domingo, 29 de marzo de 2020

Aplanar la curva del corona virus

Sobre epidemias, transmisión y aislamiento


Juan M.C. Larrosa


La reciente pandemia de corona virus COVID-19 ha cambiado la vida en el Mundo. El aislamiento y la desconexión social obligatoria están siendo la norma en gran parte de los países que registran casos y en aquellos en los que existe riesgo de que potencialmente ello ocurra. Las empresas emiten órdenes para que sus empleados se queden en casa al igual que el gobierno con los empleados públicos, las escuelas dictan sus programas en línea, los eventos masivos se cancelan, la circulación vehicular es restringida, entre tantos otros ejemplos. ¿Por qué tomar tan drásticas medidas? Han existido otras pandemias y epidemias, ¿qué es lo que hace a ésta en particular tan restrictiva en la vida cotidiana?


Para ello la ciencia ha desarrollado desde hace siglos modelos epidemiológicos. El análisis de redes sociales ha añadido formas gráficas y formales adicionales al análisis matemático más tradicional. En un ejemplo simple, una red se compone de agentes o nodos que interactúan estando algunos infectados inicialmente con una enfermedad transmisible. La interacción genera un lazo o enlace entre dos agentes y si alguno está infectado se lo transmite al segundo. Esa transmisión depende muy específicamente del tipo de enfermedad que se esté modelando. En el caso del COVID-19 es mayormente por contacto (aunque se sabe que el virus sobrevive 3 horas en el aire) con alguna parte del cuerpo o zona tocada por el infectado. En otros tipos de enfermedades, como las enfermedades sexuales, el contacto transmisor es obviamente muy diferente. Sin embargo todo el tiempo interactuamos y contagiamos miles de virus entre todos nosotros. Y aquí emerge la cuestión de la inmunidad. Si un agente se encuentra inmunizado (sea por haber creado anticuerpos dado que ya sufrió la enfermedad o por haberse vacunado contra la misma) entonces el contacto puede emerger indemne resultando no infectado. Estos anticuerpos que se pueden generar una vez el cuerpo haya sufrido la afección se espera siempre que generen en la población una inmunización colectiva, como ha ocurrido a gran parte de las enfermedades estacionales que sufrimos. Sin embargo, el COVID-19 demuestra ser extremadamente contagioso y agresivo una vez instalado en el organismo. Y aquí es donde surge el problema de lo que podría ser una gripe tradicional: el ataque es tan fuerte que requiere el uso de internación y servicios médicos de urgencia, esos que como su nombre lo indica están abastecidos en cantidades asociadas a la probabilidades normales de surgimiento de emergencias y no para abastecer al mismo tiempo a una población general completa. Sin esta prestación, el paciente víctima del virus no llega a recuperarse y puede morir, con ello obviamente haciendo extremadamente costoso el proceso de inmunización colectiva. Diversos protocolos se han implementado con relativo éxito en diversos sistemas de salud como Corea del Sur, Singapur y Japón que han reducido la velocidad de transmisión del contagio. El resto de las naciones está sufriendo la curva exponencial ascendente de los contagios que colapsa los sistemas de salud. Ese efecto es el que se denomina aplanar la curva. Es decir, quitarle la expansión exponencial del contagio para permitir que los sistemas de salud puedan aceptar los pacientes que ingresan con necesidad de atención de urgencia. La cuarentena o aislamiento obligatorio es una medida eficiente cuando el sistema de salud no tiene una escala de atención o posee tecnología insuficiente. Ello hace que el contagio tarde forzosamente más, quitándole exponencialidad a la curva de afectados lo que hace más probable que la infraestructura de salud atienda a las víctimas en estadios más avanzados de la enfermedad.

Veamos un ejemplo simple.

Imaginemos 100 personas, conectadas en distinto grado, sujetas a contagio por contacto, de modo que exista una posibilidad alta de contagio y baja de recuperarse en tiempo (como el COVID 19). Los nodos o círculos representan a personas. El color rojo indica personas con corona virus, los verdes personas susceptibles (es decir que todavía no han sido infectados pero podrían serlo) y podría haber nodos azules recuperados de la infección y ya inmunizados pero actualmente existen muy pocos casos por que supondremos que la tasa de inmunización es cero todavía. Podemos apreciar qué quiere decir aplanar la curva. En Gráfico 1 a continuación se compone de ocho gráficos más pequeños en los que se pueden observar una red arriba y un gráfico temporal debajo que mide la evolución del contagio una vez iniciado a través de un nodo infectado inicial que se observa en cada ejemplo de red a la izquierda. Vamos observar dos escenarios: la red superior con alta conectividad (el número de contactos en promedio, técnicamente grado promedio, por cada nodo es 10) y en escenario debajo la conectividad baja a 1. Eso se aprecia claramente en la primera red con muchas líneas (llamadas enlaces) partiendo de los nodos mientras que en la segunda red debajo se aprecian muchos nodos aislados (sin enlaces). El primer escenario es seguir la vida como la venía teniendo, el segundo es el aislamiento o cuarentena.

