jueves, 30 de abril de 2020

Cambios en los patrones de contacto debido al brote COVID-19 en China

Los cambios en los patrones de contacto dan forma a la dinámica del brote de COVID-19 en China

Juanjuan Zhang, Maria Litvinova, Yuxia Liang, Yan Wang, Wei Wang, Shanlu Zhao, Qianhui Wu, Stefano Merler, Cécile Viboud, Alessandro Vespignani, Marco Ajelli, Hongjie Yu
Science
DOI: 10.1126 / science.abb8001

Resumen

Se implementaron intensas intervenciones no farmacéuticas en China para detener la transmisión de la nueva enfermedad por coronavirus (COVID-19). A medida que la transmisión se intensifica en otros países, la interacción entre la edad, los patrones de contacto, el distanciamiento social, la susceptibilidad a la infección y la dinámica de COVID-19 sigue sin estar clara. Para responder a estas preguntas, analizamos los datos de las encuestas de contacto de Wuhan y Shanghai antes y durante el brote y la información de localización de contactos de la provincia de Hunan. Los contactos diarios se redujeron de 7 a 8 veces durante el período de distancia social de COVID-19, y la mayoría de las interacciones se restringieron al hogar. Encontramos que los niños de 0 a 14 años son menos susceptibles a la infección por SARS-CoV-2 que los adultos de 15 a 64 años de edad (relación impar 0,34; IC del 95%: 0,24 a 0,49), mientras que, por el contrario, las personas mayores de 65 años son más susceptibles a infección (relación impar 1.47, IC 95%: 1.12-1.92). Con base en estos datos, creamos un modelo de transmisión para estudiar el impacto del distanciamiento social y el cierre de escuelas en la transmisión. Encontramos que el distanciamiento social solo, tal como se implementó en China durante el brote, es suficiente para controlar COVID-19. Si bien el cierre proactivo de las escuelas no puede interrumpir la transmisión por sí solo, pueden reducir la incidencia máxima en un 40-60% y retrasar la epidemia.


La nueva epidemia de la enfermedad por coronavirus 2019 (COVID-19) causada por el SARS-CoV-2 comenzó en la ciudad de Wuhan, China, en diciembre de 2019 y se extendió rápidamente a nivel mundial, con 2,063,161 casos reportados en 185 países / regiones al 16 de abril de 2020 (1) . Un total de 82,692 casos de COVID-19, incluidas 4,632 muertes, se han reportado en China continental, incluidos 50,333 casos en la ciudad de Wuhan y 628 casos en la ciudad de Shanghai (2). La epidemia en Wuhan y en el resto de China disminuyó después de la implementación de estrictas medidas de contención y restricciones de movimiento, con casos recientes originados por viajes (3). Sin embargo, quedan preguntas clave sobre el perfil de edad de la susceptibilidad a la infección, cómo el distanciamiento social altera los patrones de contacto específicos de la edad y cómo estos factores interactúan para afectar la transmisión. Estas preguntas son relevantes para la elección de políticas de control para gobiernos y formuladores de políticas en todo el mundo. En este estudio, evaluamos los cambios en los patrones de mezcla vinculados al distanciamiento social mediante la recopilación de datos de contacto en medio de la epidemia en Wuhan y Shanghai. También estimamos las diferencias de edad en la susceptibilidad a la infección a partir de los datos de rastreo de contactos recopilados por el Centro Provincial de Control y Prevención de Enfermedades (CDC) de Hunan, China. En base a estos datos empíricos, desarrollamos un modelo matemático de transmisión de enfermedades para desenredar cómo la transmisión se ve afectada por las diferencias de edad en la biología de la infección por COVID-19 y los patrones de mezcla alterados debido al distanciamiento social. Además, proyectamos el impacto del distanciamiento social y el cierre de escuelas en la transmisión de COVID-19.

Para estimar los cambios en los patrones de mezcla de edad asociados con las intervenciones COVID-19, realizamos encuestas de contacto en dos ciudades: Wuhan, el epicentro del brote, y Shanghai, una de las ciudades más grandes y densamente pobladas del sureste de China. Shanghai experimentó una amplia importación de casos COVID-19 de Wuhan, así como la transmisión local (4). Las encuestas se llevaron a cabo del 1 de febrero de 2020 al 10 de febrero de 2020, ya que la transmisión de COVID-19 alcanzó su punto máximo en China y se implementaron intervenciones estrictas. Se pidió a los participantes en Wuhan que completaran un cuestionario que describiera su comportamiento de contacto (5, 6) en dos días diferentes: i) un día de semana regular entre el 24 de diciembre de 2019 y el 30 de diciembre de 2019, antes de que el brote de COVID-19 fuera reconocido oficialmente por el Comisión de Salud Municipal de Wuhan (utilizada como línea de base); y ii) el día anterior a la entrevista (período de brote). Se pidió a los participantes en Shanghai que completaran el mismo cuestionario utilizado para Wuhan, pero solo informaron contactos para el período del brote. Para el período de referencia en Shanghai, confiamos en una encuesta realizada en 2017-2018 siguiendo el mismo diseño (7). En estas encuestas, un contacto se definió como una conversación bidireccional que involucra tres o más palabras en presencia física de otra persona, o un contacto físico directo (por ejemplo, un apretón de manos). Los detalles se dan en los materiales complementarios (secciones 1 y 2).

Analizamos un total de 1,245 contactos informados por 636 participantes del estudio en Wuhan, y 1,296 contactos informados por 557 participantes en Shanghai. En Wuhan, el número promedio diario de contactos por participante se redujo significativamente de 14.6 para el período de referencia (contactos promedio ponderados por estructura de edad: 14.0) a 2.0 para el período del brote (contactos promedio ponderados por estructura de edad: 1.9) (p <0.001 ) La reducción en los contactos fue significativa para todas las estratificaciones por sexo, grupo de edad, tipo de profesión y tamaño del hogar (Tabla 1). Se observó una reducción mayor en Shanghai, donde el número promedio diario de contactos disminuyó de 18.8 (contactos medios ponderados por estructura de edad: 19.8) a 2.3 (contactos medios ponderados por estructura de edad: 2.1). Aunque una persona promedio en Shanghai informó más contactos que uno en Wuhan en un día laborable regular, esta diferencia esencialmente desapareció durante el período del brote de COVID-19. Se encontró una disminución similar en el número de contactos en el Reino Unido durante el período de bloqueo de COVID-19 (8).


Tabla 1. Número de contactos por características demográficas y ubicación.
CaracterísticasWuhanShangai
Período baseBrote de COVID-19  en WuhanDiferenciabPeríodo baseBrote de COVID-19  en ShangaiDiferenciab
N
(%)a
Media
(95% CIc)
N
(%)a
Media
(95% CIc)
N
(%)
Media
(95% CIc)
N
(%)
Media
(95% CIc)
Total624
(100.0)
14.6
(12.9, 16.3)
627
(100.0)
2
(1.9, 2.1)
12.6***965
(100.0)
18.8
(17.8, 19.8)
557
(100.0)
2.3
(2, 2.8)
16.4***
Sexo
 Masc300
(48.1)
14.5
(12.2, 17.1)
301
(48)
1.8
(1.7, 2)
12.6***474
(49.1)
19
(16.9, 21)
286
(51.3)
2.1
(1.9, 2.4)
16.9***
 Fem324
(51.9)
14.7
(12.5, 17.1)
326
(52)
2.1
(2, 2.3)
12.5***491
(50.9)
18.5
(16.8, 20.4)
271
(48.7)
2.6
(2.1, 3.6)
16***
Grupo etáreo
 0-6 y12
(1.9)
8.6
(3.4, 17.4)
12
(1.9)
2.2
(1.7, 2.8)
6.4***88
(9.1)
11.6
(9.2, 14.3)
14
(2.5)
1.9
(1.7, 2.2)
9.7***
 7-19 y79
(12.7)
16.2
(12.7, 19.6)
79
(12.6)
2.1
(2, 2.2)
14.1***141
(14.6)
27
(23.1, 30.7)
55
(9.9)
2.6
(2, 3.4)
24.5***
 20-39 y254
(40.7)
15.3
(12.8, 18)
256
(40.8)
2.1
(1.9, 2.2)
13.2***236
(24.5)
22.4
(19.8, 25.9)
254
(45.6)
2.2
(2, 2.5)
20.2***
 40-59 y221
(35.4)
13.8
(11.4, 16.7)
220
(35.1)
2
(1.8, 2.2)
11.8***233
(24.1)
19.9
(17.7, 23.3)
160
(28.7)
2.8
(2, 4.1)
17.1***
 ≥60 y58
(9.3)
13.9
(7.9, 20.7)
60
(9.6)
1.4
(1.2, 1.7)
11.6***267
(27.7)
12.6
(10.8, 14.7)
74
(13.3)
1.6
(1.3, 1.8)
11***
Tipo de profesión
 Pre-escolar12
(1.9)
8.6
(3.4, 17.4)
12
(1.9)
2.2
(1.7, 2.8)
6.4***79
(8.2)
10.4
(8, 13.3)
14
(2.5)
1.9
(1.7, 2.1)
8.5***
 Estudiante107
(17.1)
14.6
(11.4, 18.2)
107
(17.1)
2.1
(2, 2.3)
12.5***173
(17.9)
26.2
(23.1, 29.2)
71
(12.7)
2.5
(2, 3.4)
23.7***
 Empleado391
(62.7)
15.4
(13.4, 17.4)
390
(62.2)
2.1
(1.9, 2.2)
13.2***400
(41.5)
22.5
(20.7, 24.4)
354
(63.6)
2.5
(2.1, 3.2)
20***
 Desempleado30
(4.8)
14.1
(5.7, 24.2)
31
(4.9)
1.8
(1.4, 2.4)
12.2***29
(3)
14.5
(7.8, 24.2)
24
(4.3)
1.8
(1.3, 2.4)
12.6***
 Retirado84
(13.5)
12.1
(7.2, 17.4)
87
(13.9)
1.5
(1.3, 1.7)
10.6***278
(28.8)
11.8
(10.2, 13.2)
94
(16.9)
1.6
(1.3, 1.8)
10.2***
Tamaño de familia
 145
(7.2)
10.5
(5.3, 17.2)
45
(7.2)
0.6
(0.1, 1.5)
9.9***35
(3.6)
15.2
(10.1, 21.1)
61
(11)
0.3
(0.1, 0.5)
14.9***
 273
(11.7)
12.6
(8.2, 18.3)
76
(12.1)
1.1
(1, 1.2)
11.5***244
(25.3)
14.5
(12.7, 16.7)
138
(24.8)
1.4
(1.1, 1.7)
13.1***
 3282
(45.2)
14.8
(12.8, 17.3)
283
(45.1)
1.9
(1.8, 2)
13***432
(44.8)
20.3
(17.7, 22.4)
216
(38.8)
2.2
(2, 2.3)
18.1***
 4133
(21.3)
11.9
(9.3, 15)
132
(21.1)
2.3
(2.2, 2.5)
9.6***117
(12.1)
20.3
(16.5, 23.8)
78
(14)
3
(2.8, 3.3)
17.3***
 ≥591
(14.6)
21.5
(16.2, 27.3)
91
(14.5)
3.2
(2.9, 3.4)
17.8***137
(14.2)
21.4
(18.2, 27)
64
(11.5)
5.9
(4, 9.9)
15.5***
a - Puede diferir del tamaño total de la muestra (n = 636), ya que también incluye a los participantes que no habían registrado contactos durante el período de referencia o durante el brote de COVID-19. Tenga en cuenta que los denominadores reducidos indican datos faltantes. Los porcentajes pueden no sumar 100 debido al redondeo.

