COVID-19 Resources Canada

Las simulaciones ayudan a reducir los efectos de una segunda ola de COVID-19

Publicado por Gabriel Wainer, PhD, el 4 de agosto de 2020


Gabriel Wainer es Profesor, Department of Systems and Computer Engineering, Carleton University.
Compartir en LinkedIn

El nuevo coronavirus SARS-CoV-2 llegó para quedarse por un tiempo. A mediados de junio, el número de casos en todo el mundo llegó a más de 8,6 millones de infectados, 450 mil muertes y 140 mil casos nuevos por día.

El virus afecta en mayor proporción a los varones y a aquellos con patologías subyacentes. Los factores étnicos, la edad, y la desigualdad social contribuyen a la gravedad y frecuencia de la enfermedad. Los grupos étnicos más afectados son los afroamericanos e indígenas.

La Segunda Ola

Para lograr inmunidad colectiva se precisa que del 60 al 70 por ciento de la población se vuelva inmune. Si este número de individuos contrajera la enfermedad, las consecuencias serán catastróficas y morirían de millones de personas. Una inmunidad colectiva segura y ética precisa de una vacuna contra el virus, asegurándose que una alta proporción de la población pueda ser inoculada. A menos que se descubra una vacuna, solo podemos controlar la pandemia usando medidas de control del comportamiento: distanciamiento físico (también llamado social), el uso de máscaras, siendof cuidadosos al toser y estornudar, lavándonos las manos seguido.

En la actualidad distintos gobiernos han implementado distintas reglas de distanciamiento físico, que van desde simples recomendaciones hasta cuarentenas estrictas. Pero el distanciamiento físico tiene consecuencias en la economía y la salud mental.

Diversos factores que incluyen la frustración de los individuos en cuarentena, los problemas de salud mental y la situación de la economía durante el encierro provocarán la segunda ola de COVID-19.

Frustración

La historia nos ha enseñado que una segunda ola podría ser más letal debido a la frustración del público y la urgente necesidad de reabrir las economías. La segunda ola de gripe de 1918, que causó millones de muertos, fue exacerbada por el desplazamiento de soldados durante la Primera Guerra Mundial, una probable mutación del virus y porque los gobiernos no se atrevieron a imponer medidas de distanciamiento físico durante la guerra.

Responsive image
Gente con máscaras en San Francisco durante la pandemia de gripe de 1918. (Centros para el Control y la Prevención de Enfermedades)

Conocemos casos históricos de frustración pública, incluyendo las protestas de la Liga Anti-Máscara en San Francisco. El descontento social provocado como respuesta al uso obligatorio de mascarillas fue tal que el gobierno terminó cambiando de política de manera inconsistente entre octubre de 1918 y enero de 1919, causando casi 45,000 casos de gripe que mataron a más de 3,000 individuos.

En el caso de COVID-19, ya hemos visto casos de frustración en todo el mundo. En Brasil, hubo protestas contra las cuarentenas impuestas por los gobernadores estatales. Ha habido protestas similares en España, Alemania e incluso en Argentina, donde, a pesar de que las medidas impuestas han tenido buen resultado, el cambio de políticas ante las protestas podrían generar una nueva multiplicación de casos.

En Ontario, Canadá, ha habido un aumento de casos que parecería estar relacionado con los festejos del Día de la Madre a fines de mayo, provocado por las numerosas familias que abandonaron el distanciamiento físico durante la celebración.

Actualmente, las protestas masivas de #BlackLivesMatter en los Estados Unidos han causado preocupación y se están estudiando los casos para ver si generará un rebrote, como sucediera en Filadelfia en 1918, después de un desfile masivo que celebraba el final de la guerra.

Recientemente, hemos visto nuevos brotes reportados en Corea del Sur, China, Alemania y Singapur. Una segunda ola podría potencialmente abrumar a los centros de salud.

Debemos Simular

Hemos visto que las agencias gubernamentales en todo el mundo han basado sus decisiones en los resultados de modelos avanzados y simulaciones.

Un discurso muy popular de la canciller alemana Angela Merkel, discutió la aplicación de modelos para decidir las medidas de aislamiento en Alemania. En su discurso, presentó resultados basados en el cálculo del factor de reproducción (también conocido como R). ¿Qué es este R del que muchos hablan?

La explicación de Angela Merkel a la ratio de contagio en Alemania

R es una representación del número promedio de personas infectadas por una persona contagiada. La tasa básica de infección del COVID-19, conocida como R0, ha sido estimada entre 2 y 3, lo que significa que (sin vacunas, inmunidad o intervenciones), cada persona infectada contagiará, a su vez, entre dos o tres personas más. Esto produciría un crecimiento exponencial de la enfermedad.