Partiendo del nodo de contagio inicial la simulación muestra cómo, a través de los enlaces, ese virus se transmite al resto de la red. Ello es cuantificado en el gráfico temporal debajo en la red altamente conectada como el contagio alcanza a todos los nodos muy rápidamente mientras que en el gráfico temporal inferior, con baja conectividad, el virus queda aislado en el lugar donde se hallaba el nodo de contagio inicial y no se disipa al resto de la red. La curva de evolución en este segundo caso es mucho más aplanada que en el primer caso.


Gráfico 1. Simulación de transmisión con dos escenarios de conectividad



El aplanamiento de la curva de contagio es la manera más fácil de lograr frenar el contagio aunque es evidente que es enormemente costosa en términos de nivel de actividad. Sobre todo en ciudades donde el grado de interacción promedio se eleva a valores mucho mayores que 10 de forma cotidiana (Eubank y otros, 2004).

Finalmente, las formas de control de contagio adoptadas en otros países que han logrado aplacar la curva han recaído en procesos de control de la ciudadanía a través de smartphones (China, Corea del Sur), con atención temprana de casos sospechosos y pruebas inmediatas para detectar infectados (Singapur), en un ataque sistémico para tratar de identificar y tratar cada caso en su territorio. La detección temprana permite trabajar directamente con ese caso, lograr reestablecerlo utilizando los servicios de urgencia e internación y con ello inmunizarlo. En general, los países que han tomado medidas más agresivas más temprano son quienes están mostrando curvas de contagio más aplanadas. Países que han tardado más como Irán, Italia o España están mostrando curvas lamentablemente más empinadas.


Referencias

Eubank, S., Guclu, H., Anil Kumar, V. S., Marathe, M. V., Srinivasan, A., Toroczkai, Z., & Wang, N. (2004). Modelling disease outbreaks in realistic urban social networks. Nature, 429(6988), 180–184. doi:10.1038/nature02541






domingo, 22 de marzo de 2020

Coronavirus: Esperando la potencialmente muy costosa inmunidad colectiva



¿Qué es la inmunidad colectiva y puede detener el coronavirus?

Una vez que suficientes personas obtengan Covid-19, dejará de propagarse por sí solo. Pero los costos serán devastadores.
por Antonio Regalado || MIT Technology Review


Básicamente hay tres formas de detener la enfermedad de Covid-19 para siempre. Uno implica restricciones extraordinarias a la libertad de movimiento y montaje, así como pruebas agresivas, para interrumpir su transmisión por completo. Eso puede ser imposible ahora que el virus se encuentra en más de 100 países. La segunda es una vacuna que podría proteger a todos, pero aún debe desarrollarse.

Un tercero es potencialmente efectivo pero horrible de considerar: solo espere hasta que suficientes personas lo entiendan.

Si el virus continúa propagándose, eventualmente tantas personas se habrán infectado y (si sobreviven) se volverán inmunes que el brote desaparecerá por sí solo a medida que el germen encuentre cada vez más difícil encontrar un huésped susceptible. Este fenómeno se conoce como inmunidad colectiva.

La propagación amplia e imparable del coronavirus es exactamente un resultado que los expertos están modelando en sus peores escenarios. Dicen que, dado lo que saben sobre el virus, podría terminar infectando aproximadamente el 60% de la población mundial, incluso dentro del año.

Esas cifras no son una suposición aleatoria. Están informados por el punto en el que los epidemiólogos dicen que la inmunidad de rebaño debería intervenir para este virus en particular.

La semana pasada, la idea de inmunidad de rebaño explotó en los titulares después de que el primer ministro del Reino Unido, Boris Johnson, indicara que la estrategia oficial del país podría ser ponerse rígido el labio superior y dejar que la enfermedad siga su curso. El principal asesor científico del gobierno del Reino Unido, Patrick Vallance, dijo que el país necesitaba "desarrollar algún tipo de inmunidad colectiva para que más personas sean inmunes a esta enfermedad y reduzcamos la transmisión".

Ayer, el primer ministro de los Países Bajos, Mark Rutte, hizo una nota similar, diciendo: "Podemos frenar la propagación del virus y al mismo tiempo desarrollar la inmunidad grupal de manera controlada".

Pero buscar la inmunidad del rebaño de inmediato sería una estrategia desastrosa, según los modelos más nuevos. Esto se debe a que muchas personas se enfermarán gravemente, y un repentino auge de personas enfermas que necesitan atención hospitalaria o en la UCI abrumará a los hospitales. El Reino Unido esta semana señaló que, en cambio, haría más para suprimir el virus, incluidas las reuniones desalentadoras. Disminuir la velocidad significaría que los sistemas de salud podrían salvarse y salvar vidas, pero en última instancia, el resultado podría ser el mismo. Es decir, incluso si la pandemia se prolonga con el tiempo, aún puede requerir inmunidad colectiva para ponerle fin.