b - La diferencia se calcula al restar el número de contactos durante el brote del número de contactos durante el período de referencia. Los valores P se toman de una regresión binomial negativa con una sola variable binaria que distingue el período de referencia del brote.

c - El intervalo de confianza del 95% en la media se calcula mediante muestreo bootstrap.

* p <0.05, ** p <0.01, *** p <0.001.



Las características típicas de los patrones de mezcla de edades (6, 7) surgen en Wuhan y Shanghai cuando consideramos el período de referencia (Fig. 1, A y D). Estas características se pueden ilustrar en forma de matrices de contacto estratificadas por edad (proporcionadas como tablas listas para usar en los materiales complementarios, sección 3.6), donde cada celda representa el número promedio de contactos que un individuo tiene con otros individuos, estratificados por grupos de edad. La esquina inferior izquierda de la matriz, correspondiente a los contactos entre niños en edad escolar, es donde se registra el mayor número de contactos. La contribución de los contactos en el lugar de trabajo es visible en la parte central de la matriz, mientras que las tres diagonales (de abajo a la izquierda a arriba a la derecha) representan contactos entre los miembros del hogar. Por el contrario, para el período del brote donde se aplicaron políticas estrictas de distanciamiento social, gran parte de las características mencionadas anteriormente desaparecen, dejando esencialmente la única contribución de la mezcla de hogares (Fig. 1, B y E). En particular, los contactos surtidos entre individuos en edad escolar se eliminan por completo, como se ilustra al diferenciar las matrices de referencia y de brotes (Fig. 1, C y F). En general, los contactos durante el brote ocurrieron principalmente en el hogar con miembros del hogar (94.1% en Wuhan y 78.5% en Shanghai). Por lo tanto, la matriz de contacto de brotes casi coincide con la matriz de contacto dentro del hogar en ambos sitios de estudio y el patrón de surtido por edad observado durante los días regulares desaparece casi por completo (ver materiales complementarios, sección 3.6). Estos hallazgos son consistentes con las tendencias en los datos de movilidad dentro de la ciudad, que indican una caída del 86,9% en Wuhan y del 74,5% en Shanghai entre principios de enero y principios de febrero (ver materiales complementarios, sección 4). Una disminución tan grande en la movilidad interna es consistente con la mayoría de los contactos que ocurren en el hogar durante el período del brote. Es de destacar que las estrictas medidas de distanciamiento social implementadas en Wuhan y Shanghai no eliminaron por completo los contactos en el lugar de trabajo, ya que los trabajadores esenciales continuaron realizando sus actividades (como se observa en nuestros datos, ver materiales complementarios, sección 3.5).




Fig. 1 Matrices de contacto por edad.
(A) Matriz de contacto del período de referencia para Wuhan (solo entre semana). Cada celda de la matriz representa el número medio de contactos que un individuo en un determinado grupo de edad tiene con otros individuos, estratificados por grupos de edad. La intensidad del color representa el número de contactos. Para construir la matriz, realizamos un muestreo de arranque con el reemplazo de los participantes de la encuesta ponderado por la distribución de edad de la población real de Wuhan. Cada celda de la matriz representa un promedio de más de 100 realizaciones de arranque. (B) Igual que (A), pero para la matriz de contacto de brote para Wuhan. (C) Diferencia entre la matriz de contacto del período de referencia y la matriz de contacto del brote en Wuhan. (D) Igual que (A), pero para Shanghai. (E y F) Igual que (B) y (C), pero para Shanghai.

Los patrones de mezcla estimados se basan en contactos autoinformados que pueden verse afectados por diversos sesgos. En particular, los contactos informados para el período de referencia en Wuhan pueden ser propensos a recordar sesgos ya que los contactos se evaluaron retrospectivamente. Además, debido a la naturaleza retrospectiva de la encuesta de referencia en Wuhan, no pudimos dar cuenta de la menor cantidad de contactos durante los fines de semana. Los datos más completos de Shanghai no sufrieron sesgos de memoria y nos permitieron evaluar los contactos entre semana y fines de semana; los análisis de sensibilidad sugieren que esto tiene poco impacto en los resultados (materiales complementarios, sección 8.3). Otro posible sesgo es que los participantes de la encuesta pueden haber sentido presión para minimizar los contactos reportados que ocurrieron durante el brote, dado que el distanciamiento social estaba en su lugar y era estrictamente impuesto por el gobierno, incluso si se enfatizaba el anonimato y la confidencialidad de la encuesta. Sin embargo, los resultados son sólidos para inflar los contactos informados fuera del hogar varias veces, lo que sugiere que estos sesgos de cumplimiento y aceptabilidad social vinculados al período del brote no afectan nuestros hallazgos principales (materiales complementarios, sección 8.2). Otra advertencia es que, paralelamente a las medidas de distanciamiento social a nivel de población, se implementaron intervenciones basadas en casos que podrían afectar los contactos, incluido el aislamiento rápido de casos confirmados y sospechosos, y la cuarentena de contactos cercanos durante 14 días. Sin embargo, solo una pequeña porción de la población en los dos sitios de estudio se vio afectada por el rastreo de contactos y la cuarentena, por lo que tuvo poco o ningún efecto sobre los patrones de contacto promedio en la población general.

Luego, para comprender la interacción entre las intervenciones de distanciamiento social, los cambios en los patrones de mezcla humana y la dinámica de los brotes, debemos considerar las posibles diferencias de edad en la susceptibilidad a la infección. Este es actualmente un tema de debate, ya que hay poca información disponible sobre el perfil de edad de los casos asintomáticos (9, 10). Con este objetivo, analizamos la información de rastreo de contactos de COVID-19 obtenida de investigaciones epidemiológicas de campo detalladas realizadas por los CDC de Hunan (materiales complementarios, sección 5). Brevemente, todos los contactos cercanos de los casos de COVID-19 notificados en la provincia de Hunan fueron sometidos a observación médica durante 14 días y se analizaron mediante RT-PCR en tiempo real. Los que dieron positivo fueron considerados infecciones por SARS-CoV-2. Estimamos las proporciones impares (OR) para que un contacto de un determinado grupo de edad se infecte, en relación con un grupo de edad de referencia. Realizamos una regresión de modelo mixto lineal generalizado para tener en cuenta la agrupación y la estructura de correlación potencial de los contactos expuestos al mismo caso índice (por ejemplo, en el hogar). Incluimos el grupo de edad y el sexo de un contacto, el tipo de contacto y si el contacto viajó a Hubei / Wuhan como covariables de regresión (ver materiales complementarios, sección 5). Encontramos que la susceptibilidad a la infección por SARS-CoV2 aumentó con la edad. Los individuos jóvenes (de 0 a 14 años) tenían un menor riesgo de infección que los individuos de 15 a 64 años [OR = 0,34 (IC 95%: 0,24-0,49), valor p <0,0001]. Por el contrario, las personas mayores de 65 años y más tenían un mayor riesgo de infección que los adultos de 15 a 64 años [OR = 1.47 (IC 95%: 1.12-1.92), valor p = 0.005]. Estos hallazgos están en contraste con un estudio previo en Shenzhen, donde la susceptibilidad a la infección no cambió con la edad (9).

