Autor: Dannia Colín-Castelán
*Originalmente publicado en Cienciorama el 6 de mayo, 2020
En las entregas anteriores del blog se discutió qué es un muestreo y cómo se realiza uno correctamente , además del empleo, fortalezas y debilidades del Sistema Centinela que se está usando en México y en muchos países del mundo para monitorizar la epidemia de COVID-19. En esta tercera y última parte sobre el Sistema Centinela discutimos modelos de predicción epidemiológica y cómo están siendo utilizados en la situación actual para guiar la acción de las autoridades de salud.
Checando los modelos
Un modelo matemático es un grupo de ecuaciones que se usan para describir un fenómeno y predecir su comportamiento, un ejemplo es la predicción del clima. Los meteorólogos miden distintas variables como la temperatura del aire, la presión atmosférica, la humedad y la velocidad del viento, y las usan en un modelo matemático para tratar de predecir si va a llover o a estar soleado. En el caso de las epidemias los modelos matemáticos se utilizan para tratar de predecir: cuántas personas se pueden contagiar, cuántas podrían requerir atención hospitalaria, cuántas podrían morir, cuánto tiempo va a durar la onda epidémica, cómo respondería la epidemia a las medidas de salud pública, etc. Toda esta información es esencial para la toma de decisiones por lo que los modelos matemáticos son claves. Ahora bien, los modelos matemáticos no son exactos, son simplificaciones teóricas que pueden tener un grado de error mayor o menor dependiendo de cómo estén construidos.
Las epidemias generalmente se analizan usando modelos compartimentales. Se les llama modelos compartimentales porque se divide a la población en compartimientos. El más sencillo de estos modelos es el modelo SIR donde se divide a la población en individuos susceptibles, infectados y recuperados (figura 4). En este modelo algunas de las personas susceptibles (gris) se van infectando (rojo) y conforme los infectados se van recuperando (azul) empieza a bajar la curva epidémica. El tamaño de la curva epidémica depende de qué tan infecciosa es la enfermedad, qué tan rápido se recupera una persona enferma, y qué tan probable es que una persona susceptible se encuentre con una persona infectada. En este último punto es donde se espera que las medidas de distanciamiento social (la sana distancia) ayuden a “aplanar la curva”. Entre menos contacto tengan las personas con otras es menos probable que se infecten por lo que la altura de la curva debería bajar.
Figura 4. Gráfica característica del modelo SIR. El eje X representa el tiempo (en días), y el eje Y es la fracción del total de personas en la población estudiada.
Todos los modelos epidemiológicos deben ser evaluados y validados para ver qué tanto se acercan a la realidad. La forma de validar los modelos es comparar las curvas con los datos observados durante la epidemia real. En el caso de COVID-19 sabemos que el modelo SIR (Susceptibles, Infectados y Recuperados) no es el más adecuado porque uno de los supuestos de este modelo es que las personas se enferman en cuanto entran en contacto con una persona infectada, cosa que sabemos que no ocurre en este caso. El virus SARS-CoV-2 tiene un periodo de incubación de aproximadamente 6 días desde la exposición hasta el inicio de los síntomas y sabemos que los pacientes pueden infectar a otras personas hasta 48 horas antes de que ellos mismos comiencen con síntomas respiratorios. Tomando esto en cuenta un modelo más adecuado es el modelo SEIR donde se divide a la población en Susceptibles, Expuestos, Infectados y Recuperados. En este modelo se considera un grupo extra de personas que han estado expuestas a pacientes infectados pero que no han desarrollado síntomas por lo que se acerca más a lo que sabemos que ocurre. Cabe destacar que ambos modelos suponen que las personas que se infectan no se pueden volver a enfermar una vez que se recuperan, cosa que no sabemos si ocurre con COVID-19. Aún no sabemos si las personas que se recuperan de COVID-19 tienen inmunidad permanente, de no ser así se tendría que utilizar un modelo tipo SEIS (Susceptibles, Expuestos, Infectados y Susceptibles).