Como Matt Hancock, Secretario de Salud y Asistencia Social del Reino Unido, aclaró después de las críticas al gobierno del Reino Unido: “La inmunidad colectiva no es nuestro objetivo o política. Es un concepto científico ".

Pero, ¿qué es exactamente la inmunidad colectiva?

Cuando una cantidad suficiente de la población es resistente a un germen, su propagación se detiene naturalmente porque no hay suficientes personas capaces de transmitirlo. Por lo tanto, el "rebaño" es inmune, aunque muchas personas dentro de él todavía no lo son.

Aunque es espantoso contemplar la posibilidad de que miles de millones se infecten con el coronavirus, que tiene una tasa de mortalidad estimada por infección de alrededor del 1% (pdf) (eso también es incierto, y la tasa de letalidad de los casos trasladados al hospital es mayor) , hemos visto evidencia de la aparición de inmunidad colectiva en otros brotes recientes.

Cómo la inmunidad colectiva puede detener un virus


En un modelo simple de brote, cada caso infecta a dos más, creando un aumento exponencial de la enfermedad. Pero una vez que la mitad de la población es inmune, un brote ya no crece en tamaño.

Considere el virus Zika, una enfermedad transmitida por mosquitos que causó una epidemia de pánico en 2015 debido a un vínculo con anormalidades de nacimiento.

Dos años después, en 2017, ya no había tanto de qué preocuparse. Un estudio brasileño encontró al verificar muestras de sangre que el 63% de la población en la ciudad costera de Salvador, en el noreste, ya había estado expuesta al Zika; Los investigadores especularon que la inmunidad del rebaño había roto ese brote.

Las vacunas también crean inmunidad colectiva, ya sea cuando se administran ampliamente o, a veces, cuando se administran en un "anillo" alrededor de un nuevo caso de infección rara. Así es como se erradicaron enfermedades como la viruela y por qué la poliomielitis está a punto de borrarse. Se están realizando varios esfuerzos de vacuna para este coronavirus, pero es posible que no estén listos por más de un año.

Incluso entonces, los fabricantes de vacunas pueden encontrarse en una carrera perdedora con la naturaleza para ver cuál protege primero al rebaño. Eso es en parte lo que sucedió en 2017, cuando el fabricante de medicamentos Sanofi abandonó silenciosamente una vacuna contra el Zika en desarrollo después de que se agotaron los fondos: simplemente ya no había mucho mercado.

El coronavirus es nuevo, por lo que no parece que alguien sea inmune a él: eso es lo que le permite propagarse y por qué puede tener efectos tan graves en algunas personas.

Para que la inmunidad colectiva se arraigue, las personas deben volverse resistentes después de haber sido infectadas. Eso ocurre con muchos gérmenes: las personas que están infectadas y se recuperan se vuelven resistentes a contraer esa enfermedad nuevamente, porque su sistema inmunológico está cargado de anticuerpos capaces de vencerla.

Alrededor de 80,000 personas ya se han recuperado del coronavirus, y es probable que ahora sean resistentes, aunque el grado de inmunidad sigue siendo desconocido. "Me sorprendería, pero no totalmente, si las personas no se vuelven inmunes", dice Myron Levine, un experto en enfermedades infecciosas de la Universidad de Maryland. Algunos virus, como la gripe, encuentran formas de seguir cambiando, por lo que la inmunidad contra estos gérmenes estacionales no está completa.

¿Cuándo llegamos a la inmunidad?


El punto en el que alcanzamos la inmunidad del rebaño está matemáticamente relacionado con la propensión de propagación del germen, expresada como su número de reproducción, o R0. El R0 para el coronavirus está entre 2 y 2.5, estiman los científicos (pdf), lo que significa que cada persona infectada lo transmite a otras dos personas, sin medidas para contener el contagio.

Para imaginar cómo funciona la inmunidad colectiva, piense en los casos de coronavirus que se multiplican en una población susceptible de esta manera: 1, 2, 4, 8, 16, y así sucesivamente. Pero si la mitad de las personas son inmunes, la mitad de esas infecciones nunca sucederán, por lo que la velocidad de propagación se reduce efectivamente en dos. Luego, según el Science Media Center, el brote se cuece a fuego lento de esta manera: 1, 1, 1, 1 ... El brote se apaga una vez que la tasa de infección es inferior a 1.

La tasa actual de propagación de gérmenes es más alta que la de la gripe común, pero similar a la de las nuevas influencias emergentes que ocasionalmente han barrido el mundo antes. “Eso es similar a la gripe pandémica de 1918, e implica que el final de esta epidemia requerirá que casi el 50% de la población sea inmune, ya sea por una vacuna que no está en el horizonte inmediato o por una infección natural. ", Dijo el epidemiólogo de la Universidad de Harvard, Marc Lipsitch, a una reunión de expertos en una videollamada este fin de semana.