A continuación, exploramos cómo nuestros datos pueden informar estrategias de control para COVID-19. Un parámetro clave que regula la dinámica de una epidemia es el número de reproducción básica (R0), que corresponde al número promedio de casos secundarios generados por un caso índice en una población totalmente susceptible. Estimamos el impacto de las intervenciones en R0, confiando en nuestras estimaciones específicas de edad de susceptibilidad a infecciones y patrones de contacto antes y durante las intervenciones. Utilizamos el enfoque de matriz de próxima generación para cuantificar los cambios en R0 (11) (materiales complementarios, sección 6). Además, para ilustrar el impacto de los patrones de mezcla de edades en la dinámica de la epidemia, desarrollamos un modelo SIR simple de transmisión de SARS-CoV-2 (materiales complementarios, sección 6). En el modelo, la población se divide en tres categorías epidemiológicas: susceptibles, infecciosas y eliminadas (individuos recuperados o fallecidos), estratificadas por 14 grupos de edad. Los individuos susceptibles pueden volverse infecciosos después del contacto con un individuo infeccioso de acuerdo con la susceptibilidad a la infección específica por edad estimada. La velocidad a la que se producen los contactos está determinada por los patrones de mezcla estimados de cada grupo de edad. Se consideró que el intervalo de tiempo medio entre dos generaciones consecutivas de casos fue de 5,1 días, suponiendo que se alinea con la media del intervalo en serie informado por Zhang et al. (3)

En las primeras fases de la propagación de COVID-19 en Wuhan, antes de que se implementaran las intervenciones, se estimó que los valores de R0 oscilaban entre 2.0 y 3.5 (12-18). En este análisis, ampliamos este rango de 1 a 4 para el período de referencia (es decir, antes de las intervenciones). Encontramos que los cambios considerables en los patrones de mezcla observados en Wuhan y Shanghai durante el período de distanciamiento social condujeron a una disminución drástica en R0 (Fig. 2). Cuando consideramos las matrices de contacto que representan el período del brote, manteniendo la misma transmisibilidad de la enfermedad de referencia que en el período previo a la intervención, el número reproductivo cae muy por debajo del umbral epidémico en Wuhan (Fig. 2A) y Shanghai (Fig. 2B). Este hallazgo es robusto para suponer relajantes sobre las diferencias de edad en la susceptibilidad a la infección; la epidemia aún está bien controlada si se supone que la infección por SARS-CoV-2 es igualmente probable en todos los grupos de edad (Fig. 2, A y B). También realizamos análisis de sensibilidad con respecto a los posibles sesgos de recuerdo y cumplimiento de los contactos autoinformados, así como la definición de contacto (es decir, considerando solo los contactos que duran más de 5 minutos). Los resultados son consistentes con los reportados aquí (ver materiales suplementarios, sección 8).



Fig. 2 Efecto de los patrones de contacto sobre la propagación de la epidemia.
(A) R0 estimado durante el brote (media e IC del 95%), en función del R0 basal (es decir, el derivado mediante el uso de la matriz de contacto estimada para el período basal). La figura se refiere a Wuhan e incluye tanto el escenario que representa la susceptibilidad estimada a la infección por edad como el supuesto de que todos los individuos son igualmente susceptibles a la infección. La distribución de la velocidad de transmisión se estima a través del enfoque de matriz de próxima generación mediante el uso de 100 matrices de contacto de arranque para el período de referencia para obtener los valores R0 deseados. Luego usamos la distribución estimada de la tasa de transmisión de las matrices de contacto de brote bootstrapped para estimar R0 para el período del brote. Los intervalos de confianza del 95% explican la incertidumbre sobre la distribución de la tasa de transmisión, los patrones de mezcla y la susceptibilidad a la infección por edad. (B) Como (A), pero para Shanghai. (C) Tasa de ataque de infección un año después del caso inicial de COVID-19 (media e IC del 95%) en función de la línea de base R0. Las estimaciones son mediante la simulación del modelo de transmisión SIR (ver materiales complementarios) utilizando la matriz de contacto para el período de referencia y considerando la susceptibilidad estimada a la infección por edad y suponiendo que todos los individuos son igualmente susceptibles a la infección. Los intervalos de confianza del 95% explican la incertidumbre sobre los patrones de mezcla y la susceptibilidad a la infección por edad. (D) Como (C), pero para Shanghai.

En una epidemia no controlada (sin medidas de intervención, restricciones de viaje o respuestas conductuales espontáneas de la población), y para R0 en el rango 2-3, estimamos que la tasa de ataque de infección promedio está en el rango 53% -92% después de un año de circulación de SARS-CoV-2, con ligera variación entre Wuhan (Fig. 2C) y Shanghai (Fig. 2D). Estas estimaciones deben considerarse como un límite superior de la tasa de ataque de infección, ya que se basan en un modelo compartimental que no tiene en cuenta la alta agrupación de contactos (por ejemplo, contactos repetidos entre miembros del hogar). Si consideramos un escenario en el que las medidas de distanciamiento social se implementan desde el principio, a medida que emerge el nuevo virus, el R0 estimado permanece por debajo del umbral epidémico y, por lo tanto, la epidemia no puede despegar en ninguno de los dos lugares. Además, estimamos que la magnitud de las intervenciones implementadas en Wuhan y Shanghai habría sido suficiente para bloquear la transmisión de un R0 antes de las intervenciones hasta ~ 6 en Wuhan y ~ 7.8 en Shanghai.

A continuación, usamos el modelo para estimar el impacto del cierre preventivo masivo de escuelas. Consideramos dos escenarios de patrones de contacto diferentes, basados ​​en datos de Shanghai: contactos estimados durante el período de vacaciones (7) y contactos estimados durante los días hábiles regulares, después de que se hayan eliminado todos los contactos que ocurrieron en el entorno escolar (7). Ambos escenarios representan una simplificación de una estrategia de cierre escolar. De hecho, el cierre de escuelas en respuesta a la pandemia de COVID-19 en China ha implicado la interrupción de todos los servicios educativos en el sitio. Sin embargo, los patrones de mezcla medidos durante las vacaciones escolares indican que una fracción de los niños todavía asiste a actividades educativas adicionales, como es típico en las ciudades chinas. Por otro lado, al eliminar todos los contactos en el entorno escolar, no consideramos los posibles efectos de goteo en los patrones de mezcla de otros grupos de edad; por ejemplo, los padres pueden necesitar dejar el trabajo para cuidar a los niños en edad escolar. Nuestro enfoque de modelado indica que limitar los patrones de contacto a los observados durante las vacaciones interrumpiría la transmisión para la línea de base R0 hasta 1.5 (Fig. 3, A y C). Eliminar todos los contactos escolares haría lo mismo para la línea de base R0 hasta 1.2. Si aplicamos estas intervenciones a un escenario COVID-19, suponiendo una R0 basal de 2 - 3.5, podemos lograr una disminución notable en la tasa de ataque de infección y la incidencia máxima, y ​​un retraso en la epidemia, pero la transmisión no se interrumpe (Fig. 3, B y D). Por ejemplo, para la línea de base R0 = 2.5 y suponiendo un patrón de mezcla de vacaciones, la incidencia diaria máxima promedio se reduce en aproximadamente un 64%. En el escenario correspondiente donde se eliminan los contactos escolares, estimamos una reducción de alrededor del 42%. En general, las políticas de cierre basadas en la escuela no son suficientes para prevenir por completo un brote de COVID-19, pero pueden afectar la dinámica de la enfermedad y, por lo tanto, la capacidad de sobretensión hospitalaria. Es importante destacar que las personas de 5 a 19 años en Shanghai representan el 9,5% de la población (19), notablemente más baja que la media en China [16,8% (19)] y otros países [incluidos los países occidentales; por ejemplo, 19.7% en los Estados Unidos (20)].



Fig. 3 Efecto de limitar los contactos escolares en la propagación de la epidemia.

(A) R0 estimado durante el brote (media e IC del 95%), en función del R0 basal (es decir, el derivado mediante el uso de la matriz de contacto estimada para el período basal). La cifra se refiere a Shanghai y al escenario que explica la susceptibilidad estimada a la infección por edad. Se consideran tres patrones de contacto: i) según lo estimado durante el brote de COVID-19, ii) según lo estimado durante las vacaciones escolares (7) y iii) según lo estimado para el período de referencia, pero suprimiendo todos los contactos en la escuela. (B) Incidencia diaria de nuevas infecciones por SARS-CoV-2 (media e IC del 95%) según lo estimado por el modelo SIR suponiendo susceptibilidad específica a la edad a la infección (ver materiales suplementarios). Se consideran tres patrones de mezcla: i) según lo estimado para el período de referencia, ii) según lo estimado durante las vacaciones escolares (7) y iii) según lo estimado para el período de referencia, pero suprimiendo todos los contactos en la escuela. El recuadro muestra la tasa de ataque de infección un año después de la introducción del primer caso COVID-19 (media e IC del 95%). (C) Como (A), pero suponiendo igual susceptibilidad a la infección por edad. (D) Como (B), pero suponiendo igual susceptibilidad a la infección por edad.


