Modelización
¿Por qué las situaciones de superpropagación son cruciales para entender la epidemia de COVID-19?
Texto actualizado en 2020-06-23
La epidemia de COVID-19 se propaga en gran medida a través de situaciones de superpropagación. Para evitar un nuevo brote, es importante vigilar y limitar los lugares/eventos más "inflamables" y así evitar que se produzcan situaciones de superpoblación.
La eficiencia de la transmisión COVID-19 de una persona a otra es extremadamente variable: la mayoría de las infecciones se extinguen sin descendencia, pero un pequeño número de infecciones (10-20%) son responsables de un gran número de casos de contaminación (hasta el 80%). Este fenómeno podría explicar por qué el principal brote epidémico en Francia no se produjo hasta marzo de 2020, aunque el coronavirus del SARS-CoV-2 estuvo presente esporádicamente en el territorio francés ya en diciembre de 2019.
La ocurrencia de eventos de superdifusión es esencial para que se produzca un brote. Estas situaciones pueden ser biológicas, en las que algunas personas emiten más partículas infecciosas que otras, y sociales, en las que hay acontecimientos que concentran un gran número de personas en un solo lugar. Permiten que la enfermedad COVID-19 pase de un nivel de "fondo" a una etapa epidémica. Comprender y controlar de antemano estas situaciones, lugares o sucesos de superpropagación es esencial para evitar que se produzca una posible segunda ola sin tener que recurrir a medidas extremas de contención.
Para entender cómo COVID-19 se propaga, no basta con conocer su tasa de reproducción (R0). También hay que tener en cuenta otra característica de las infecciones, su factor de dispersión k (kappa). Si bien la tasa de reproducción refleja el promedio de contagio de todas las personas infectadas, el factor de dispersión mide la variabilidad de esta tasa de reproducción dentro de la población.
Cuando k es alto, la epidemia progresa de manera progresiva y uniforme: esta es la situación observada durante la epidemia de gripe española en 1918. Cuanto más se acerque k a 0, para el mismo R0, más variable es el número de personas infectadas por una persona infectada y más se puede propagar la epidemia a través de eventos de superpropagación. Por ejemplo, cuando k = 0,1 y R0 = 3, el 73% de los individuos infectan a menos de una persona, pero el 6% infectan a más de 8. La epidemia progresa entonces de manera discontinua que, en términos estadísticos, responde a una distribución binomial negativa (mientras que la gripe estacional se acerca más a una distribución de tipo Poisson, que se alcanza cuando k tiende hacia el infinito). Durante la epidemia de SARS se observó un modo de difusión a través de situaciones de superpropagación (R0 = 2; k = 0,16) y, en menor grado, el de MERS (R0 = 0,6; k = 0,25). Las estimaciones de k son menos precisas que las de R0 porque k es una medida de dispersión mientras que R0 es una media. Esto significa que se necesitan muchos casos de transmisión para obtener una buena estimación de k. En la actualidad, los estudios sugieren que el valor de k para la COVID-19 es alrededor de 0,1-0,4.
En estas condiciones, es estadísticamente necesario que se produzcan simultáneamente unas pocas docenas de casos para crear las condiciones necesarias para el despegue de una epidemia. Aquí es donde las situaciones de superpropagación juegan un papel importante: de repente, el entorno se vuelve favorable a la propagación de la enfermedad COVID-19, a pesar de su baja contagiosidad en la mayoría de las personas infectadas. Esta particularidad explica por qué los brotes más importantes no han COVID-19 aparecido sistemáticamente en las grandes metrópolis (como es el caso de las infecciones de distribución de tipo Poisson), sino también en lugares menos poblados (por ejemplo Mulhouse o Codogno), donde se había producido un evento de superpoblación. Además, todavía según la distribución binómica negativa, una vez que se establece un foco, el crecimiento del número de casos explota rápidamente, dentro de unas pocas generaciones de pacientes infectados. Los modelos epidemiológicos predicen que para establecer y estabilizar el crecimiento exponencial de esa epidemia se requiere un suministro continuo de situaciones de superpropagación. Por consiguiente, estos resultados sugieren que la epidemia puede controlarse en gran medida si se eliminan las situaciones de superpropagación que causan la transmisión.
Si bien unos pocos brotes dominan la transmisión del coronavirus del SRAS-CoV-2, la mayoría de ellos son autoextinguibles, esto significa que para evitar un nuevo brote es fundamental conocer y vigilar los lugares/eventos más "inflamables" y así evitar que se produzcan situaciones de superpropagación.
Fuentes
El coronavirus del SARS-CoV-2 probablemente estuvo presente esporádicamente en Francia ya en diciembre de 2019.
Deslandes, A., Berti, V., Tandjaoui-Lambotte, Y., Alloui, C., Carbonnelle, E., Zahar, J. R., ... & Cohen, Y. (2020). SARS-CoV-2 was already spreading in France in late December 2019. International Journal of Antimicrobial Agents, 106006.La R0 para la gripe estacional se estimó en 1,3 (rango de 0,9 a 2,1).
Coburn, B. J., Wagner, B. G., & Blower, S. (2009). Modeling influenza epidemics and pandemics: insights into the future of swine flu (H1N1). BMC medicine, 7(1), 30.Se estimó que el factor de dispersión k para el SRAS era de 0,16 (intervalo de confianza del 90%: 0,11-0,64).
