Un modelo matemático que puede ayudar a proyectar el contagio y la propagación de enfermedades infecciosas como la gripe estacional puede no ser la mejor manera de predecir la propagación continua del nuevo coronavirus, especialmente durante los bloqueos que alteran la mezcla normal de la población, informan los investigadores.
El modelo, denominado R-nada, o número reproductivo básico, predice el número medio de personas susceptibles que serán infectadas por una persona infecciosa. Se calcula utilizando tres factores principales: el período infeccioso de la enfermedad, cómo se propaga la enfermedad y con cuántas personas probablemente entrará en contacto una persona infectada.
Históricamente, si el valor R-nada es mayor que uno, las infecciones pueden volverse desenfrenadas y es probable que se produzca una epidemia o una pandemia más generalizada. los COVID-19 La pandemia tuvo un R-cero temprano entre dos y tres.
En una carta publicada en Control de Infecciones y Epidemiología Hospitalaria, El autor correspondiente, el Dr. Arni SR Srinivasa Rao, modelador matemático de la Facultad de Medicina de Georgia en la Universidad de Augusta, sostiene que, si bien nunca es posible rastrear cada caso de una enfermedad infecciosa, los bloqueos que se han vuelto necesarios para ayudar a mitigar el COVID -19 pandemias han complicado predecir la propagación de la enfermedad.
Dr. Arni Rao, modelador matemático de la Facultad de Medicina de Georgia de la Universidad de Augusta. Crédito: Kim Ratliff, fotógrafo de la Universidad de Augusta
Rao y sus coautores, en cambio, sugieren un enfoque más dinámico en el tiempo utilizando un modelo llamado media geométrica. Ese modelo usa el número de hoy para predecir los números de mañana. El número actual de infecciones, en Augusta hoy, por ejemplo, se divide por el número de infecciones previstas para mañana para desarrollar una tasa de reproducción más precisa y actual.
Si bien este método geométrico no puede predecir tendencias a largo plazo, puede predecir con mayor precisión números probables a corto plazo.
“El modelo R-nught no se puede cambiar para tener en cuenta las tasas de contacto que pueden cambiar de un día a otro cuando se imponen bloqueos”, explica Rao. “En los primeros días de la pandemia, dependíamos de estos métodos tradicionales para predecir la propagación, pero los bloqueos cambian la forma en que las personas tienen contacto entre sí”.
Tampoco es posible un R-nada uniforme ya que la pandemia de COVID-19 ha variado ampliamente en diferentes áreas del país y del mundo. Los lugares tienen diferentes tasas de infección, en diferentes líneas de tiempo: los puntos críticos como Nueva York y California tendrían R-naughts más altos. El R-nught tampoco predijo la actual tercera ola de la pandemia COVID-19.
“Diferentes factores alteran continuamente los números reproductivos básicos a nivel del suelo, por lo que necesitamos un mejor modelo”, dice Rao. Mejores modelos tienen implicaciones para mitigar la propagación de COVID-19 y para la planificación futura, dicen los autores.
“Los modelos matemáticos deben usarse con cuidado y su exactitud debe ser monitoreado y cuantificado cuidadosamente ”, escriben los autores. “Cualquier curso de acción alternativo podría conducir a una interpretación incorrecta y una mala gestión de la enfermedad con consecuencias desastrosas”.
Referencia: “¿Qué importancia tiene el número reproductivo básico calculado durante COVID-19, especialmente durante los cierres cerrados?” Arni SR Srinivasa Rao, Steven G. Krantz,
Michael B. Bonsall, Thomas Kurien, Siddappa N. Byrareddy, David A. Swanson, Ramesh Bhat y Kurapati Sudhakar, 14 de diciembre de 2020, Control de infecciones y epidemiología hospitalaria.
DOI: 10.1017 / ice.2020.1376
Los coautores de Rao incluyen al Dr. Steven Krantz, profesor de matemáticas y estadística en la Universidad de Washington y al Dr. Michael Bonsall, profesor del Grupo de Investigación de Ecología Matemática, en el Universidad de Oxford.
(function(d, s, id){
var js, fjs = d.getElementsByTagName(s)[0];
if (d.getElementById(id)) return;
js = d.createElement(s); js.id = id;
js.src = "https://connect.facebook.net/en_US/sdk.js#xfbml=1&version=v2.6";
fjs.parentNode.insertBefore(js, fjs);
}(document, 'script', 'facebook-jssdk'));