Los resultados de este estudio deben considerarse a la luz de las siguientes limitaciones. En nuestro modelo de simulación, estimamos el efecto del distanciamiento social solo; La combinación del distanciamiento social con otras intervenciones tendría un efecto sinérgico para reducir aún más la transmisión. Es probable que el distanciamiento social de toda la población, las estrategias basadas en casos y los esfuerzos de descontaminación hayan contribuido a lograr el control en Wuhan y Shanghai, y su efecto es difícil de separar en estudios observacionales retrospectivos. Nuestras estimaciones de las diferencias de edad en la susceptibilidad a la infección se basan en pruebas activas de 7.375 contactos de 136 casos índice confirmados. Estos datos sufren las dificultades habituales inherentes a la reconstrucción de los enlaces epidemiológicos y la detección de casos índice. Los datos de contacto son útiles, pero los estudios de seroepidemiología serán esenciales para resolver completamente los perfiles de susceptibilidad de la población a la infección y enfermedad por SARS-CoV-2. Si bien los patrones de edad de los contactos fueron similares en las dos ubicaciones del estudio durante el período del brote de COVID-19, estos patrones pueden no ser totalmente representativos de otras ubicaciones en China y en el extranjero, donde las medidas de distanciamiento social pueden diferir. Como todavía faltan estimaciones confiables de la contribución de las infecciones asintomáticas de SARS-CoV-2 a la transmisión, no modelamos explícitamente las diferencias entre individuos sintomáticos y asintomáticos. Consideramos un intervalo en serie de 5,1 días (3), basado en una estimación previa de China, en un momento en que las medidas de intervención basadas en casos y de seguimiento de contactos estaban en su lugar, lo que tiende a acortar el intervalo entre casos sucesivos. Sin embargo, esta elección no afecta los cambios estimados en el número de reproducción entre los períodos de inicio y brote. Los resultados del modelado pueden subestimar el efecto de las intervenciones de distanciamiento social ya que nuestros resultados se concentran en el número de contactos e ignoran el tipo de interacciones sociales (por ejemplo, una mayor distancia entre las personas mientras están en contacto o el uso de una máscara facial), que pueden haber cambiado debido a una mayor conciencia de la población (21, 22). Finalmente, vale la pena señalar que nuestras simulaciones de cierre de escuelas no están destinadas a formular una estrategia de intervención completa, que requeriría la identificación de desencadenantes epidémicos para iniciar el cierre y la evaluación de diferentes duraciones de intervención (6). No obstante, nuestro ejercicio de modelado proporciona una indicación del posible impacto de una estrategia preventiva a nivel nacional sobre la tasa de ataque de infección y la incidencia máxima. Para generalizar estos hallazgos a otros contextos, se deben considerar patrones de mezcla de edad específicos de la ubicación y estructuras de población. Quizás lo más importante es que las estrategias estrictas de bloqueo del tipo implementado en Wuhan, Shanghai y en otras regiones del mundo son extremadamente perjudiciales desde el punto de vista económico y mental, y son preferibles enfoques más específicos para bloquear la transmisión a largo plazo. No necesariamente respaldamos las políticas de bloqueo contundente aquí; simplemente describimos su impacto en la transmisión COVID-19 según la experiencia china.

Nuestro estudio proporciona evidencia de que las intervenciones implementadas en Wuhan y Shanghai, y los cambios resultantes en el comportamiento humano, disminuyeron drásticamente los contactos diarios, esencialmente reduciéndolos a las interacciones domésticas. Esto conduce a una reducción dramática de la transmisión de SARS-CoV-2. A medida que se implementan medidas de cierre en otros lugares, los patrones de mezcla humana en el período del brote podrían capturarse mediante datos sobre contactos dentro del hogar, que están disponibles para varios países de todo el mundo (5–7, 23–25). En el futuro, será particularmente importante diseñar estrategias específicas para el control a largo plazo de COVID-19, incluidas estrategias de control basadas en la escuela y el trabajo, junto con pruebas a gran escala y seguimiento de contactos (26–28). La investigación debe concentrarse en refinar las estimaciones específicas de edad de susceptibilidad a infección, enfermedad e infecciosidad, que son fundamentales para evaluar el impacto de estas estrategias.

La inmunidad del COVID-19 puede ser que no dure


¿Qué pasa si la inmunidad a covid-19 no dura?


Los investigadores dicen que las personas pueden contraer coronavirus leves que causan resfríos dos veces en el mismo año.
por

Antonio Regalado || MIT Technology Review


Comenzando en el otoño de 2016 y continuando en 2018, los investigadores de la Universidad de Columbia en Manhattan comenzaron a recolectar muestras nasales de 191 niños, maestros y trabajadores de emergencias, pidiéndoles que registraran cuándo estornudaron o tuvieron dolor de garganta. El objetivo era crear un mapa de virus respiratorios comunes y sus síntomas, y cuánto tiempo las personas que se recuperaron permanecieron inmunes a cada uno.
La investigación incluyó cuatro coronavirus, HKU1, NL63, OC42 y C229E, que circulan ampliamente todos los años pero no reciben mucha atención porque solo causan resfriados comunes. Pero ahora que un nuevo coronavirus en la misma familia amplia, SARS-CoV-2, tiene el mundo en estado de bloqueo, la información sobre los virus leves se encuentra entre nuestras pistas sobre cómo podría desarrollarse la pandemia.

Lo que los investigadores de Columbia ahora describen en un informe preliminar es motivo de preocupación. Descubrieron que las personas con frecuencia se reinfectaban con el mismo coronavirus, incluso en el mismo año, y a veces más de una vez. Durante un año y medio, una docena de voluntarios dieron positivo dos o tres veces para el mismo virus, en un caso con solo cuatro semanas entre resultados positivos.

Esa es una gran diferencia con el patrón de infecciones como el sarampión o la varicela, donde las personas que se recuperan pueden esperar ser inmunes de por vida.

Para los coronavirus, "la inmunidad parece disminuir rápidamente", dice Jeffrey Shaman, quien realizó la investigación con Marta Galanti, una investigadora postdoctoral.


Jeffrey Shaman dirige el estudio Virome of Manhattan en la Universidad de Columbia, que encontró que las personas son reinfectadas con frecuencia por los mismos gérmenes que causan el frío. La investigación muestra que la inmunidad a algunos coronavirus es de corta duración.
MS TECH | FOTO AP / MARY ALTAFFER

Se desconoce si covid-19 seguirá el mismo patrón, pero los resultados de Columbia sugieren una forma en que gran parte de la discusión pública sobre la pandemia podría ser engañosa. Se habla de "pasar el pico" y "pasaportes de inmunidad" para aquellos que se han recuperado. Al mismo tiempo, algunos esperan que la infección esté más extendida de lo que generalmente se conoce, y que solo un total de muertes tolerable se interponga entre nosotros y niveles suficientemente altos de inmunidad de la población para que el virus deje de propagarse.

Todo lo que supone la inmunidad es de larga duración, pero ¿qué pasa si es fugaz en su lugar?

"Lo que les he estado diciendo a todos, y nadie me cree, pero es cierto, es que tenemos coronavirus cada invierno a pesar de que somos seroconvertidos", dice Matthew Frieman, quien estudia a la familia de los virus en la Universidad de Maryland. Es decir, a pesar de que la mayoría de las personas han desarrollado previamente anticuerpos contra ellos, vuelven a contraer los virus. "Realmente no entendemos si se trata de un cambio en el virus con el tiempo o de anticuerpos que no protegen de la infección", dice.
Factor critico

Actualmente estamos en la fase de pandemia. Es entonces cuando un nuevo virus, al que los humanos son completamente susceptibles, se dispara alrededor del planeta. Y la humanidad todavía es un campo nuevo para covid-19: al 26 de abril, había alrededor de tres millones de casos confirmados, o una de cada 2.500 personas en el planeta. (Aunque la verdadera cantidad de infecciones es indudablemente mayor, probablemente sea solo una pequeña fracción de la población). Takeshi Kasai, director regional de la Organización Mundial de la Salud para el Pacífico Occidental, advirtió recientemente que hasta que una vacuna esté disponible, el mundo debería prepárate para una "nueva forma de vida".

Más allá, sin embargo, los cambios como el distanciamiento social o la conexión a tierra de los vuelos aéreos pueden no ser el factor más importante en nuestro destino. Si las personas adquieren o no inmunidad al virus, y durante cuánto tiempo, será lo que finalmente determine el costo de la enfermedad, dicen algunos investigadores.

La evidencia preliminar señala al menos una protección temporal contra la reinfección. Desde que se describieron los primeros casos en China en diciembre, no ha habido casos de personas infectadas dos veces. Si bien algunas personas, incluso en Corea del Sur, han dado positivo por segunda vez, eso podría deberse a errores de prueba o persistencia del virus en sus cuerpos.

"Hay muchas personas que fueron infectadas y sobrevivieron, y están caminando, y no parecen reinfectarse o infectar a otras personas", dice Mark Davis, investigador de la Universidad de Stanford. Hasta el 26 de abril, más de 800,000 personas se habían recuperado oficialmente de la enfermedad, según el panel de seguimiento de casos de Johns Hopkins.