Así como mostramos que se pueden agregar o modificar compartimientos según lo que sabemos del comportamiento epidémico, se pueden agregar variables. El Gobierno de la Ciudad de México publicó recientemente su modelo epidémico donde describen qué variables utilizan. Entre ellas se encuentran: tiempo que es infeccioso el paciente, tiempo de incubación, tiempo de recuperación, días entre síntomas y hospitalización, tiempo entre incubación y muerte. Es probable que la Secretaría de Salud Federal esté utilizando un modelo similar.
Cabe señalar que, aunque los modelos que hemos mencionado son aproximaciones ampliamente utilizadas alrededor del mundo, no consideran factores sociales, económicos, políticos y culturales que podrían estar afectando el comportamiento de las curvas epidémicas. La transmisión de un virus respiratorio no se comporta igual en una sociedad donde la densidad de población es de 2 habitantes/km2 que en una sociedad donde es normal tener 5 personas en un mini departamento. Tampoco se transmite igual en una sociedad donde la gente siempre se saluda de mano y de beso que en una sociedad donde el contacto físico es tabú.
Por otro lado, es importante aclarar que el sistema centinela NO es un modelo epidemiológico. Es un sistema de monitoreo de enfermedades respiratorias, es decir, es una forma en la que se obtienen datos para construir un modelo epidemiológico pero no es un modelo epidemiológico en sí. Esto es importante porque si el sistema de monitoreo tiene imprecisiones puede afectar la fiabilidad del modelo epidemiológico. De cualquier modo, los modelos epidemiológicos nos ayudan a estimar en qué momento se podría llegar al pico epidémico y cuándo puede empezar a descender el ritmo de contagios aunque siempre hay que verificar la estimación con los datos empíricos.
¿Entonces conocemos el tamaño real de la epidemia?
No, definitivamente no se están detectando todos los casos de COVID-19 que hay. ¿Cómo podríamos saber el tamaño real de la epidemia si no le podemos hacer la prueba PCR que detecta COVID-19 a todos? (Te recomendamos ver en Cienciorama la noticia 839, “¿Cómo se hace la prueba para detectar el SARS-CoV-2?)”. Una estrategia que están tomando algunos científicos es de nuevo el muestreo pero para otra prueba. Se toma una muestra aleatoria de la población en general, pacientes y personas sanas, y se les extrae un poco de sangre y se analiza la sangre para ver si tienen anticuerpos contra el virus. Recordemos que aunque una persona tenga anticuerpos contra el virus no implica que esté enferma en este momento, lo que quiere decir es que la persona estuvo infectada en algún momento. Un estudio reciente de este tipo en Santa Clara California encontró que entre el 2.49 y el 4.16% de los habitantes de ese condado podrían haber estado infectados en algún punto; esto implicaría 50 veces más personas que las que se han confirmado por PCR en ese condado. No obstante, hay que tener cuidado con cómo interpretamos los resultados porque la mayoría de estos estudios apenas están en revisión por pares y más información e investigación son requeridas para llegar a conclusiones bien sustentadas.
En conclusión, el Sistema de Vigilancia Centinela es una gran herramienta de monitoreo epidemiológico en condiciones normales; sin embargo, en la situación actual el sistema no es capaz de detectar los casos más leves por lo que hay que tener cuidado a la hora de interpretar los datos.
Referencias
Organización Panamericana de la Salud, Organización Mundial de la Salud. Guía operativa para la vigilancia nacional de la Infección Respiratoria Aguda Grave (IRAG). 26–38 (2014).
Joe Hasell, Esteban Ortiz-Ospina, Edouard Mathieu, Hannah Ritchie, Diana Beltekian, B. M. and M. R. To understand the global pandemic, we need global testing – the Our World in Data COVID-19 Testing dataset. Our world in data https://ourworldindata.org/covid-testing (2020).
Hethcote W., The Mathematics of Infectious Diseases. IAM Rev., 42(4), 599–653.
Sánchez, M. E. M. ¿Cómo se hace la prueba para detectar el SARS-CoV-2? Noticia 839. Cienciorama (2020).
Acerca de la autora
Dannia Colín Castelán es biomédica de formación y Doctora en Ciencias. Le interesan mucho las neurociencias, es una lectora empedernida y viajera incurable. Fanática de los idiomas, el baile y la música.
*Este artículo fue publicado en su versión original y en una sola entrega el 6 de mayo, 2020 en Cienciorama, revista virtual de divulgación científica de la UNAM.