

La última etapa comienza cuando se alcanza el límite de ocupación hospitalaria; entonces, se disminuyen gradualmente las medidas de distanciamiento social, manteniendo completa la ocupación de los servicios de salud, aunque sin rebasarla, hasta llegar a la inmunidad de grupo, momento en el que se da por terminado el aislamiento.

El modelo se basa en un enfoque de mitigación, el cual no busca interrumpir la transmisión del virus por completo, sino evitar que el sistema de salud se sature, garantizando con ello la atención de los pacientes.

Además, permite proyectar cómo llegar en el menor tiempo posible al punto en el que una proporción considerable de la población, tras la infección por el nuevo coronavirus, haya desarrollado inmunidad, ya que de esta forma se puede interrumpir la propagación del virus.

Para calcular el inicio de la estrategia óptima, a partir del modelo propuesto, se utilizaron datos de 16 ciudades alrededor del mundo, incluyendo la Ciudad de México, Nueva York, Madrid, Lima y Tokio; además se evaluaron las intervenciones implementadas en cada una de ellas durante la pandemia de covid-19.

La información recabada fue el número de habitantes en la ciudad o región, la cantidad de camas disponibles de cuidado intensivo, la tasa de contagio antes de las medidas de distanciamiento y después de éstas, para lo cual se consideró que la reducción en el número de contagios es proporcional a la disminución de la movilidad, dato que puede obtenerse de Google.

También se tomó en cuenta la fecha de inicio del brote del nuevo coronavirus y del comienzo de las intervenciones no farmacéuticas, en específico el cierre de escuelas y de lugares de trabajo.

Al respecto de la respuesta real de las ciudades, en comparación con lo que predice el modelo, se encontró que la mayoría aplicaron medidas más largas de lo necesario para reducir la transmisión del nuevo coronavirus.

Una posible explicación para esto, dijo el investigador, es que existe un alto grado de incertidumbre acerca de la enfermedad covid-19, por ejemplo en el número de personas asintomáticas, y una respuesta demasiado tardía podría resultar peor a una temprana. Sin embargo, agregó, lo ideal sería que durante futuros brotes infecciosos las estrategias sean más cercanas a la predicha por el modelo.

Castaños Luna, también se refirió a la relevancia de utilizar un enfoque matemático para construir modelos de la propagación de las enfermedades infecciosas, hacer predicciones, evaluar diferentes escenarios y estrategias. Esto equivale a poder estimar el número de camas y de médicos necesarios en caso de una contingencia de salud, aunque tomando en cuenta que ningún modelo es perfecto y siempre hay un margen de incertidumbre.

Fuente: https://www.medrxiv.org/content/10.1101/2020.05.19.20107268v1