Frente a los inesperados acontecimientos que se suscitaron en 2020 a raíz de la aparición del nuevo virus SARS-CoV-2, la comunidad científica en su conjunto inició estudios del fenómeno y de herramientas de utilidad para hacer frente a la nueva enfermedad.

En este marco, científicos de Argentina y México, hacia fines de 2020, desarrollaron un innovador software que, según datos sobre la búsqueda, monitoreo y aislamientos de personas infectadas con COVID-19, permite predecir los posibles escenarios de evolución de la pandemia. Si bien es aplicable a todos los países, especialmente se adapta a aquellos de mayor extensión y heterogeneidad demográfica, como el caso argentino.

El estudio científico fue publicado en la destacada y una de las más importantes revistas de divulgación científica, Nature, en mayo de 2021.

Los profesionales que trabajaron en el desarrollo son el Físico Pablo Bolcatto, presidente del CITEDEF (Instituto de Investigaciones Científicas y Técnicas para la Defensa), la doctora en Física Nadia Barreiro jefa de la División Sensores Ópticos y Lidar del Departamento de Investigaciones en Láseres y Aplicaciones del CITEDEF, el Físico Rafael Barrio, del Instituto de Física de la UNAM (Universidad Nacional Autónoma de México) y la Master en estadística Tzipe Govezensky, del Instituto de Investigaciones Biomédicas de la UNAM.

La presentación científica, publicada en Nature, explica que el desarrollo se destaca de las herramientas tradicionales de predicción epidemiológica porque aquellas asumen poblaciones generales homogéneas e interacciones igualmente probables entre personas; por el contrario, este modelo considera la heterogeneidad, la distribución geográfica real y agrega variables que permiten lograr mayor grado de eficacia en la predicción. Estas incorporaciones tienen que ver con la movilidad de las personas y la detección y aislamiento de asintomáticos infectados, factores muy dependientes de las políticas públicas sanitarias de los gobiernos. Se incorporaron el tiempo transcurrido entre el contagio y el aislamiento de los individuos infectados y la proporción de personas aisladas sobre el total de infectados.

Al respecto de los modelos clásico y el desarrollado, Barreiro explicó a la Agencia CyTA: "Si bien estos modelos son un buen punto de partida, están pensados para situaciones que difieren de la situación actual impuesta por el COVID-19 en dos puntos clave: suponen que la población está homogéneamente distribuida en un territorio y que no está sujeta a restricciones en la movilidad. Para describir la evolución de la pandemia procedimos a introducir modelos más complejos que consideren diversos aspectos del comportamiento social".

El modelo se plantea desde dos dinámicas, la microdinámica que contempla la influencia de la detección y el aislamiento de las personas infectadas. Dividiendo en cinco compartimentos: individuo susceptible (S), expuesto pero aún no infeccioso (E), infeccioso (I), aislado en cuarentena (A) y recuperado (R) pero que incluye las muertes también. Algunos parámetros impulsan el vínculo entre compartimentos, como período de incubación, período de infecciosidad y período de inmunidad.

Por otro lado, la macrodinámica plantea la división geográfica del mapa del territorio del país, en este caso el de Argentina, en regiones cuadradas pequeñas, de entre 30 y 50 km2, y se estudia la evolución de la enfermedad en cada región por separado teniendo en cuenta su correspondiente densidad demográfica y la propagación a regiones vecinas y a largas distancias dentro del país en función de los niveles de movilidad permitidos (medidas gubernamentales). Estas movilidades son consideradas a través de las vías disponibles, es decir, por las rutas y carreteras, vuelos aéreos, etc.

De esta manera, el modelo tiene en cuanta el comportamiento social aleatorio dentro de cada celda lo que permite una mejor predicción de la evolución de la pandemia.

"Hay que considerar que existen múltiples variables que inciden en la aparición de olas y que nuestro modelo también tiene en cuenta, por ejemplo, el levantamiento prematuro de restricciones a la movilidad, la perdida de inmunidad por parte de un grupo de población que se infectó y que puede volver a contagiarse y la aparición de nuevas variantes del SARS-CoV-2, entre otras", subrayó Barreiro.

El trabajo elaborado en diciembre 2020, planteó que si se mantenía la misma condición de movilidad permitida habría una nueva ola en junio de 2021. "Sin embargo, esta ola se adelantó un mes y fue mucho mayor debido al fuerte incremento de la movilidad vinculada, por ejemplo, al inicio de clases presenciales en varias regiones", afirmó Bolcatto.

El próximo cuadro, presentado por los científicos, muestra la evolución de la pandemia dividida en dos áreas geográficas: la parte principal del Área Metropolitana de Buenos Aires (AMBA) y el resto del país. La enfermedad se inició principalmente en la región AMBA, que concentra casi el 33% de la población de Argentina. Luego de varios meses de evolución, la pandemia se trasladó a otras áreas urbanas importantes del país como Córdoba, Santa Fe, Río Negro, Mendoza, Chaco, etc., y comenzó a disminuir en la región AMBA. El modelo predice que la gran movilidad entre estas áreas eventualmente creará un nuevo pico en la región AMBA. Esta oscilación entre las diferentes regiones impide la erradicación de la enfermedad.

Cabe destacar que el modelo desarrollado se utilizó para estudiar diferentes escenarios, por ejemplo, qué hubiera sucedido sin el Aislamiento Social, Preventivo y Obligatorio (ASPO) al comienzo de la pandemia o se hubieran aplicado medidas de distanciamiento menos estrictas. "Las estimaciones realizadas permiten inferir que el ASPO posiblemente evitó 1.6 millones de casos y cerca de 45.000 fallecimientos durante 2020", destacó Barreiro.

"Los resultados obtenidos fueron consistentes con lo observado a nivel internacional: cuanto mayor es la proporción de casos detectados (y consecuentemente aislados), menor es la circulación del virus y la cantidad de casos totales a largo plazo. De igual modo, cuanto menos tiempo se demora en encontrar y aislar nuevas personas infectadas, menos tiempo tienen para propagar la enfermedad y esto se traduce en una reducción de la cantidad de casos totales", afirmó Barreiro. El informe científico señala que en los países europeos donde se adoptaron políticas de "quedarse en casa", apareció una segunda ola tan pronto como se levantó la restricción y fue posible la reinfección.

A modo de conclusión, los científicos señalan que las estrategias para mitigar la pandemia son el control de la movilidad entre regiones distantes, las políticas de testeos y cuarentena y los planes de vacunación. No obstante, estas variables dependen de las políticas gubernamentales y la obediencia de las personas a las recomendaciones, factores que no se pueden predecir con precisión a largo plazo.

Acceder al estudio científico publicado en la revista Nature y difundido por la Agencia CyTA, clik aquí.

Foto de portada: Ferrari Raúl.

Seguí leyendo: Preocupa la propagación de la variante Delta en Israel y el Reino Unido