Cuanto más infeccioso es un virus, más personas necesitan ser inmunes para que podamos lograr la inmunidad del rebaño. El sarampión, una de las enfermedades de transmisión más fácil con un R0 mayor de 12, requiere que aproximadamente el 90% de las personas sean resistentes para que las personas desprotegidas obtengan un viaje gratis del rebaño. Es por eso que pueden surgir nuevos brotes cuando incluso un pequeño número de personas opta por la vacuna contra el sarampión.

Del mismo modo, si el coronavirus se propaga más fácilmente de lo que piensan los expertos, más personas necesitarán contraerlo antes de alcanzar la inmunidad del rebaño. Para un R0 de 3, por ejemplo, el 66% de la población tiene que ser inmune antes de que el efecto entre en acción, según el modelo más simple.

Ya sea 50% o 60% u 80%, esas cifras implican miles de millones infectados y millones asesinados en todo el mundo, aunque cuanto más lentamente se desarrolle la pandemia, mayores serán las posibilidades de que nuevos tratamientos o vacunas ayuden.

Los modelos epidemiológicos más nuevos desarrollados en el Reino Unido ahora recomiendan la "supresión" agresiva del virus. Las tácticas básicas que se recomendarían serían aislar a las personas enfermas, tratar de reducir los contactos sociales en un 75% y cerrar las escuelas. Esas medidas económicamente costosas podrían continuar durante muchos meses.

"Suprimir la transmisión significa que no aumentaremos la inmunidad del rebaño", dice Azra Ghani, la epidemióloga principal del nuevo modelo del brote del Imperial College de Londres. La compensación del éxito es "que lo estamos reduciendo a un nivel tan bajo que tenemos que mantener esas [medidas] en su lugar".

Ayudando a predecir la epidemia con ARS (en inglés)

sábado, 14 de marzo de 2020

Más formalmente, cómo la desconexión corta el contagio

Cierre de escuelas, cancelación de eventos y localización mesoscópica de epidemias en redes con estructura de orden superior.

Guillaume St-Onge, 1, 2
Vincent Thibeault, 1, 2
Antoine Allard, 1, 2
Louis J. Dubé, 1, 2 y 
Laurent Hébert-Dufresne1, 3, 41
1 - Département de physique, de génie physique et d'optique, Université Laval, Québec (Québec), Canadá G1V 0A62 
2 - Centre interdisciplinaire en modélisation mathématique, Université Laval, Québec (Québec), Canadá G1V 0A6
3 - Vermont Complex Systems Center, Universidad de Vermont, Burlington, VT 05405
4 - Departamento de Informática, Universidad de Vermont, Burlington, VT 05405




La epidemia de COVID-19 es un desafío en muchos sentidos, quizás lo más obvio son las fallas del sistema de vigilancia. En consecuencia, la intervención oficial se ha centrado en la sabiduría convencional (distanciamiento social, lavado de manos, etc.), mientras que las decisiones críticas como la cancelación de grandes eventos como festivales, talleres y conferencias académicas se realizan caso por caso con información limitada sobre riesgos locales Agregar a esta incertidumbre es el hecho de que nuestros modelos matemáticos tienden a asumir cierto nivel de patrones de mezcla aleatorios en lugar de las estructuras de orden superior necesarias para describir estos grandes eventos. Aquí, discutimos una descripción de orden superior de la dinámica epidémica en las redes que proporciona una forma natural de extender los modelos comunes a la interacción más allá de los simples contactos por pares. Mostramos que, a diferencia de la difusión clásica de los modelos de epidemia estándar, las interacciones de orden superior pueden dar lugar a la localización mesoscópica, es decir, un fenómeno en el que hay una concentración de la epidemia alrededor de ciertas subestructuras en la red. Discutimos las implicaciones de estos resultados y mostramos el impacto potencial de una cancelación general de eventos mayores que un cierto tamaño crítico. A diferencia de los modelos estándar de dinámica deslocalizada, las epidemias en una fase localizada pueden colapsar repentinamente al enfrentar una intervención que opera sobre estructuras en lugar de individuos.


Diferentes tasas de transmisión dependiendo de las medidas preventivas

Singapur recibe elogios por su estrategia COVID-19. Estados Unidos no

Jason Beaubien || NPR


Hong Kong y Singapur fueron golpeados temprano con el coronavirus. Pero cada uno tiene ahora menos de 200 casos, mientras que Francia, Alemania y España, que fueron golpeados tarde, tienen más de 10 veces ese número.

Hace tres semanas, Italia tenía solo tres casos. Ahora tiene más de 10,000.

Estas diferencias dramáticas muestran que la forma en que los gobiernos responden a este virus es importante, dice Mike Ryan, jefe de emergencias de la Organización Mundial de la Salud.

"La esperanza no es una estrategia", dice Ryan, quien es epidemiólogo. "Todavía estamos en el ciclo ascendente de esta epidemia".





