La epidemia de COVID-19, que comenzó a fines de diciembre de 2019 en Wuhan, China, y se extendió rápidamente por todo el mundo, ha estado acompañada de publicaciones sin precedentes de datos de casos notificados. Ahora, los investigadores proponen combinar descripciones fenomenológicas con dinámicas epidemiológicas para una perspectiva completamente nueva de estos datos.
Según la base de datos de la Organización Mundial de la Salud (OMS), los primeros casos en Japón se remontan al 14 de enero, en Italia hasta el 29 de enero, en Francia hasta el 24 de enero de 2020, etc. Desde entonces, se han obtenido datos sin precedentes en instituciones (como la Organización Mundial de la Salud y la Universidad Johns Hopkins) para uso público y de los medios de comunicación.
Comprender la información contenida en estos datos puede generar nuevas preguntas y desafíos que están abiertos a la comunidad científica. Para describir la dinámica epidemiológica de estos datos, tres investigadores de la Universidad de Burdeos, el Centro Nacional de Investigación Científica y la Universidad de Grenoble Alpes, Francia, construyeron un método utilizando un modelo virtual y datos estructurados.
Después de comparar diferentes números reproductivos instantáneos, concluyeron que la dinámica de COVID-19 está influenciada principalmente por la dinámica de la interacción social (contacto interpersonal). Han tenido un número de reproducción instantánea que se mantiene por debajo de 3,5 desde el comienzo temprano de la epidemia.
Con base en sus hallazgos, los investigadores concluyeron de manera intrigante que sería suficiente vacunar al 71% de la población en cada estado o país (como se presenta en este estudio).
«Por lo tanto, asumiendo que las vacunas seguirán siendo efectivas contra las nuevas variantes, y para tener más confianza, bastaría con vacunar al 75-80% para eliminar el COVID-19 en todos los estados o países», anotaron los investigadores. la población. Puede volver a la normalidad. Este trabajo fue publicado en un servidor de preimpresión. medRxiv. Cabe señalar que los informes de preimpresión no están sujetos a revisión por pares y no deben utilizarse para guiar la práctica clínica.
Diagrama de flujo del modelo.
En este estudio, los investigadores utilizaron datos de casos notificados para ocho regiones geográficas diferentes: California, Francia, India, Israel, Japón, Perú, España y el Reino Unido. Con la excepción de California, donde utilizaron datos del Proyecto de seguimiento COVID, tomaron el resto de los datos de casos notificados de la base de datos de la OMS.
Descubrieron que el modelo fenomenológico aplicado a los datos de COVID-19 les permitió lidiar con múltiples olas epidémicas y los datos se ajustan bien a las ocho regiones geográficas consideradas en este estudio.
«Esperamos que se puedan usar varios modelos fenomenológicos diferentes para el mismo propósito; sin embargo, nuestro método tiene la ventaja de incluir un número limitado de parámetros».
Como señalan los investigadores, predecir la propagación de una epidemia, en particular, es un desafío importante en la epidemiología de las enfermedades infecciosas. Los esfuerzos de modelización se utilizan para analizar y predecir el brote e inferir la tasa de transmisión de la epidemia. Esta información puede ayudar a los epidemiólogos, científicos, médicos y tomadores de decisiones de atención médica.
Uno de los desafíos más importantes para una pandemia es comprender la tasa de transmisión: la parte de todos los contactos posibles entre personas susceptibles e infectadas que en realidad conduce a una nueva infección por unidad de tiempo. Depende de muchos factores, como (1) coeficiente de sensibilidad, (2) coeficiente de virulencia, (3) número de contactos por unidad de tiempo y (4) conductividad ambiental.
En este estudio, los investigadores intentaron una nueva forma de comprender y reconstruir la velocidad de transmisión a partir de los datos utilizando el modelo, sin elegir una función predeterminada de la velocidad de transmisión, que han sido los métodos estándar.
Sin embargo, los investigadores utilizaron un enfoque utilizado a principios de la década de 1970 (por Londres y York), que utilizaron un modelo de aproximación de tiempo discreto y analizaron la transmisión dependiente del tiempo en el contexto del sarampión, la varicela y las paperas.
Nuestro análisis muestra que no hay esperanzas de estimar la tasa de verificación utilizando únicamente series de tiempo de casos acumulados. De hecho, la transmisión dependiente del tiempo se puede calcular para cualquier valor razonable de esta tasa y se ajusta perfectamente a los datos. Lo mismo ocurre con los demás parámetros del modelo matemático: la duración media del período de incubación no infeccioso, la duración media del período de incubación infeccioso y la duración media del período de infección sintomática. Por tanto, estos parámetros deben estimarse mediante métodos estadísticos sobre muestras de diferente naturaleza, como el crucero Diamond Princess y el portaaviones francés Charles de Gaulle.
Sobre la base de estudios recientes en los que se utilizaron fórmulas y algoritmos explícitos para reconstruir la velocidad de transmisión, los investigadores entendieron que la organización de datos es un problema complejo. Por lo tanto, la reconstrucción de una tasa de transferencia significativa dependiente del tiempo es fundamental, y presentaron un nuevo método para calcularla a partir de los datos de estado acumulados informados.
«Mientras que el uso de una tasa de transmisión predeterminada τ
En el artículo, para calcular la tasa de transmisión directamente a partir de los datos, describen su método en un procedimiento de dos pasos: primero, usamos un modelo fenomenológico para describir los datos y extraer la tendencia general de la dinámica epidémica con una eliminación de ruido insignificante. En segundo lugar, obtenemos una relación explícita entre el modelo fenomenológico y la tasa de transmisión.
En particular, los investigadores informan que los cambios sociales en la población tienen un mayor impacto en la propagación de la enfermedad que la dinámica puramente epidemiológica, al tiempo que sugieren una forma de medir estos cambios.
Al predecir el comportamiento futuro de la epidemia, los investigadores lo compararon con el método común y estándar del marco (para el número de reproducción efectivo), notaron que sus nuevos indicadores se desempeñaron mejor cerca del inicio de la epidemia y cerca del último punto de datos. y fueron menos volátiles en el tiempo.
*Nota IMPORTANTE
medRxiv Publica informes científicos preliminares que no han sido revisados por pares y, por lo tanto, no deben considerarse concluyentes, guiar la práctica clínica / comportamiento relacionado con la salud o tratarse como información establecida.
More Stories
El jefe de la Agencia Espacial de EE.UU. quiere hablar con China sobre la basura espacial
Búsqueda de gemas: caracterización de seis planetas gigantes que orbitan enanas frías
La Administración Federal de Aviación de EE. UU. ha puesto en tierra los cohetes Falcon 9 de SpaceX en espera de una investigación sobre un raro accidente de aterrizaje frente a la costa.