ALICANTE.- Investigadores del Instituto
Multidisciplinar para el Instituto Estudio del Medio "Ramón Margalef"
(IMEM) de la Universidad de Alicante (UA), en colaboración con
epidemiólogos del Centro Nacional de Medicina Tropical del Instituto de
Salud Carlos III de Madrid, han desarrollado la primera herramienta de
modelización en abierto para comparar diferentes escenarios de
propagación del Covid-19.
Según la UA, se trata de "un paso más" en la carrera científica
para comprender "la rápida transmisión de esta enfermedad infecciosa" y
para generar escenarios y probar el efecto de diferentes medidas de
control frente al coronavirus.
En un comunicado de este miércoles, la UA ha detallado que de ese
modo es posible calcular el aumento o reducción de infectados por día
planteando distintos escenarios.
"Qué pasaría si restringimos más o menos la vida social de la
población, si alargamos las medidas de aislamiento a lo largo del
tiempo, o si se realizaran vacunas masivas, ente otros planteamientos de
interés", ha explicado el investigador del IMEM y profesor del
Departamento de Ecología de la UA, César Bordehore.
La herramienta busca proporcionar un modelo abierto utilizando el
programa STELLA de Iseesystems que permita evaluar el comportamiento
del Covid-19 en diferentes escenarios personalizando área y región:
"Nuestra intención no es generar un modelo para predecir con precisión
la evolución de la enfermedad, sino comparar posibles escenarios,
evaluar sus efectos y reducir nuevas infecciones y, en última instancia,
el número de muertes. Todo ello compartiendo en abierto una herramienta
fácilmente adaptable a cada zona".
En concreto, los expertos en Dinámica de poblaciones, Medicina y
Epidemiología que han participado en el diseño de este modelo de
difusión Covid-19 y han trabajado, a partir de datos oficiales del
Ministerio de Sanidad, Consumo y Bienestar Social, en distintos modelos y
escenarios atendiendo a distintos grados de aislamiento, especificados
como R0, que indica la velocidad de propagación (0 es confinamiento
absoluto y 2.32 es el R0 inicial antes de las medidas establecidas el 14
de marzo de 2020).
César Bordehore ha comentado que el modelo indica que el pico de
número de casos infectados ocurrirá alrededor "del 8 al 9 de abril, por
lo que es crucial, a partir de esa fecha, mantener medidas de
aislamiento muy restrictivas para minimizar el flujo diario de nuevos
casos por Covid-19".
En este sentido, respecto a las medidas de distanciamiento social,
el modelo detecta y cuantifica el efecto positivo de reducir la R0,
extremar las medidas y paralizar toda actividad para contribuir a
incrementar el número de contagios, sobre todo aquellos producidos por
gente asintomática.
"El modelo ha constatado que aunque el 14 de marzo, día que se
decretó el estado de alarma, se establecieron una serie de medidas de
aislamiento, no han sido lo suficientemente severas para reducir al
máximo el número de nuevos contagios. El recrudecimiento de las medidas
de aislamiento instaladas desde el día 30 de marzo buscan precisamente
reducir todavía más las tasas de propagación", ha recalcado.
"No obstante, se ha de remarcar la importancia de reforzar las
medidas de control de nuevas infecciones en entornos domicilarios y,
dado el elevado porcentaje de personal sanitario infectado, proteger más
que nunca a dicho personal, minimizando los nuevos casos y ahondar en
la saturación del sistema sanitario", destaca el experto.
Además, los investigadores han probado lo que sucedería si se
hubiera adoptado una política de pruebas diagnósticas para toda la
población. Bordehore ha explicado que la OMS insiste en "aumentar el
número de pruebas, sobre todo para que la persona asintomática no
contagie a su entorno".
Otro de los escenarios expuestos en este modelo es lo que
sucedería si las medidas de aislamiento terminaran diez días después de
su implementación. Como se detalla en el estudio, estas medidas no
deberían cesar ya que todavía habría individuos infecciosos en la
población que podrían contagiar a gente no inmunizada frente al virus.
Una de las fortalezas de este modelo es que se ha concebido en
acceso abierto para que pueda ser adaptado a situaciones concretas por
cualquier investigador con un ordenador y acceso a Internet.
No hay comentarios:
Publicar un comentario