Ryan, veterano de numerosas crisis sanitarias mundiales, desde el SARS hasta la gripe aviar y el ébola, señala que las medidas increíblemente agresivas de China, Corea del Sur y Japón parecen estar provocando brotes en esos países bajo control.

"Existe claramente una indicación de que un enfoque sistemático dirigido por el gobierno que usa todas las tácticas y todos los elementos disponibles parece ser capaz de revertir esta enfermedad", dice.

Él ha estado suplicando a los gobiernos de todo el mundo que se preparen para el nuevo coronavirus antes de que aparezca en su puerta, o que entren en acción cuando llegue.

Eso es lo que hicieron Hong Kong y Singapur.

Ambos configuraron rápidamente sistemas para tratar de identificar y tratar cada caso en su territorio. Hong Kong desarrolló pruebas de diagnóstico y las implementó rápidamente en los laboratorios de todos los principales hospitales de la ciudad. En un momento en febrero, Hong Kong tenía 12,000 personas en cuarentena. El primer ministro de Singapur pidió calma y aseguró a los residentes que toda la atención médica relacionada con la enfermedad sería gratuita.

Tanto Hong Kong como Singapur continúan encontrando algunos casos nuevos cada semana, pero han evitado los brotes explosivos que se han producido en otros lugares.

Ashish Jha, que dirige el Instituto de Salud Global de Harvard, dice que la respuesta al coronavirus ha variado dramáticamente en todo el mundo. "Algunos países han sido muy agresivos y en realidad han hecho un buen trabajo", dice. "Otros países han sido bastante poco optimistas y, creo, lo han sufrido inmensamente. Y creo que hay lecciones que aprender para todos nosotros".

Italia e Irán caen en la última categoría. Jha dice que antes de que se diagnosticaran los casos de COVID-19, Italia e Irán parecían negar la enfermedad.

"Quiero decir, tenías al viceministro de salud de Irán tosiendo en la televisión nacional hablando de coronavirus", dice Jha. "Pero realmente no lo tomo en serio".

Ese viceministro de salud luego dio positivo por el virus.

Cuando la gente comenzó a enfermarse, ni Italia ni Irán hicieron muchas pruebas. Tardaron en detener las reuniones masivas. Finalmente, ambos países se vieron abrumados por los casos.

Entonces, ¿cómo ha sido la respuesta de los Estados Unidos?

"Nuestra respuesta es mucho, mucho peor que casi cualquier otro país que haya sido afectado", dice Jha.

Él usa las palabras "impresionante", "fiasco" y "alucinante" para describir lo malo que es.

"Y no lo entiendo", dice con incredulidad. "Todavía no entiendo por qué no tenemos pruebas exhaustivas. ¡Vietnam! Vietnam ha evaluado a más personas que Estados Unidos". (Está citando datos de principios de esta semana. Desde entonces, EE. UU. comenzó a realizar pruebas más amplias, aunque las cifras exactas aún no están disponibles a nivel nacional).

Los Centros para el Control y la Prevención de Enfermedades comenzaron a examinar a los viajeros extranjeros en busca de coronavirus a mediados de enero. Pero los kits de prueba iniciales desarrollados por los CDC eran defectuosos, y tomó semanas resolver los problemas. Es solo esta semana que las pruebas a gran escala han comenzado a estar disponibles en los Estados Unidos.

Jha cree que el retraso de una semana en la implementación de las pruebas, en un momento en que muchas otras pruebas estaban disponibles en todo el mundo, ha obstaculizado por completo la respuesta de Estados Unidos a esta crisis.

"Sin pruebas, no tienes idea de cuán extensa es la infección. No puedes aislar a las personas. No puedes hacer nada", dice. "Y entonces nos quedamos con un conjunto completamente diferente de opciones. Tenemos que cerrar las escuelas, los eventos y todo lo demás, porque esa es la única herramienta disponible hasta que volvamos a hacer las pruebas. Me ha sorprendido lo mal que está la respuesta federal ha sido ".

Él dice que ahora hay probablemente entre cinco y 10 veces más casos en la comunidad que los que realmente se han detectado. Hasta que se encuentren estos individuos, es probable que infecten a más personas, dice, y el brote en los Estados Unidos seguirá creciendo.

Hong Kong, que comenzó las pruebas en enero y se enfrentó al epicentro del brote global, solo había confirmado 126 casos hasta el 10 de marzo. Ese mismo día, Estados Unidos informó el doble de ese número en las últimas 24 horas.

Aplastando la curva de la pandemia con el aislamiento individual

Aplanando la curva de una pandemia: por qué quedarse en casa ahora puede salvar vidas

María Godoy - NPR





A medida que el coronavirus continúa propagándose en los EE. UU., cada vez más empresas envían a sus empleados a trabajar desde casa. Las escuelas públicas están cerrando, las universidades imparten clases en línea, los principales eventos se cancelan y las instituciones culturales cierran sus puertas. Incluso Disney World y Disneyland están listos para cerrar. La interrupción de la vida cotidiana para muchos estadounidenses es real y significativa, pero también lo son los beneficios potenciales para salvar vidas.