Los investigadores en China también probaron directamente si los monos macacos resistieron una segunda exposición al nuevo coronavirus. Infectaron a los monos con el virus y luego, cuatro semanas después, después de recuperarse, lo intentaron nuevamente. La segunda vez, los monos no desarrollaron síntomas y los investigadores no pudieron encontrar ningún virus en sus gargantas.

Lo que se desconoce es cuánto dura la inmunidad, y solo cinco meses después del brote, no hay forma de saberlo. Si es para toda la vida, entonces cada sobreviviente se sumará a un baluarte permanente contra la propagación del patógeno. Pero si la inmunidad es corta, como lo es para los coronavirus comunes, covid-19 podría establecerse como un superfluo estacional con una alta tasa de mortalidad, una que emerge en una ola desagradable invierno tras invierno.

Los últimos modelos de computadora de la pandemia encuentran que la duración de la inmunidad será un factor clave, y tal vez el factor crítico. Un modelo, de la Universidad de Harvard y publicado en Science, muestra que el virus covid-19 se está volviendo estacional, es decir, escenificando un resurgimiento invernal cada año o dos a medida que aumenta la inmunidad en la población y luego desaparece.

Después de probar diferentes escenarios, el grupo de Harvard concluyó que sus proyecciones de cuántas personas terminarían siendo covid-19 en los próximos años dependían "más crucialmente" de "la extensión de la inmunidad de la población, si la inmunidad disminuye y a qué ritmo". En otras palabras, el factor crítico en la proyección de la ruta del brote también es totalmente desconocido.

Virus estacional

Debido a que muchos otros coronavirus humanos son leves, no han recibido la misma atención que la influenza, un virus que cambia de forma y que se sigue de cerca y se analiza genéticamente para crear una nueva vacuna cada año. Pero ni siquiera se sabe, por ejemplo, si los coronavirus comunes mutan de manera que les permita evadir el sistema inmunitario, o si hay otras razones por las que la inmunidad es tan breve.

"No hay vigilancia global del coronavirus", dice Burtram Fielding, un virólogo de la Universidad del Cabo Occidental, en Sudáfrica, que rastrea los informes científicos en el campo. "Aunque el resfriado común cuesta 20 mil millones de dólares al año, estos virus no matan, y cualquier cosa que no mata, no tenemos vigilancia".

El Proyecto Global Virome en Manhattan, liderado por Shaman con fondos del Departamento de Defensa, ha sido una excepción. Se propuso detectar virus respiratorios con el objetivo eventual de "predicción inmediata" o de tener un rastreador en vivo de infecciones comunes que circulan en la ciudad.

Un hallazgo de la investigación es que las personas que recibieron el mismo coronavirus dos veces no tuvieron menos síntomas la segunda vez. En cambio, algunas personas nunca tuvieron síntomas en absoluto; otros tuvieron resfriados malos dos o tres veces. Shaman dice que la gravedad de la infección tiende a darse en familias, lo que sugiere una base genética.

La gran pregunta es qué significa esta resistencia efervescente de corta duración a los virus del resfriado común para covid-19. ¿Existe la posibilidad de que la enfermedad se convierta en una versión mortal del resfriado común, constantemente presente, infectando al 10% o al 20% de la población cada año, pero también continua matando a uno de cada cien? Si es así, equivaldría a una plaga capaz de reducir la tasa actual de crecimiento de la población mundial en una décima parte.

Algunos científicos encuentran la pregunta demasiado oscura para contemplarla. Shaman tampoco quería adivinar cómo se comportaría covid-19. "Básicamente, tenemos algunas preguntas sin resolver", escribió en un correo electrónico. “¿Las personas son una y han terminado con este virus? Si no, ¿con qué frecuencia experimentaremos infecciones repetidas? Finalmente, ¿esas infecciones repetidas serán más leves, igual de graves o incluso peores?

Encuestas de inmunidad

Grandes estudios de inmunidad ya están en marcha para tratar de responder esas preguntas. Alemania tiene planes para encuestar a su población en busca de anticuerpos contra el virus, y en América del Norte, 10,000 jugadores y otros empleados de Major League Baseball están dando muestras de sangre para analizar. En abril, los Institutos Nacionales de Salud de EE. UU. Lanzaron el Estudio de muestreo de suero pandémico COVID-19, que, según afirma, también recolectará sangre de 10,000 personas.

Al verificar la presencia de anticuerpos en la sangre de las personas, tales encuestas serológicas pueden determinar cuántas personas han estado expuestas al virus, incluidas aquellas que no tuvieron síntomas o solo las leves.

Los investigadores también buscarán en la sangre de los casos de covid-19 para medir la naturaleza y la intensidad de las respuestas inmunes, y descubrir si hay una conexión con la enfermedad que enfermaron. "Lo que estamos viendo en este momento con el coronavirus es la necesidad de un control inmune, porque algunas personas están ignorando esto y otras están muriendo", dice Davis. "El gradiente es serio y nadie realmente entiende por qué".

Nuestro sistema inmunitario tiene diferentes mecanismos para responder a gérmenes que nunca antes habíamos visto. Los anticuerpos, fabricados por células B, recubren un virus y no permiten que infecte las células. Mientras tanto, las células T regulan la respuesta inmune o destruyen las células infectadas. Una vez que una infección ha pasado, se pueden formar versiones de "memoria" a largo plazo de cualquier tipo de célula.

¿Qué tipo de memoria inmune causará covid-19? Stephen Elledge, genetista de la Universidad de Harvard, dice que la gravedad de la enfermedad podría ubicarla en una categoría diferente del resfriado común. "Es posible que tengas un resfriado durante una semana, mientras que si pasas por tres semanas de infierno, eso puede darte más recuerdos por más tiempo", dice.

Otras pistas provienen del brote de SARS de 2002-03, una infección respiratoria aún más mortal que covid-19. Seis años después del brote de SARS, los médicos en Beijing buscaron una respuesta inmune entre los sobrevivientes. No encontraron anticuerpos ni células B de memoria de larga vida, pero sí encontraron células T de memoria.

Debido a que los médicos lograron detener el brote de SARS después de aproximadamente 8,000 casos, nunca ha habido la posibilidad de que alguien se infecte por segunda vez, pero esas células T podrían ser un signo de inmunidad continua. Un estudio posterior de la vacuna en ratones encontró que las células T de memoria protegieron a los animales de los peores efectos cuando los científicos intentaron infectarlos nuevamente con SARS.

Para Frieman, en la Universidad de Maryland, toda esta incertidumbre sobre la respuesta inmune a los coronavirus significa que todavía hay pocas posibilidades de predecir cuándo o cómo terminará el brote. "No sé cuándo desaparece, y si alguien dice que sabe, no sabe de qué está hablando", dice.

miércoles, 29 de abril de 2020

Un llamado al uso de datos de teléfonos móviles para acciones de salud pública

Datos de teléfonos móviles para informar acciones de salud pública durante el ciclo de vida de la pandemia COVID-19

Science Advances


La pandemia de coronavirus 2019-2020 (COVID-19) plantea desafíos sin precedentes para los gobiernos y las sociedades de todo el mundo (1). Las intervenciones no farmacéuticas (NPI) han demostrado ser críticas para retrasar y contener la pandemia de COVID-19 (2-6). Esto incluye pruebas y rastreo, prohibiciones en grandes reuniones, cierres no esenciales de negocios y escuelas y universidades, restricciones de movilidad nacional e internacional y aislamiento físico, y cierres totales de regiones y países. La toma de decisiones y la evaluación o tales intervenciones durante todas las etapas del ciclo de vida de la pandemia requieren datos específicos, confiables y oportunos no solo sobre infecciones, sino también sobre el comportamiento humano, especialmente la movilidad y la co-presencia física. Argumentamos que los datos de los teléfonos móviles, cuando se usan de manera adecuada y cuidadosa, representan un arsenal crítico de herramientas para apoyar las acciones de salud pública en las fases temprana, media y tardía de la pandemia de COVID-19.

El trabajo seminal sobre movilidad humana ha demostrado que los datos agregados y (pseudo) anonimizados de teléfonos móviles pueden ayudar a modelar la propagación geográfica de las epidemias (7-11). Por lo tanto, los investigadores y los gobiernos han comenzado a colaborar con empresas privadas, especialmente operadores de redes móviles y empresas de inteligencia de ubicación, para estimar la efectividad de las medidas de control en varios países, incluidos Austria, Bélgica, Chile, China, Alemania, Francia, Italia , España, Reino Unido y Estados Unidos (12–21).

Sin embargo, existe poca coordinación o intercambio de información entre estas iniciativas nacionales o incluso regionales (22). Si bien los mecanismos ad hoc que aprovechan los datos de los teléfonos móviles se pueden desarrollar de manera efectiva (pero no fácil) a nivel local o nacional, las colaboraciones regionales o incluso globales parecen ser mucho más difíciles dada la cantidad de actores, el rango de intereses y prioridades, la variedad de las legislaciones concernidas y la necesidad de proteger las libertades civiles. La escala global y la propagación de la pandemia de COVID-19 resaltan la necesidad de un enfoque más armonizado o coordinado.