R0 es un número “teórico” que se calcula utilizando una combinación de datos del mundo real y modelos matemáticos. En el día a día debemos usar, en cambio, la tasa Rt: un valor que cambia cuando consideramos factores externos como el aislamiento, el uso de mascarillas o el clima.

Estudiar Rt a diario es importante para poder reducir la dureza de las restricciones; como explicara en su discurso Angela Merkel, si obtenemos un Rt mayor a 1, el virus se está reproduciendo. En cambio, si Rt es menor a 1, es una señal de que la enfermedad podría comenzar a desaparecer. Pero incluso aumentos mínimos por encima de 1 producirán un aumento exponencial de los casos.

Clasificando a la población

Varios modelos populares modelos clasifican a la población entre personas Susceptibles (aquellas que aún no han contraído la enfermedad), Infecciosos(quienes contrajeron el virus y pueden transmitirlo), y Retirados (porque no pueden continuar propagando la enfermedad, ya sea porque se curaron y tienen inmunidad, o murieron). Los gobiernos usan estos modelos (llamados genéricamente S-I-R) y simulaciones para decidir cómo llevar a cabo las intervenciones. Las simulaciones ayudan a entender cómo intervenir, o a comparar dos tipos intervenciones, su duración o gravedad.

Además de los modelos y simulaciones, se necesita una inversión masiva en el rastreo de contratos. El rastreo de contactos intenta detener las cadenas de transmisión mediante la identificación de las personas que necesitan aislarse por sí mismas para reducir la posibilidad de contagio.

¿Y Ahora… Cómo se Sigue?

Cuando finalice la cuarentena, tendremos que regresar a nuestros lugares de trabajo, escuelas, eventos sociales y utilizar transporte público. Desafortunadamente, la mayoría de las infecciones ocurren en interiores y alrededor del 40–60% de las personas infectadas no presentan síntomas durante cuatro o cinco días.

Sin seguir los contactos de manera adecuada, y sin utilizar modelos precisos, la segunda ola del virus puede ser aún más peligrosa que la primera. Nuestro grupo de investigación está tratando de estudiar distintos métodos para analizar cómo se propaga el virus en el interior de edificios de oficinas, escuelas, hospitales, o centros de atención para adultos mayores.

Difusión de partículas en el aliento de estudiantes en un laboratorio (Carleton University, Ottawa, Canadá)

Los modelos usan parámetros tales como la densidad de ocupación, el género de los individuos, su edad, si son portadores asintomáticos, y la disponibilidad de rastreo de contactos. Estos modelos nos permitirán estudiar diferentes casos de estudio, variando las tasas de infección o los factores ambientales como el flujo de personas en el edificio, la temperatura y la humedad ambiente.

La combinación de simulaciones, modelos, herramientas de visualización avanzadas y rastreo de contactos permitirán ayudar a tomar decisiones de la mejor manera posible. Es preciso contar con herramientas adecuadas para lograr dominar la segunda ola, tomando decisiones informadas y correctas.


GABRIEL A. WAINER, FSCS, SMIEEE, received the M.Sc. (1993) at the University of Buenos Aires, Argentina, and the Ph.D. (1998, with highest honors) at UBA/Université d’Aix-Marseille III, France. In July 2000 he joined the Department of Systems and Computer Engineering at Carleton University (Ottawa, ON, Canada), where he is now Full Professor. He has held visiting positions at the University of Arizona; LSIS (CNRS), Université Paul Cézanne, University of Nice, INRIA Sophia-Antipolis, Université de Bordeaux (France); UCM, UPC (Spain), University of Buenos Aires, National University of Rosario (Argentina) and others. He is the author of three books and over 400 research articles; he edited four other books, and helped organizing numerous conferences, including being one of the founders of the Symposium on Theory of Modeling and Simulation, SIMUTools and SimAUD. Prof. Wainer was Vice-President Conferences and Vice-President Publications and is a member of the Board of Directors of the SCS. Prof. Wainer is the Special Issues Editor of SIMULATION, member of the Editorial Board of IEEE Computing in Science and Engineering, Wireless Networks (Elsevier), Journal of Defense Modeling and Simulation (SCS). He is the head of the Advanced Real-Time Simulation lab, located at Carleton University's Centre for advanced Simulation and Visualization (V-Sim). He has been the recipient of various awards, including the IBM Eclipse Innovation Award, SCS Leadership Award, and various Best Paper awards. He has been awarded Carleton University's Research Achievement Award (2005, 2014), the First Bernard P. Zeigler DEVS Modeling and Simulation Award, the SCS Outstanding Professional Award (2011), Carleton University’s Mentorship Award (2013), the SCS Distinguished Professional Award (2013), SCS Distinguished Service Award (2015) and SCS Outstanding Service Award (2020). He is a Fellow of SCS.

Category: Salud Pública