Todo es parte de un esfuerzo por hacer lo que los epidemiólogos llaman aplastar la curva de la pandemia. La idea es aumentar el distanciamiento social para frenar la propagación del virus, de modo que no se produzca un gran aumento en la cantidad de personas que se enferman de una vez. Si eso sucediera, no habría suficientes camas de hospital o ventiladores mecánicos para todos los que los necesitan, y el sistema hospitalario de los EE. UU. se vería abrumado. Eso ya está sucediendo en Italia.

"Si piensas en nuestro sistema de atención médica como un vagón del metro y es hora pico, y todos quieren subirse al auto una vez, comienzan a apilarse en la puerta", dice Drew Harris, investigador de salud de la población de la Universidad Thomas Jefferson en Filadelfia. "Se amontonan en la plataforma. Simplemente no hay suficiente espacio en el automóvil para cuidar a todos, para acomodar a todos. Ese es el sistema que está abrumado. Simplemente no puede manejarlo, y la gente termina sin recibir servicios que necesitar."
 
Harris es el creador de una visualización gráfica ampliamente compartida por qué es tan importante aplanar la curva de una pandemia, incluida la actual: hemos reproducido su gráfico en la parte superior de esta página. La curva bronceada representa un escenario en el que el sistema hospitalario de EE. UU. se inunda con pacientes con coronavirus.

Sin embargo, Harris dice que si podemos retrasar la propagación del virus para que no aparezcan nuevos casos a la vez, sino que en el transcurso de semanas o meses ", entonces el sistema puede ajustar y acomodar a todas las personas que posiblemente se enfermarán y posiblemente necesitarán atención hospitalaria ". La gente aún se infectaría, señala, pero a un ritmo que el sistema de salud podría seguir el ritmo, un escenario representado por la curva azul de pendiente más suave en el gráfico.

Estas dos curvas ya se han desarrollado en los EE. UU. en una edad más temprana, durante la pandemia de gripe de 1918. La investigación ha demostrado que cuanto más rápido se movieron las autoridades para implementar los tipos de medidas de distanciamiento social diseñadas para retrasar la transmisión de enfermedades, se salvaron más vidas. Y la historia de dos ciudades de EE. UU., Filadelfia y San Luis, ilustra la gran diferencia que pueden hacer esas medidas.

En Filadelfia, señala Harris, los funcionarios de la ciudad ignoraron las advertencias de los expertos en enfermedades infecciosas de que la gripe ya estaba circulando en su comunidad. En cambio, avanzaron con un desfile masivo en apoyo de los lazos de la Primera Guerra Mundial que reunieron a cientos de miles de personas. "En 48, 72 horas, miles de personas en la región de Filadelfia comenzaron a morir", señala Harris. En 6 meses, unas 16,000 personas habían muerto.

Mientras tanto, los funcionarios en St. Louis, Missouri, tuvieron una respuesta de salud pública muy diferente. A los dos días de los primeros casos reportados, la ciudad rápidamente pasó a estrategias de aislamiento social, según un análisis de 2007.

"Realmente trataron de limitar los viajes de las personas e implementar la salud pública 101: aislar y tratar a los enfermos, poner en cuarentena a las personas que han estado expuestas a enfermedades, cerrar las escuelas y alentar el distanciamiento social de las personas", dice Harris. "Y, por supuesto, alentando la higiene de las manos y otras actividades individuales".

Como resultado, St. Louis sufrió solo una octava parte de las muertes por gripe que vio Filadelfia, según esa investigación de 2007. Pero si St. Louis hubiera esperado una o dos semanas para actuar, podría haber sufrido un destino similar al de Filadelfia, concluyeron los investigadores.

En el momento en que se lanzó la investigación de 2007, el Dr. Anthony Fauci, director del Instituto Nacional de Alergias y Enfermedades Infecciosas y asesor principal en la respuesta de EE. UU. al COVID-19, dijo que la evidencia era clara de que la intervención temprana era crítica en el medio de la pandemia de 1918.

¿En cuanto a cuán grande será la actual pandemia de coronavirus en Estados Unidos? "Va a depender totalmente de cómo respondamos", dijo Fauci al Congreso a principios de esta semana.

"No puedo darte un número", dijo. "No puedo darte un número realista hasta que pongamos en él el factor de cómo respondemos. Si somos complacientes y no hacemos una contención y mitigación realmente agresivas, el número podría aumentar y estar involucrado en muchos, muchos millones ".

Modelando la red social del coronavirus

El mapeo de la red social de coronavirus


Para frenar el virus, Alessandro Vespignani y otros analistas están compitiendo para modelar el comportamiento de su huésped humano.