En las siguientes secciones, describimos las formas en que los diferentes tipos de datos de teléfonos móviles pueden ayudar a enfocar mejor y diseñar medidas para contener y retrasar la propagación de la pandemia de COVID-19. Identificamos las razones clave por las cuales esto no está sucediendo en una escala mucho más amplia, y damos recomendaciones sobre cómo hacer que los datos de los teléfonos móviles funcionen contra el virus.

¿Cómo pueden ayudar los datos del teléfono móvil a enfrentar la pandemia de COVID-19?

Los datos de telefonía móvil generados pasivamente se han convertido en una fuente de datos potencialmente valiosa para inferir la movilidad humana y las interacciones sociales. Los registros de detalles de llamadas (CDR) son posiblemente el tipo de datos móviles más investigado en este contexto. Los operadores móviles recolectan los CDR con fines de facturación. Cada registro contiene información sobre la hora y la torre celular a la que estaba conectado el teléfono cuando tuvo lugar la interacción. Los CDR son registros controlados por eventos: en otras palabras, el registro solo existe si el teléfono está en uso activo. La información adicional incluye "datos de avistamientos" obtenidos cuando se ve un teléfono en una red. Sin embargo, existen otros tipos de datos de teléfonos móviles utilizados para estudiar los comportamientos e interacciones de la movilidad humana. Los registros de datos X (XDR) o las sondas de red pueden considerarse metadatos sobre el canal de datos del teléfono, capturando acciones en segundo plano de las aplicaciones y la red. Las compañías de inteligencia de ubicación (23) o las aplicaciones ad hoc (24, 25) también recopilan información de rutina que incluye datos de ubicación altamente precisos a través de aplicaciones de teléfonos móviles (Aplicaciones) a gran escala. Además, la proximidad entre los usuarios de teléfonos móviles se puede detectar a través de la funcionalidad Bluetooth en los teléfonos inteligentes. Cada uno de estos tipos de datos requiere diferentes marcos de procesamiento y plantea preocupaciones éticas y políticas complejas que se analizan en este documento.

Primero, exploramos el valor y la contribución de los datos de teléfonos móviles en los esfuerzos analíticos para controlar la pandemia de COVID-19. Las autoridades gubernamentales y de salud pública en general plantean preguntas en al menos cuatro áreas críticas de consultas para las cuales el uso de datos de teléfonos móviles es relevante. Primero, las preguntas de conciencia situacional buscan desarrollar una comprensión del entorno dinámico de la pandemia. Los datos de los teléfonos móviles pueden proporcionar acceso a estimaciones de población e información de movilidad que antes no estaban disponibles para permitir a las partes interesadas de todos los sectores comprender mejor las tendencias y la distribución geográfica de COVID-19. En segundo lugar, las preguntas de causa y efecto buscan ayudar a identificar los mecanismos clave y las consecuencias de implementar diferentes medidas para contener la propagación de COVID-19. Su objetivo es establecer qué variables marcan la diferencia para un problema y si se pueden causar problemas adicionales. En tercer lugar, el análisis predictivo busca identificar la probabilidad de resultados futuros y podría, por ejemplo, aprovechar los recuentos de población en tiempo real y los datos de movilidad para permitir nuevas capacidades predictivas y permitir a las partes interesadas evaluar riesgos, necesidades y oportunidades futuras. Finalmente, en cuarto lugar, las evaluaciones de impacto tienen como objetivo determinar qué intervenciones afectan la propagación de COVID-19 y de qué manera, y de qué manera, y requieren datos para identificar los obstáculos que impiden el logro de ciertos objetivos o el éxito de intervenciones particulares. La Tabla 1 proporciona ejemplos específicos de preguntas por áreas de investigación.


Ejemplos de preguntas por áreas de investigación.

Conciencia situacional

  • ¿Cuáles son los flujos de movilidad más comunes dentro y entre ciudades y regiones afectadas por COVID?
    ¿Qué áreas están propagando las epidemias que actúan como nodos de origen en una red de movilidad y, por lo tanto, podrían estar sujetas a restricciones de movilidad?
  • ¿Las personas continúan viajando o se congregan después de que se establecieron distanciamientos sociales y restricciones de viaje?
  • ¿Existen puntos críticos con mayor riesgo de contaminación (debido a un mayor nivel de movilidad, una mayor concentración de población)?
  • ¿Cuáles son los puntos de entrada clave, ubicaciones y movimientos de los itinerantes / turistas?

Análisis predictivo

  • ¿Cómo es probable que ciertos patrones de movilidad humana afecten la propagación del coronavirus? ¿Y cuál es la propagación probable de COVID-19, según los modelos de enfermedad existentes y los datos de movilidad actualizados?
  • ¿Cuáles son los efectos probables de las restricciones de movilidad en los resultados educativos de los niños?
  • ¿Cuáles son las consecuencias económicas de la movilidad restringida para las empresas?

Causa y efecto

  • ¿Cuáles son las variables que determinan el éxito de los enfoques de distanciamiento social?
  • ¿Cómo afectan los patrones de movilidad local a la carga sobre el sistema médico?
  • ¿Las recomendaciones de distanciamiento social de las empresas resultan en más trabajadores trabajando desde casa?
  • ¿En qué sectores trabajan más las personas desde su hogar?
  • ¿Cuáles son las consecuencias sociales y económicas de las medidas de restricción de movimiento?

Impacto

  • ¿Cómo han afectado las restricciones de viaje el comportamiento de movilidad humana y la probable transmisión de enfermedades?
  • ¿Cuál es el potencial de varias medidas de restricción para evitar casos de infección y salvar vidas?
  • ¿Cuál es el efecto de las medidas obligatorias de distanciamiento social, incluido el cierre de escuelas?
  • ¿De qué manera la difusión de información sobre seguridad pública y orientación voluntaria ha afectado el comportamiento de movilidad humana y la propagación de enfermedades?

La relevancia y las preguntas específicas planteadas como parte de estas áreas de investigación difieren en varias etapas del brote, pero los datos de teléfonos móviles proporcionan valor a lo largo del ciclo epidemiológico, como se muestra en la figura 1.


Intervalos pandémicos definidos por el Centro para el Control de Enfermedades de EE. UU. Y la OMS (basado en (52)).

En la fase temprana de reconocimiento e inicio de la pandemia, los respondedores se centran en el análisis situacional y la detección rápida de casos infectados y sus contactos. La investigación ha demostrado que las medidas de cuarentena de las personas infectadas y sus familiares, combinadas con los procedimientos de vigilancia y pruebas estándar, son efectivas como medidas de control en las primeras etapas de la pandemia (26). La movilidad individual y los datos de contacto (proximidad cercana) ofrecen información sobre individuos infectados, sus ubicaciones y redes sociales. Los datos de contacto (proximidad cercana) se pueden recopilar a través de aplicaciones móviles (24, 27), entrevistas o encuestas (28).

Durante la fase de aceleración, cuando la transmisión comunitaria alcanza niveles exponenciales, la atención se centra en las intervenciones de contención, que generalmente implican contacto social y restricciones de movilidad. En esta etapa, los datos agregados de teléfonos móviles son valiosos para evaluar la eficacia de las políticas implementadas a través del monitoreo de la movilidad entre y dentro de los municipios afectados. La información sobre movilidad también contribuye a la construcción de modelos epidemiológicos más precisos que pueden explicar y anticipar la propagación de la enfermedad, como se muestra para los brotes de gripe H1N1 (29). Estos modelos, a su vez, pueden informar la movilización de recursos (por ejemplo, respiradores y unidades de cuidados intensivos).

Finalmente, durante las fases de desaceleración y preparación, a medida que se alcanza el pico de infecciones, es probable que se levanten las restricciones (30). El monitoreo continuo de la situación será importante ya que se espera que la pandemia COVID-19 llegue en oleadas (4, 31). Los datos casi en tiempo real sobre movilidad y puntos críticos serán importantes para comprender cómo levantar y restablecer varias medidas se traducen en comportamiento, especialmente para encontrar la combinación óptima de medidas en el momento adecuado (por ejemplo, restricciones generales de movilidad, cierre de escuelas, prohibición de grandes reuniones), y para equilibrar estas restricciones con aspectos de vitalidad económica. Una vez que la pandemia haya disminuido, los datos móviles serán útiles para el análisis post-hoc del impacto de diferentes intervenciones en la progresión de la enfermedad y el análisis de costo-beneficio de las restricciones de movilidad. Durante esta fase, se podrían implementar tecnologías de rastreo de contactos digitales, como la aplicación coreana para teléfonos inteligentes Corona 100m (32) y la aplicación singapurense para teléfonos inteligentes TraceTogether (33), cuyo objetivo es minimizar la propagación de una enfermedad a medida que se levantan las restricciones de movilidad. En esta línea, los investigadores del Instituto de Tecnología de Massachusetts y sus colaboradores están trabajando en Private Kit: Safe Paths (25), una tecnología de código abierto y de primer contacto de privacidad que brinda a las personas información sobre su proximidad con el COVID-19 diagnosticado. operadores, utilizando GPS y datos de Bluetooth. Del mismo modo, varias universidades europeas, centros de investigación y empresas se han unido en torno al PEPP-PT (Pan-European Privacy Preserving Proximity Tracing (34), una colaboración en el seguimiento de contactos que respeta la privacidad y cumple con GDPR. A lo largo de este esfuerzo, un consorcio de investigación Las instituciones, lideradas por la École Polytechnique Fédérale de Lausanne (EPFL), han desarrollado un protocolo abierto de descentralización de preservación de la privacidad y preservación de la proximidad (DP3T) utilizando la funcionalidad Bluetooth Low Energy en los teléfonos inteligentes, asegurando que los datos personales y la computación permanezcan completamente en las personas ' teléfonos (35). Recientemente, Apple y Google han publicado un anuncio conjunto (36) que describe su sistema para admitir el rastreo de proximidad que preserva la privacidad basado en Bluetooth en los teléfonos inteligentes iOS y Android. Curiosamente, como parte de la recomendación de la Comisión Europea de un enfoque coordinado para apoyar el levantamiento gradual de las medidas de bloqueo (37), Estados miembros de la Unión Europea, con el apoyo de La Comisión ha desarrollado una caja de herramientas para el desarrollo y uso de aplicaciones de rastreo de contactos, que cumple totalmente con las normas de la UE (38).

