La previsión no puede prever COVID-19 las tasas de infección alcanzan un pico o una meseta.
Durante los primeros meses de la pandemia de COVID-19, Joseph Lee McCauley, profesor de física de la Universidad de Houston, observaba los datos diarios de seis países y se preguntaba si las infecciones realmente estaban creciendo exponencialmente. Al extraer los tiempos de duplicación de los datos, se convenció de que sí.
Los tiempos de duplicación y el crecimiento exponencial van de la mano, por lo que le quedó claro que el modelado basado en infecciones pasadas es imposible, porque la tasa cambia imprevisiblemente de un día a otro debido al distanciamiento social y los esfuerzos de bloqueo. Y los cambios en las tasas difieren para cada país en función del grado de distanciamiento social.
En Anticipos AIP, de AIP Publishing, McCauley explica cómo combinó las matemáticas en la forma de la desigualdad de Tchebychev con un conjunto estadístico para comprender cómo el crecimiento exponencial macroscópico con diferentes tasas diarias surge de la infección de una enfermedad de persona a persona.
Este histograma de Alemania muestra que alcanzó su punto máximo el 6/4/20 y reabrió parcialmente en abril. La frontera con Austria permaneció cerrada a excepción de los desplazamientos laborales. Las fronteras se reabrieron el 15/6/20, pero en julio se usaron máscaras en las empresas alemanas. Alemania no cayó al nivel del 16/3/20 hasta el 10/6/20, casi tres meses después. Crédito: Joseph Lee McCauley
“Las ecuaciones cinéticas químicas ordinarias discretizadas aplicadas a partes infectadas, no infectadas y recuperadas de la población me permitieron organizar los datos, por lo que pude separar los efectos del distanciamiento social y las recuperaciones dentro de las tasas diarias de infección”, dijo McCauley.
La meseta sin pico se produce si la tasa de recuperación es demasiado baja, y EE. UU., Reino Unido y Suecia entran en esa categoría. Las ecuaciones no se pueden iterar para mirar hacia el futuro, porque se desconoce la tasa de mañana hasta que se desarrolle.
“Los modeladores tienden a aplicar incorrectamente las ecuaciones cinéticas químicas como modelos SIR (Susceptible, Infeccioso o Recuperado) o SEIR (Susceptible, Expuesto, Infeccioso o Recuperado), porque están tratando de generar tasas futuras a partir de tasas pasadas”, dijo McCauley. “Pero el pasado no te permite usar ecuaciones para predecir el futuro en una pandemia, porque el distanciamiento social cambia las tasas a diario”.
McCauley descubrió que podía hacer un pronóstico en cinco segundos a través de una calculadora manual que es tan bueno como cualquier modelo de computadora simplemente usando las tasas de infección de hoy y ayer.
“Los encierros y el distanciamiento social funcionan”, dijo McCauley. “Compare Austria, Alemania, Taiwán, Dinamarca, Finlandia y varios otros países que alcanzaron su punto máximo a principios de abril, con EE. UU., Reino Unido, Suecia y otros sin bloqueo o bloqueos a medias; nunca se han estancado, y mucho menos puntiagudo.”
Destaca que los pronósticos no pueden prever un pico o incluso una meseta. La meseta no implica un pico, y si ocurre un pico, no hay nada en los datos que muestre cuándo sucederá. Ocurre cuando la tasa de recuperación es mayor que la tasa de nuevas infecciones.
“El distanciamiento social y los bloqueos reducen la tasa de infección, pero no pueden causar picos”, dijo McCauley. “El distanciamiento social y las recuperaciones son dos términos separados dentro de las ecuaciones de la tasa cinética diaria”.
La implicación de este trabajo es que el dinero de la investigación podría gastarse mejor que en modelos de epidemia costosos.
“Los políticos deben saber suficiente aritmética para recibir instrucciones sobre las implicaciones”, dijo McCauley. “El efecto de los bloqueos y el distanciamiento social se manifiesta en los tiempos de duplicación observados, y también hay un tiempo de duplicación previsto basado en dos días, lo que sirve como un buen pronóstico del futuro”.
Referencia: “Las tasas de infección pandémica son deterministas pero no pueden modelarse” por Joseph L. McCauley, 24 de noviembre de 2020, Anticipos de AIP.
DOI: 10.1063 / 5.0015303