Alessandro Vespignani, director del Network Science Institute de la Northeastern University en Boston. Crédito ... Kayana Szymczak para The New York Times


Por Benedict Carey  ||  The New York Times



BOSTON - Las oficinas del Network Science Institute en la Northeastern University se encuentran 10 pisos por encima de Back Bay de Boston. Las ventanas envolventes ofrecen un panorama flotante de la ciudad, desde Boston Common hasta Fenway Park, mientras una media docena de jóvenes analistas trabajan silenciosamente en las computadoras.

A las 10 de la mañana de una mañana reciente, cuando se completaron las primeras llamadas a la Organización Mundial de la Salud y los médicos europeos y el registro con los Centros para el Control y la Prevención de Enfermedades programado para más tarde, Alessandro Vespignani, el director del instituto, tuvo algo de tiempo para trabajar. el cuarto. Con un blazer negro y jeans, se movió de cubículo en cubículo, brindando a cada miembro de su equipo las últimas actualizaciones sobre la pandemia de coronavirus.

"Llamamos a esto" tiempo de guerra "", dijo el Dr. Vespignani más tarde en su oficina; Estaba sentado, pero sus manos no habían dejado de moverse. "Antes de esto, estábamos trabajando en el Ébola y el Zika, y cuando estas cosas se están extendiendo, estás trabajando sobre la marcha, no te detienes. Continuamente estás modelando redes ".

Históricamente, los científicos que intentaban anticipar la trayectoria de las enfermedades infecciosas se centraron en las propiedades del agente en sí, como su nivel de contagio y letalidad. Pero las enfermedades infecciosas necesitan ayuda para propagar su miseria: humanos que se encuentran con humanos, en persona. En la última década más o menos, los principales investigadores han comenzado a incorporar redes sociales en sus modelos, tratando de identificar y analizar patrones de comportamiento individual que amplifican o silencian posibles pandemias.

Esos hallazgos, a su vez, informan recomendaciones de política. ¿Cuándo tiene sentido cerrar escuelas o lugares de trabajo? ¿Cuándo cerrará un borde hará una diferencia y cuándo no? Los funcionarios de salud mundiales consultan con los modeladores de redes sociales casi a diario, y el laboratorio del Dr. Vespignani es parte de uno de los varios consorcios que se consultan en las decisiones cruciales y tal vez disruptivas que se producirán en las próximas semanas. El viernes, en un análisis publicado por la revista Science, el grupo estimó que la prohibición de viajar de China a Wuhan retrasó el crecimiento de la epidemia en solo unos días en China continental y en dos o tres semanas en otros lugares. "En el futuro, esperamos que las restricciones de viaje a las áreas afectadas por COVID-19 tengan efectos modestos", concluyó el equipo.

"Hoy, con la enorme potencia de cómputo disponible en la nube, el Dr. Vespignani y otros colegas pueden modelar el mundo entero utilizando" datos disponibles públicamente, dijo la Dra. Elizabeth Halloran, profesora de bioestadística de la Universidad de Washington e investigadora sénior en El Centro de Investigación del Cáncer Fred Hutchinson. "Por un lado, está el auge de la ciencia de redes, y por otro, está el enorme aumento de la potencia informática".

El Dr. Vespignani llegó al análisis de redes a través de la física. Después de completar un Ph.D. En su Italia natal, realizó estudios postdoctorales en Yale, donde comenzó a centrarse en aplicar técnicas computacionales a la epidemiología y los datos geográficos.

Obtenga una guía informada del brote global con nuestro boletín diario de coronavirus.

"Mira, soy romano y soy fanático de Lazio", dijo el equipo de fútbol. “Estábamos en primer lugar, finalmente, ¿después de cuántos años? - y algunos fanáticos piensan que el coronavirus es una conspiración contra Lazio. No digo que esto sea gracioso, sino decir: cada red social funciona a su manera ".

Estaba de pie nuevamente y deambulaba por una hilera de oficinas con paredes de vidrio. En un momento, metió la cabeza en una oficina donde Ana Pastore y Piontti, física e investigadora asociada, estaba trabajando en uno de los problemas del día: el cierre de escuelas, analizado estado por estado y región por región. Los funcionarios de salud de todo el país están lidiando con el cierre de las escuelas locales: cuáles, qué tan pronto y por cuánto tiempo.

"Ana está trabajando en esto ahora, queremos poder estimar los efectos", dijo el Dr. Vespignani.



Detalles en un mapa de riesgos de principios de este mes que simulan la posible ruta del coronavirus desde China al resto del mundo. Crédito ... Kayana Szymczak para The New York Times

Su proyecto, como muchos otros en el instituto, utiliza datos del censo, que revela la composición de casi todos los hogares estadounidenses: la cantidad de adultos y niños, y sus edades. Desde un solo hogar, se puede construir un mapa grande. Primero, las conexiones entre mamá, papá, hijo e hija. A continuación se agregan las conexiones de papá en la tienda, las de mamá en una oficina y las de los niños en sus respectivas escuelas. El análisis podría determinar que, por ejemplo, un niño de 12 años que vive en el centro de Redmond, Washington, cerca de Seattle, entrará en contacto regular con sus padres, su hermana y un promedio de 20.5 compañeros en su escuela secundaria local. .