Métricas específicas para decisiones basadas en datos

Los investigadores y profesionales han desarrollado una variedad de métricas agregadas utilizando datos de teléfonos móviles que pueden ayudar a llenar los vacíos en la información necesaria para responder a COVID-19 y abordar las incertidumbres con respecto a la movilidad y los comportamientos.

Las matrices de origen-destino (OD) son especialmente útiles en las primeras fases epidemiológicas, donde el objetivo es evaluar la movilidad de la población. El número de personas que se mueven diariamente entre dos áreas diferentes se puede calcular a partir de los datos de la red móvil, y se puede considerar un proxy de la movilidad humana. Las áreas geográficas de interés pueden ser códigos postales, municipios, provincias o incluso regiones. Estos flujos de movilidad se comparan con los de un período de referencia para evaluar la reducción de la movilidad debido a intervenciones no farmacéuticas. En particular, son útiles para monitorear el impacto de diferentes medidas de contención social y de movilidad e identificar regiones donde las medidas podrían no ser efectivas o seguidas por la población. Además, estos flujos pueden informar modelos de transmisión de enfermedades espacialmente explícitos para evaluar el beneficio potencial de tales reducciones.

Las estimaciones de morada y los puntos críticos son estimaciones de una concentración particularmente alta de personas en un área, lo que puede ser favorable para la transmisión del virus. Estas métricas generalmente se construyen dentro de un municipio dividiendo la ciudad en cuadrículas o barrios (39). El número estimado de personas en cada unidad geográfica se puede calcular con diferentes granularidades de tiempo (por ejemplo, 15 min, 60 min, 24 h).

Las matrices de contacto estiman el número y la intensidad de las interacciones cara a cara que las personas tienen en un día. Por lo general, se calculan por grupos de edad. Se ha demostrado que estas matrices son extremadamente útiles para evaluar y determinar la disminución del número de reproducción del virus (6). Sin embargo, todavía es difícil estimar las interacciones cara a cara a partir de datos de ubicación conjunta y movilidad (40). Las aplicaciones de rastreo de contactos se pueden usar para identificar contactos cercanos de aquellos infectados con el virus.

La cantidad de tiempo que se pasa en el hogar, en el trabajo u otros lugares son estimaciones del porcentaje individual del tiempo que se pasa en el hogar / trabajo / otros lugares (por ejemplo, parques públicos, centros comerciales, tiendas), que pueden ser útiles para evaluar el cumplimiento local de las contramedidas adoptado por los gobiernos. Las ubicaciones de la casa y el trabajo deben calcularse en un período de tiempo anterior al despliegue de las medidas de restricciones de movilidad. El porcentaje de tiempo que pasa en cada ubicación debe calcularse para las personas que no se mueven durante este tiempo. Las variaciones del tiempo dedicado a diferentes ubicaciones generalmente se calculan de forma individual y luego se agregan espacialmente a nivel de código postal, municipio, ciudad o región.

Aunque todavía hay poca información sobre la susceptibilidad específica a la edad a la infección por COVID-19, está claro que la edad es un factor de riesgo importante para la gravedad de COVID-19. Destacamos, por lo tanto, la importancia de estimar las métricas mencionadas anteriormente por grupos de edad (6). La Figura 2 muestra un ejemplo de tales métricas.



Figura 2. Extracción de métricas agregadas de datos de teléfonos móviles. a) Datos en bruto que representan la movilidad de un día de dos usuarios. En este ejemplo, el área B es un punto de acceso, ya que muestra una alta concentración de personas. b) Matriz origen-destino de cinco áreas diferentes, contando el número de viajes desde un área (filas) a otra área (columnas). c) Matriz de contacto que cuenta el número de posibles interacciones cara a cara entre grupos de edad. d) Porcentaje del tiempo que pasa en el hogar, el trabajo y otros lugares.

¿Por qué el uso de datos de teléfonos móviles no es generalizado, o es un estándar, para combatir las epidemias?

El uso de datos de teléfonos móviles para hacer frente a la pandemia de COVID-19 ha llamado la atención, pero sigue siendo relativamente escaso. Aunque se han formado alianzas locales, faltan acciones concertadas internacionalmente, tanto en términos de coordinación como de intercambio de información (22). En parte, esto es el resultado de una falla en institucionalizar experiencias pasadas. Durante el brote de virus Ébola 2014-2016, se iniciaron varias actividades piloto o únicas. Sin embargo, no hubo transición a "negocios como de costumbre" en términos de procedimientos estandarizados para aprovechar los datos de teléfonos móviles o establecer mecanismos para la "preparación de datos" en los contextos de los países (41, 42). La tecnología ha evolucionado con varias plataformas que ofrecen acceso y análisis mejorado y seguro de datos móviles, incluso para casos de uso humanitario y de desarrollo (por ejemplo, OPAL [(43)], Flowkit [(44)]). Además, se han celebrado reuniones de alto nivel (p. Ej., El grupo de expertos de alto nivel de intercambio de datos B2G de la Comisión Europea), el análisis de datos y las iniciativas de intercambio han mostrado resultados prometedores, pero el uso de métricas e ideas derivadas de datos de teléfonos móviles por parte de los gobiernos y las autoridades locales siguen siendo mínimas hoy (43). Varios factores probablemente explican esta brecha de "implementación".

Primero, los gobiernos y las autoridades públicas a menudo desconocen y / o carecen de una "mentalidad digital" y de la capacidad necesaria para procesar información que a menudo es compleja y requiere experiencia multidisciplinaria (por ejemplo, mezcla de datos de ubicación y salud, modelos especializados), así como para establecer los equipos interdisciplinarios y colaboraciones necesarios. Muchas unidades gubernamentales carecen de personal suficiente y, a veces, también carecen de equipamiento tecnológico. Durante la pandemia de COVID-19, la mayoría de las autoridades están abrumadas por la multiplicidad y simultaneidad de las solicitudes; Como nunca se han enfrentado a una crisis de este tipo, existen pocos procedimientos y guías predefinidos, por lo que las acciones preventivas y específicas se abandonan rápidamente para las acciones de masas. Estos problemas se exacerban en los niveles locales de los gobiernos (por ejemplo, ciudades, condados), que son precisamente las autoridades que realizan el trabajo de primera línea en la mayoría de las situaciones. Además, muchas autoridades públicas y tomadores de decisiones no son conscientes del valor que los datos de los teléfonos móviles proporcionarían para la toma de decisiones y, a menudo, se utilizan para tomar decisiones sin conocer los hechos completos y en condiciones de incertidumbre.

En segundo lugar, a pesar de los esfuerzos significativos, el acceso a los datos sigue siendo un desafío. La mayoría de las empresas, incluidos los operadores de redes móviles, tienden a ser muy reticentes a poner a disposición de los investigadores y / o gobiernos datos, incluso agregados y anónimos. Además de los problemas de protección de datos, estos datos también se consideran y utilizan como activos comerciales, lo que limita el uso potencial de los objetivos humanitarios si no hay modelos sostenibles para apoyar los sistemas operativos. También se debe tener en cuenta que no todos los operadores de redes móviles en el mundo son iguales en términos de madurez de datos. Algunos están compartiendo datos activamente como empresa, mientras que otros apenas han comenzado a recopilar y usar datos.

En tercer lugar, el uso de datos de teléfonos móviles plantea preocupaciones públicas legítimas sobre privacidad, protección de datos y libertades civiles. Los gobiernos de China, Corea del Sur, Israel y otros lugares han accedido y utilizado abiertamente los datos personales de las aplicaciones de teléfonos inteligentes para rastrear movimientos individuales y para notificarlos. Sin embargo, en otras regiones, como en Europa, las regulaciones legales nacionales y regionales limitan dicho uso (especialmente la ley de la Unión Europea sobre protección de datos y privacidad conocida como el Reglamento General de Protección de Datos - GDPR). Además, en todo el mundo, las encuestas de opinión pública, las redes sociales y una amplia gama de actores de la sociedad civil, incluidos grupos de consumidores y organizaciones de derechos humanos, han planteado preocupaciones legítimas sobre la ética, la posible pérdida de privacidad y el impacto a largo plazo en las libertades civiles como resultado de la uso de datos móviles individuales para monitorear COVID-19. El control de la pandemia requiere el control de las personas, incluida su movilidad y otros comportamientos. Una preocupación clave es que la pandemia se utiliza para crear y legitimar herramientas de vigilancia utilizadas por empresas gubernamentales y tecnológicas que probablemente persistan más allá de la emergencia. Dichas herramientas y un mejor acceso a los datos pueden utilizarse para fines tales como la aplicación de la ley por parte del gobierno o la hiper-focalización por parte del sector privado. Tal aumento en el poder del gobierno y la industria y la ausencia de controles y equilibrio es perjudicial en cualquier estado democrático. Las consecuencias pueden ser aún más devastadoras en los estados menos democráticos que habitualmente atacan y oprimen a las minorías, los grupos vulnerables y otras poblaciones de interés.

