Modelización

¿Podemos predecir la evolución de la epidemia de COVID-19 ?

Texto actualizado en 2020-06-19


Es posible simular la epidemia utilizando modelos matemáticos. Estos modelos son muy útiles para evaluar el estado de la epidemia en un momento dado y prever su evolución a corto plazo. A más largo plazo, permiten prever diferentes escenarios posibles para la evolución de la epidemia y prepararse para ellos.

Modelos matemáticos

Para tratar de predecir el curso de la epidemia de COVID-19, los epidemiólogos utilizan modelos matemáticos que simulan la propagación del virus del SARS-CoV-2 dentro de una población. Los modelos suelen incorporar muchos parámetros, como el número de personas infectadas por una persona infectada, la duración de la fase infecciosa, la edad de las personas infectadas, el contacto físico, la movilidad de las personas, etc. No todos esos parámetros pueden determinarse de manera fiable y pueden variar de una región a otra o a lo largo del tiempo.

Un modelo de referencia es el modelo "Susceptible Infected Recovered" o "SIR" desarrollado por Kermack y McKendrick en 1927 para modelar la dinámica de una epidemia de enfermedades infecciosas en una gran población. En este modelo, los individuos de la población se dividen en tres categorías: Sospechosos, Infectados, Restaurados. Los individuos se mueven entre estas tres categorías. A partir de este modelo, se han desarrollado varias extensiones para tener en cuenta la exposición, la infección, el contagio y la inmunidad.

Fase inicial de la epidemia

Estos modelos muestran que, a falta de medidas para contener la propagación del coronavirus del SRAS-CoV-2 en una población, la epidemia da COVID-19 lugar a un número considerable de casos graves, que supera con creces la capacidad de reanimación hospitalaria de los países más desarrollados. Estas perspectivas han llevado a la mayoría de los países a establecer medidas de contención para prevenir o limitar la propagación del virus. El ritmo de ataque y la velocidad de propagación dependen de la densidad de población así como de la edad de la población, lo que explica por qué se han impuesto las normas más estrictas en las metrópolis más densas o en las comunidades más antiguas.

Segunda(s) ola(s)

Las simulaciones a largo plazo indican que la epidemia puede repuntar después de ser contenida. Ya se han observado rebotes epidémicos en algunos de los primeros países afectados (por ejemplo, Arabia Saudita, Irán, Corea y China). Estas "segundas olas" son difíciles de predecir porque dependen de parámetros que suelen ser difíciles de evaluar o desconocidos, como la proporción de la población ya infectada por el coronavirus, el mantenimiento de medidas de distanciamiento físico y gestos de barrera, la capacidad de los países para detectar y aislar nuevos casos, el comportamiento de los individuos y la duración de la inmunidad.

Efecto de la estación

La estacionalidad de la misma aún COVID-19 no se conoce. Es probable que, al igual que muchas enfermedades respiratorias infecciosas, COVID-19 se ralentice durante el verano en las regiones templadas. Aunque las altas temperaturas y la luz solar reducen la transmisión del coronavirus del SARS-CoV-2, su alto grado de contagio y la abrumadora sensibilidad de la población humana mundial podrían compensar cualquier efecto climático. Además, los modelos que tienen en cuenta la disminución de la infecciosidad del coronavirus muestran que una pausa de verano no significa el fin de la epidemia. Es muy probable que la enfermedad sea estacional o que los picos epidémicos se produzcan de forma intermitente, por ejemplo, cada dos años.

Importancia de la inmunidad

Los modelos que tienen en cuenta la inmunidad de las personas que han sido infectadas muestran que este parámetro es crítico para la evolución a largo plazo de la epidemia. En la mayoría de los países actuales se estima que menos del 10% de la población ha sido infectada, lo que no es aún suficiente para conferir una inmunidad de grupo que pueda prevenir la llegada de segundas olas. Si se mantiene la inmunidad, la epidemia podría desaparecer. Por otro lado, si la inmunidad es corta, es posible que se convierta COVID-19 en una enfermedad recurrente como la gripe. Los datos sobre la respuesta inmunológica al SARS-CoV-1 durante el brote de SARS de 2003 sugieren una inmunidad intermedia cercana a los 18 meses.


facebook twitter LinkedIn

Fuentes

Modelar la epidemia para COVID-19 mostrar que puede llevar a la saturación del sistema de salud.

Ferguson, N., Laydon, D., Nedjati Gilani, G., Imai, N., Ainslie, K., Baguelin, M., ... & Dighe, A. (2020). Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID19 mortality and healthcare demand.

Análisis del impacto de la contención en la epidemia COVID-19 en Europa.

Flaxman, S., Mishra, S., Gandy, A. et al. Estimating the effects of non-pharmaceutical interventions on COVID-19 in Europe. Nature (2020).

Modelización de la epidemia COVID-19 en Île-de-France y su evolución tras la fase de contención.

Di Domenico, L., Pullano, G., Sabbatini, C. E., Boëlle, P. Y., & Colizza, V. (2020). Expected impact of lockdown in Île-de-France and possible exit strategies. medRxiv.

Modelando el efecto de las estaciones en el COVID-19.

Baker, R. E., Yang, W., Vecchi, G. A., Metcalf, C. J. E., & Grenfell, B. T. (2020). Susceptible supply limits the role of climate in the early SARS-CoV-2 pandemic. Science.

Proyecciones plurianuales de la epidemia teniendo en cuenta el efecto de las estaciones y la duración de la inmunidad.

Kissler, S. M., Tedijanto, C., Goldstein, E., Grad, Y. H., & Lipsitch, M. (2020). Projecting the transmission dynamics of SARS-CoV-2 through the postpandemic period. Science, 368(6493), 860-868.

Se estimó que la duración de la respuesta inmunológica para el CoV-1-CoRSA fue de 2 años en promedio en 176 pacientes.

Wu L-P, Wang N-C, Chang Y-H, Tian X-Y, Na D-Y, Zhang L-Y, Zheng,L, Lan, T, Wang, LF, and Liang, GD. corresponding author§. Duration of antibody responses after severe acute respiratory syndrome. Emerg Infect Dis [serial on the Internet]. 2007 Oct [date cited].

Descripción del modelo de referencia SIR.

Kermack WO, McKendrick AG. Contributions to the mathematical theory of epidemics--I. 1927. Bull Math Biol. 1991;53(1-2):33-55. doi: 10.1007/BF02464423.

Para profundizar

Letalidad, mortalidad, exceso de mortalidad, R0, kappa: de que estamos hablando?

¿Qué es la inmunidad cruzada (cross-immunity)? ¿Puede protegerme de COVID-19?

¿Cuál es el riesgo de cruzarme con una persona con COVID-19, conociendo la tasa de incidencia?

¿Cuánta gente a mi alrededor es contagiosa de COVID?

¿Por qué son difíciles de interpretar los datos epidemiológicos de COVID sobre los niños?