MADRID, 23 Sep. (EUROPA PRESS) -
Científicos de la Universidad Normal de Shanghai investiga la forma en que la dispersión humana afecta el control de enfermedades y el alcance total de la propagación de una infección, cuyos resultados publican en la revista 'SIAM Journal of Applied Mathematics'.
Debido a las continuas mejoras en la tecnología del transporte, la gente viaja más extensamente que nunca. Aunque esta conexión fortalecida entre países lejanos tiene muchos beneficios, también representa una seria amenaza para el control y la prevención de enfermedades. Cuando los humanos infectados viajan a regiones que están libres de sus contagios particulares, pueden transmitir inadvertidamente sus infecciones a los residentes locales y causar brotes de enfermedades.
Este proceso ha ocurrido repetidamente a lo largo de la historia, y recientemente con el brote de SARS en 2003, la pandemia de gripe H1N1 en 2009 y, sobre todo, la actual pandemia de COVID-19.
Los casos importados desafían la capacidad de los países no endémicos --países donde la enfermedad en cuestión no está presente habitualmente-- para eliminar por completo el contagio. Cuando se combina con factores adicionales como la mutación genética en patógenos, este problema hace que la erradicación global de muchas enfermedades sea extremadamente difícil, si no imposible.
Por lo tanto, reducir el número de infecciones es generalmente un objetivo más factible. Pero para lograr el control de una enfermedad, las agencias de salud deben comprender cómo los viajes entre regiones separadas afectan su propagación.
Daozhou Gao, de la Universidad Normal de Shanghai, investigó la forma en que la dispersión humana afecta el control de enfermedades y el alcance total de la propagación de una infección. Pocos estudios anteriores han explorado el impacto del movimiento humano en el tamaño de la infección o la prevalencia de la enfermedad, definida como la proporción de individuos en una población que están infectados con un patógeno específico, en diferentes regiones.
Esta área de investigación es especialmente pertinente durante los brotes de enfermedades graves, cuando los líderes gobernantes pueden reducir drásticamente la movilidad humana al cerrar fronteras y restringir los viajes. Durante estos tiempos, es esencial comprender cómo la limitación de los movimientos de las personas afecta la propagación de enfermedades.
Para examinar la propagación de la enfermedad en toda una población, los investigadores suelen utilizar modelos matemáticos que clasifican a los individuos en múltiples grupos distintos, o compartimentos. En su estudio, Gao utilizó un tipo particular de modelo de compartimentos llamado el modelo de parche susceptible-infectado-susceptible (SIS).
Dividió la población de cada parche --un grupo de personas como una comunidad, ciudad o país-- en dos compartimentos: personas infectadas que actualmente tienen la enfermedad designada, y personas que son susceptibles de contraerla. La migración humana entonces conecta los parches. Gao asumió que las subpoblaciones susceptibles e infectadas se propagan a la misma velocidad, lo que generalmente es cierto para enfermedades como el resfriado común que a menudo sólo afectan levemente a la movilidad.
Cada parche en el modelo SIS de Gao tiene un cierto riesgo de infección que está representado por su número de reproducción básico (R 0 ), la cantidad que predice cuántos casos serán causados por la presencia de una sola persona contagiosa dentro de una población susceptible.
"Cuanto mayor es el número de reproducción, mayor es el riesgo de infección --explica Gao--. Así que se supone que el número de reproducción del parche de un parche de mayor riesgo es mayor que el de un parche de menor riesgo". Sin embargo, este número solo mide el potencial de transmisión inicial y rara vez puede predecir el verdadero alcance de la infección.
Gao usó por primera vez su modelo para investigar el efecto del movimiento humano en el control de enfermedades comparando el tamaño total de la infección que resultó cuando los individuos se dispersaron rápidamente versus lentamente.
Descubrió que si todos los parches se recuperan al mismo ritmo, una gran dispersión da como resultado más infecciones que una pequeña dispersión. Sorprendentemente, un aumento en la cantidad de propagación de las personas puede reducir el R 0 y, al mismo tiempo, aumentar la cantidad total de infecciones.
El modelo de parche SIS también puede ayudar a dilucidar cómo la dispersión afecta la distribución de infecciones y la prevalencia de la enfermedad dentro de cada parche. Sin difusión entre parches, un parche de mayor riesgo siempre tendrá una mayor prevalencia de la enfermedad, pero Gao se preguntó si ocurría lo mismo cuando las personas pueden viajar hacia y desde ese parche de alto riesgo.
El modelo reveló que la difusión puede disminuir el tamaño de la infección en el parche de mayor riesgo, ya que exporta más infecciones de las que importa, pero esto, en consecuencia, aumenta las infecciones en el parche de menor riesgo. Sin embargo, nunca es posible que el par che de mayor riesgo tenga la prevalencia de enfermedad más baja.
Usando una simulación numérica basada en el resfriado común, cuyos atributos están bien estudiados, Gao profundizó en el impacto de la migración humana en el tamaño total de una infección. Cuando incorporó solo dos parches, su modelo exhibió una amplia variedad de comportamientos bajo diferentes condiciones ambientales.
Por ejemplo, la dispersión de humanos a menudo condujo a un tamaño total de infección mayor que la ausencia de dispersión, pero la rápida dispersión de humanos en un escenario en realidad redujo el tamaño de la infección. En diferentes condiciones, una pequeña dispersión fue perjudicial, pero una gran dispersión finalmente resultó beneficiosa para el manejo de la enfermedad.
Gao clasifica completamente las combinaciones de parámetros matemáticos para los cuales la dispersión causa más infecciones cuando se compara con la falta de dispersión en un entorno de dos parches. Sin embargo, la situación se vuelve más compleja si el modelo incorpora más de dos parches.
Una mayor investigación sobre el enfoque de modelado de parches SIS de Gao podría revelar información más matizada sobre las complejidades del impacto de las restricciones de viaje en la propagación de enfermedades, que es relevante para situaciones del mundo real, como el cierre de fronteras durante la pandemia de COVID-19.
"Que yo sepa, este es posiblemente el primer trabajo teórico sobre la influencia del movimiento humano en el número total de infecciones y su distribución --destaca Gao--. Hay numerosas direcciones para mejorar y ampliar el trabajo actual".
Por ejemplo, el trabajo futuro podría explorar el resultado de una prohibición en solo algunas rutas de viaje, como cuando Estados Unidos prohibió los viajes desde China para impedir la propagación del COVID-19, pero no logró bloquear los casos entrantes de Europa.