Cuarto, los investigadores y tecnólogos con frecuencia no logran articular sus hallazgos en términos claros y procesables que respondan a preguntas políticas y técnicas prácticas. Los investigadores y los expertos en dominios tienden a definir el alcance y la dirección de los problemas analíticos desde su perspectiva y no necesariamente desde la perspectiva de las necesidades de los gobiernos. Deben tomarse decisiones críticas, mientras que los resultados clave a menudo se publican en revistas científicas y en jerga que no son fácilmente accesibles para los extraños, incluidos los trabajadores gubernamentales y los responsables políticos.

Finalmente, hay poca voluntad política y recursos invertidos para apoyar la preparación para la acción inmediata y rápida. A nivel de país, hay muy pocos equipos mixtos latentes / permanentes, compuestos por a) representantes de gobiernos y autoridades públicas, b) operadores de redes móviles y compañías de tecnología, c) expertos en diferentes temas (virólogos, epidemiólogos, analistas de datos); y no hay procedimientos y protocolos predefinidos.

Ninguno de estos desafíos es insuperable, pero requieren un claro llamado a la acción.

Un llamado a la acción para luchar contra COVID-19

Para construir de manera efectiva el mejor, más actualizado, relevante y accionable conocimiento, llamamos a los gobiernos, operadores de redes móviles y compañías de tecnología (por ejemplo, Google, Facebook, Apple) e investigadores para formar equipos mixtos. Los gobiernos deben ser conscientes del valor de la información y el conocimiento que pueden derivarse del análisis de datos de teléfonos móviles, especialmente para monitorear las medidas necesarias para contener la pandemia. Deben permitir y aprovechar la provisión / uso justo y responsable de datos agregados y anónimos para este propósito. Los operadores de redes móviles y las compañías de tecnología con una adopción generalizada de sus productos (por ejemplo, Facebook, Google, Apple) deben asumir su responsabilidad social y el papel vital que pueden desempeñar para enfrentar la pandemia. Deberían comunicarse con los gobiernos y la comunidad investigadora. Los investigadores y expertos en dominios (por ejemplo, virólogos, epidemiólogos, demógrafos, científicos de datos, informáticos y científicos sociales computacionales) deben reconocer el valor de los equipos interdisciplinarios y las especificidades y sensibilidades del contexto. El impacto se maximizaría si los gobiernos y las autoridades públicas se incluyen desde el principio y a lo largo de sus esfuerzos para identificar las preguntas más relevantes y las necesidades de conocimiento. La creación de equipos interinstitucionales multidisciplinarios es de suma importancia, como se demostró recientemente con éxito en Bélgica y la región valenciana de España (45). Cuatro principios clave deberían guiar la implementación de tales equipos mixtos para mejorar su efectividad, a saber: i) la inclusión temprana de los gobiernos, ii) el enlace con las autoridades de protección de datos desde el principio, iii) el intercambio internacional y iv) la preparación para todos etapas de la pandemia.

Las autoridades públicas y gubernamentales relevantes deben participar temprano, y los investigadores deben aprovechar sus sistemas de conocimiento y la necesidad de información. Un desafío clave es hacer que las percepciones sean viables: ¿cómo se pueden utilizar finalmente los resultados, como los mapas de propagación (por ejemplo, para establecer zonas de cuarentena, informar a los gobiernos locales, dirigir la comunicación) Al mismo tiempo, las expectativas deben ser realistas: las decisiones sobre las medidas deben basarse en hechos, pero al final son decisiones políticas. Muchas percepciones derivadas del análisis de datos de teléfonos móviles no tienen implicaciones prácticas: dicho análisis y la recopilación de datos relacionados deben desalentarse hasta que se demuestre que es necesario.

También sugerimos que tales esfuerzos sean transparentes e involucren a las autoridades de protección de datos y defensores de las libertades civiles desde el principio, y tengan ciclos de iteración rápidos con ellos. Por ejemplo, los formuladores de políticas deberían considerar la creación de un comité asesor de ética y privacidad para supervisar y proporcionar comentarios sobre los proyectos. Esto asegura que se mantenga la privacidad y aumenta la aceptación del usuario potencial. Los datos agregados de teléfonos móviles se pueden usar en línea incluso con las estrictas regulaciones europeas (GDPR). Las iniciativas anteriores han establecido principios y métodos para compartir datos o indicadores sin poner en peligro la información personal y crear soluciones para preservar la privacidad que solo utilizan incentivos para gestionar el comportamiento (46-48). La inclusión temprana de la autoridad de protección de datos en Bélgica ha llevado a la publicación de una declaración de la Junta Europea de Protección de Datos sobre cómo procesar los datos de teléfonos móviles en la lucha contra COVID-19 (49). Aun reconociendo el valor de los datos de los teléfonos móviles, la urgencia de la situación no debería conducir a la pérdida de la privacidad de los datos y otras libertades civiles que podrían volverse permanentes después de la pandemia. En este sentido, la donación de datos para bien y el intercambio directo y limitado (en tiempo y alcance) de datos agregados por parte de operadores de redes móviles con gobiernos e investigadores (democráticos) parece ser menos problemático que el uso comercial de datos de ubicación individuales. adquirido, reunido y analizado por empresas comerciales. En términos más generales, cualquier sistema de datos de emergencia configurado para monitorear COVID-19 y más allá debe seguir un conjunto equilibrado y bien articulado de políticas y pautas de datos y está sujeto a evaluaciones de riesgos.

Específicamente, cualquier esfuerzo debe cumplir con pruebas claras sobre el uso proporcional, legal, responsable, necesario y ético de los datos del teléfono móvil en las circunstancias de la pandemia y tratar de minimizar la cantidad de información recopilada para lo necesario para lograr el objetivo en cuestión. Estos no son criterios nuevos; están bien inscritos en las normas y leyes internacionales de derechos humanos relacionadas, por ejemplo, con el uso de la fuerza. Ciertamente, el uso de datos de teléfonos móviles no equivale al uso de la fuerza, pero en las manos equivocadas, puede tener efectos igualmente devastadores y reducir significativamente las libertades civiles. Teniendo en cuenta la amplia ausencia de marcos legales y el mal manejo histórico de los datos por parte de las compañías de tecnología, existe una necesidad urgente de un liderazgo y gobierno global responsable para guiar los esfuerzos para usar la tecnología en tiempos de emergencia.

Además, vemos una clara necesidad de más intercambio internacional, con otros expertos de dominio, pero también con otras iniciativas y grupos; los hallazgos deben compartirse rápidamente: habrá tiempo para publicaciones revisadas por pares más adelante. Especialmente en países con sistemas de salud más débiles (y a menudo también económicos), la focalización y la efectividad de las intervenciones no farmacéuticas pueden hacer una gran diferencia. Esto también implica la traducción de hallazgos importantes del inglés a otros idiomas relevantes.

Para las etapas posteriores de la pandemia y para el futuro, las partes interesadas deben aspirar a un nivel mínimo de "preparación" para una acción inmediata y rápida. A nivel de país y / o región, habrá una necesidad de equipos mixtos "permanentes"; tecnología actualizada, acuerdos básicos y prescripciones legales; y acceso a datos, procedimientos y protocolos predefinidos (también para "protocolos de anonimización y agregación apropiados" (46)). Una colaboración a largo plazo entre modeladores de enfermedades infecciosas, epidemiólogos e investigadores de laboratorios de operadores de redes móviles en Francia ayudó a impulsar un proyecto sobre la pandemia de COVID-19, con el apoyo de las autoridades de salud pública (50).

Finalmente, además del intercambio internacional (horizontal), también necesitamos enfoques internacionales que sean coordinados por organismos supranacionales. Las iniciativas nacionales pueden ayudar en cierta medida, pero a la larga no serán suficientes. Una pandemia global requiere un trabajo coordinado globalmente o al menos regionalmente. Aquí, están surgiendo enfoques prometedores: la Comisión de la UE, el 23 de marzo de 2020, instó a los operadores de redes móviles europeas a entregar datos anónimos y agregados a la Comisión para rastrear la propagación de virus y determinar áreas prioritarias para suministros médicos (51), mientras que otras iniciativas de coordinación son emergentes en África, América Latina y la región MENA. Será importante que tales iniciativas se vinculen, compartan conocimientos y colaboren. La pandemia de Covid-19 no terminará pronto, y no será la última pandemia que enfrentamos. Deben prepararse y examinarse por adelantado las soluciones éticamente aceptables y éticamente aceptables para usar datos de teléfonos móviles, y debemos aumentar la preparación a nivel nacional e internacional, para que podamos actuar rápidamente cuando llegue la crisis.


References and Notes