Lloyd-Smith, J. O., Schreiber, S. J., Kopp, P. E., & Getz, W. M. (2005). Superspreading and the effect of individual variation on disease emergence. Nature, 438(7066), 355-359.El factor de dispersión k para el MERS-CoV se estimó en 0,26.
Kucharski, A. J., & Althaus, C. (2015). The role of superspreading in Middle East respiratory syndrome coronavirus (MERS-CoV) transmission. Euro surveillance, 20(25), pii-21167.En un estudio de conglomerados en Hong Kong (correspondiente a 1037 personas que dieron positivo) realizado en mayo de 2020 se estima que el 20% de los casos de contaminación por SARS-CoV-2 son responsables del 80% de la transmisión local. Las exposiciones sociales producen más casos secundarios que las interacciones familiares o laborales. El factor de dispersión k se estima en 0,45 (IC del 95%: 0,30-0,72).
Adam, D., Wu, P., Wong, J., Lau, E., Tsang, T., Cauchemez, S., ... & Cowling, B. (2020). Clustering and superspreading potential of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infections in Hong Kong.Un estudio británico estima COVID-19 que para los valores de R0 alrededor de 2-3, el factor de dispersión k es alrededor de 0,1 (mediana 0,1; intervalo de confianza del 95%: 0,05-0,2 para R0 = 2,5): esto implica que el 10% de los individuos son responsables del 80% de los casos de contaminación.
Endo, A., Abbott, S., Kucharski, A. J., & Funk, S. (2020). Estimating the overdispersion in COVID-19 transmission using outbreak sizes outside China. Wellcome Open Research, 5(67), 67.Un estudio de modelización suizo para el período que va COVID-19 hasta enero de 2020 sitúa la R0 entre 1,4 y 3,8 (mediana 2,2) y el k entre 0,014 y 6,95 (mediana 0,54). Los datos de la epidemia hasta enero de 2020 no permiten una estimación más precisa de k. Las estimaciones de k son menos precisas que las de R0 porque k es una medida de dispersión mientras que R0 es una media.
Riou, J., & Althaus, C. L. (2020). Pattern of early human-to-human transmission of Wuhan 2019 novel coronavirus (2019-nCoV), December 2019 to January 2020. Eurosurveillance, 25(4), 2000058.Sobre la base de los genomas del coronavirus del SARS-CoV-2, un equipo de Oxford estimó que el coronavirus había llegado al Reino Unido y había comenzado a propagarse dentro de las fronteras del país en por lo menos 1 356 introducciones, y que probablemente se había subestimado esta cifra. Las introducciones se produjeron principalmente a través de viajeros procedentes de España (34%), Francia (29%) e Italia (14%).
Pybus O., Andrew Rambaut, Louis du Plessis, Alexander E Zarebski, Moritz U G Kraemer, Jayna Raghwani, Bernardo Gutiérrez, Verity Hill, John McCrone, Rachel Colquhoun, Ben Jackson, Áine O’Toole, Jordan Ashworth, on behalf of the COG-UK consortium. (2020) Preliminary analysis of SARS-CoV-2 importation & establishment of UK transmission lineages. Preprint on virological.orgExplicaciones sobre el parámetro kappa y la importancia de las situaciones de superpropagación.
Korsia-Meffre, S. (2020). COVID-19 : "La seule chose qui compte, c'est l'endroit où s'qu'elle tombe" ou comment éviter une éventuelle deuxième vague. VidalEste estudio muestra que cuanto más alto es el volumen de la voz (amplitud), mayor es el número de partículas emitidas durante el habla, que van de 1 a 50 partículas por segundo (0,06 a 3 partículas por cm3) para amplitudes bajas a altas, independientemente del idioma que se hable (inglés, español, mandarín o árabe). Además, una pequeña fracción de individuos se comportan como "superemisores", liberando sistemáticamente diez veces más partículas que otros.
Asadi, S., Wexler, A. S., Cappa, C. D., Barreda, S., Bouvier, N. M., & Ristenpart, W. D. (2019). Aerosol emission and superemission during human speech increase with voice loudness. Scientific reports, 9(1), 1-10.Artículo presentado el 27 de mayo que hace un balance de las situaciones de superpropagación en el contexto de la propagación de la epidemia de COVID-19 y identifica los factores clave de una situación de superpropagación. Si la epidemia de de COVID-19 crece y supera unas pocas docenas de casos, entonces la dinámica de la transmisión comienza a mostrar un crecimiento exponencial estable, con una tasa de crecimiento que se aproxima a la de un modelo con una distribución de Poisson que tiene el mismo R0. Entonces, una vez que la epidemia haya despegado, parecerá aún más explosiva que cuando la distribución sigue a una distribución de Poisson. El establecimiento y la estabilización del crecimiento exponencial de esa epidemia requiere un suministro continuo de situaciones de superpropagación. Por consiguiente, estos resultados sugieren que la epidemia puede controlarse en gran medida y que el número efectivo de réplicas de Reff se reduce considerablemente cuando se eliminan las situaciones de superpropagación que causan la transmisión.
Althouse, B. M., Wenger, E. A., Miller, J. C., Scarpino, S. V., Allard, A., Hébert-Dufresne, L., & Hu, H. (2020). Stochasticity and heterogeneity in the transmission dynamics of SARS-CoV-2. arXiv preprint arXiv:2005.13689.