La repetición del proceso con los hogares cercanos genera un denso mapa digital de interconexiones en toda una comunidad. En el monitor de la computadora del Dr. Pastore y Piontti, se asemeja a un circuito eléctrico complejo, con alambres y cables multicolores desde y hacia concentrados centros de interacción.

"Piense en ello como rastrear todas las interacciones regulares en el videojuego SimCity", dijo.

A este mapa, agrega aún más conexiones, incorporando datos sobre viajes dentro y fuera de esa comunidad, por aire, tren o autobús (si dicha información está disponible). El resultado final, que ella llama una "matriz de contacto", parece un mapa de calor aproximado: una diapositiva de color que muestra quién tiene más probabilidades de interactuar con quién, por edad. De esto, resta de todas las interacciones escolares, revelando una estimación de cuántas interacciones menos, y posibles nuevas infecciones, ocurrirían al cerrar ciertas escuelas.

"Cada país, cada estado, puede ser muy diferente, dependiendo de los patrones de interacción y composición de los hogares", dijo el Dr. Pastore y Piontti. "Y luego está la cuestión de qué es más efectivo: una semana de cierre, o dos semanas, o cerrado hasta el próximo año escolar".

El Dr. Vespignani había desaparecido nuevamente en su oficina con un par de analistas de alto rango. Estaban acurrucados alrededor de un altavoz, pasando por los últimos cambios de modelado con un investigador externo. El laboratorio es parte de un consorcio que asesora al C.D.C. y atiende llamadas continuas de operaciones de mapeo de enfermedades infecciosas en todo el mundo.
La conversación y la consulta son continuas, porque el instituto debe navegar por las limitaciones inherentes a todos los modelos predictivos. Un desafío es que no se pueden anticipar lugares importantes para la progresión de la enfermedad: los cruceros, por ejemplo. Otro tiene en cuenta los eventos aleatorios, por ejemplo, una persona infectada que de repente decide que ahora es el momento de hacer un viaje soñado a España.

"Puede parecer algo pequeño en ese momento, pero después del hecho de que usted dice:" Oh, sí, eso fue muy importante ", dijo Duncan Watts, un científico de informática e información de la Universidad de Pensilvania. "¿Cómo manejas estos factores inesperados?"

Finalmente, a medida que las personas se vuelvan más informadas sobre el coronavirus, su comportamiento cambiará, a veces drásticamente y en masa.

"Una buena analogía es una tormenta", dijo el Dr. Steven Riley, profesor de dinámica de enfermedades infecciosas en el Imperial College de Londres, que ha realizado modelos durante décadas. “Se puede pronosticar una tormenta fuerte en un lugar en particular, y la gente sacará un paraguas y se pondrá un abrigo. Bueno, el impacto es menor para esas personas, pero no tiene ningún efecto en la tormenta. Con las enfermedades infecciosas, las precauciones de las personas, como el distanciamiento social, cambian la trayectoria de la enfermedad, y es muy difícil predecir o modelar eso ".

Para entonces, el Dr. Vespignani, nuevamente en movimiento, había arrinconado a un colega visitante, Mauricio Santillana, director del Laboratorio de Investigación de Inteligencia de Máquina en la Facultad de Medicina de Harvard.

El Dr. Santillana trabaja para comprender cómo cambia el comportamiento de las personas día a día en medio de una pandemia. Para obtener información, recurre a una amplia gama de variables, incluidas menciones de ciertas palabras: "fiebre", "neumonía", "coronavirus", en búsquedas en línea y comentarios en las redes sociales. Juntos, él y el Dr. Vespignani están tratando de encontrar la mejor manera de incorporar este análisis continuamente actualizado en los modelos de viaje y geográficos utilizados en el instituto.

"Podemos observar, por ejemplo, cuando X número de personas están buscando‘ fiebre "en línea, hubo Y número de personas que terminaron en el hospital", dijo el Dr. Santillana. "Entonces podemos usar ese tipo de datos del día a día para actualizar continuamente estos modelos de redes sociales".

Todo esto, en términos computacionales en bruto, es solo el comienzo de la campaña. Ningún modelo predictivo único es suficiente; El laboratorio de Vespignani y sus colegas de todo el mundo ejecutan millones de simulaciones regularmente para ayudar a evaluar qué resultados son los más probables en un mundo que cambia a diario. Google le ha otorgado espacio libre en la nube para hacerlo, porque la potencia informática interna no es lo suficientemente rápida.

Es difícil saber qué tan bien funciona este modelado, y si ayudará a contener el virus, mientras se libra la batalla, el Dr. Vespignani dijo: "Es en tiempo de paz, entre brotes, que podemos hacer ciencia real y mejorar el modelos. Esperemos que llegue pronto.