El confinamiento de la población ha demostrado ser una medida efectiva para reducir la prevalencia de la COVID-19 a nivel comunitario e instaurar una “nueva normalidad” caracterizada por ciertas restricciones, pero sin que sea necesario el aislamiento y la reducción drástica de la movilidad individual. Es importante subrayar que una población confinada no desarrolla inmunidad ante la enfermedad, por lo que una vez se levantan las restricciones, existe el riesgo de volver al punto de partida, o sea, a una transmisión comunitaria del virus SARS-CoV-2 y al crecimiento exponencial del número de individuos infectados. Por lo tanto, es fundamental la implementación de nuevas medidas dirigidas a mantener el control sobre la propagación de la enfermedad.
En un estudio realizado por un equipo multidisciplinar de investigadores de la Universidad de Zaragoza, la Universidad Carlos III de Madrid (UC3M), el Instituto Tecnológico de Massachusetts (MIT) y la Fundación ISI, en Italia, entre otros, y recientemente publicado en la revista “Nature Human Behaviour”, los investigadores han recreado, usando datos demográficos, de censo y de movilidad, la población urbana de Boston y han simulado la evolución de la COVID-19 en diferentes escenarios hipotéticos. El estudio demuestra que la detección temprana de una media del 50% de casos sintomáticos dentro de los dos días posteriores a que desarrollen síntomas y su consiguiente aislamiento, así como el rastreo y la cuarentena de un 20-40% de sus contactos, sería una estrategia efectiva para contener posteriores oleadas de la enfermedad y evitar la saturación o colapso del sistema sanitario.
“El confinamiento logró reducir la incidencia de la enfermedad, pero ante la falta de inmunidad de la población, seguimos estando expuestos a la epidemia. Es por este motivo que tenemos que adoptar medidas encaminadas a cortar las cadenas de transmisión. En nuestro trabajo simulamos la evolución de la epidemia en una población real del área metropolitana de Boston y demostramos que si bien las oleadas epidémicas recurrentes son inevitables, éstas se pueden llegar a controlar o mitigar, implementando políticas proactivas que nos permitan identificar el origen de las infecciones y el rastreo de contactos de los individuos infectados. Además, cuantificamos el nivel de diagnóstico y rastreo necesarios para que el sistema de atención de salud no opere al límite de su capacidad y para poder conciliar un balance entre la actividad económica y la salud pública. La conclusión principal es que es posible contener los brotes secundarios a la espera de que se descubran nuevos tratamientos farmacológicos más efectivos o una vacuna y que el levantamiento de las restricciones de movilidad sin el apoyo de otras estrategias de contención, no es una opción viable”. señala Yamir Moreno, físico teórico, coautor del estudio, y responsable del Grupo de Redes y Sistemas Complejos (COSNET), además de director del Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza.
Por su parte, Esteban Moro, profesor del Departamento de Matemáticas de la UC3M y coautor del estudio, y, en la actualidad, profesor visitante en el Media Lab del MIT, explica que “utilizando matrices de contacto con este nivel de detalle podemos saber cuál sería el efecto de determinadas estrategias como cerrar escuelas, centros de trabajo, restaurantes y otros sitios vinculados a actividades no esenciales”.
Para realizar esta investigación, el equipo de científicos ha utilizado datos de movilidad real de usuarios de teléfonos móviles en Estados Unidos cedidos por el programa Data for good de Cuebiq Inc., una empresa que recoge las ubicaciones de los usuarios y las agrega de forma anónima. Según Yamir Moreno “es fundamental contar con una gran diversidad de datos fiables y de calidad que nos permitan desarrollar un modelo epidemiológico lo más realista posible, de manera que las conclusiones extraídas de la evaluación de posibles escenarios de actuación se puedan extrapolar a contextos reales.”
Además, los investigadores han analizado datos del censo del área metropolitana de Boston para construir una población sintética estadísticamente equivalente a la real. Una vez que se ha generado esta población, en la que las interacciones tienen lugar a través de una red de colocalización de individuos en tres capas: (comunidad-centros laborales, escuelas y hogares), se ha implementado un detallado modelo compartimental basado en agentes para modelar la transmisión del SARS-CoV-2 y analizar cuantitativamente la evolución de la epidemia y la efectividad de las medidas de distanciamiento social. “En estos momentos, también estamos trabajando con datos actualizados de movilidad de la ciudad de Nueva York, uno de los epicentros de la epidemia en Estados Unidos”, señala Esteban Moro. “Si los datos de movilidad de alta resolución están disponibles, nuestro enfoque puede replicarse fácilmente para otras ciudades o países para medir el impacto de las estrategias de distanciamiento social ante la epidemia”, añade.
De hecho, según señala Yamir Moreno, el próximo paso es la generalización de la metodología empleada en este estudio para su uso en otras grandes ciudades y áreas metropolitanas, lo cuál será posible, en parte, gracias a la financiación del Gobierno de Aragón y a una convocatoria de proyectos Santander-UNIZAR.