Skip to content Skip to sidebar Skip to footer

Investigadores de nueve países trabajaron juntos para desarrollar mejores modelos computacionales destinados a pronosticar enfermedades infecciosas, en particular dengue, y obtener una útil que ayude en la difícil tarea de realizar predicciones precisas.

El estudio determinó que diferentes pronósticos agrupados fueron más certeros que los modelos individuales. “Esto apunta a una clara menester de no abandonarse en un solo maniquí de pronóstico. Nuestro hallazgo de que la combinación de los resultados de múltiples modelos generalmente es más precisa significa que es poco probable que un solo maniquí sea el mejor en cada situación”, dijo a SciDev.Net el biólogo Michael Johansson, presidente de la Mecanismo de Observación Epidémico del CDC en Puerto Rico y líder de la investigación.

La Iniciativa de Predicción de Epidemias de los Centros para el Control y la Prevención de Enfermedades (CDC) fue la responsable de liderar un categoría de trabajo de 16 equipos de científicos de diferents países —Australia, Brasil, España, Francia, India, Japón, Reino Unido, Sudáfrica y Vietnam— que recibieron las mismas cifras sobre incidencia de dengue y datos climáticos de Iquitos (Perú) y San Juan (Puerto Rico) con el fin de comprender qué factores promueven las epidemias de dengue. 

Por separado, los equipos combinaron los datos de abriles anteriores y de la temporada coetáneo y trataron de prever cómo se desarrollaría la temporada antiguamente de la aparición de brotes.

Con esos datos, los equipos participantes tomaron sus propias decisiones sobre qué datos usar y cómo construir posibles modelos que se podrían utilizar, y posteriormente los  enviaron al CDC que recopiló modelos construidos.

El estudio —cuyos resultados fueron publicados en la revista Proceedings of the National Academy of Sciences (PNAS)— trató de vincular el pronóstico de epidemias a las deposición de vigor pública, adicionalmente de compilar y evaluar los pronósticos de forma estandarizada.

“(Los pronósticos de epidemias) se pueden usar para la prever capital, ayudar a los hospitales a planificar el personal delante una oleada de casos y colaborar para que las agencias puedan comprender cuánto tiempo tienen para planificar e implementar intervenciones”.

Michael Johansson, Mecanismo de Observación Epidémico del CDC en Puerto Rico.

El dengue es una infección virulento transmitida por mosquitos del condición Aedes. La enfermedad es popular en más de 100 países, inlcuidos América Latina y el Caribe. Según el CDC, 40 por ciento de la población mundial (tres mil millones de personas) vive en áreas con peligro de dengue. Cada año, 100 millones se enferman y 22.000 mueren por dengue.

El objetivo del estudio internacional era intentar predecir tres datos que son esencia en una oleada: la cantidad máxima semanal de casos, la semana en la que ocurrirán el pico de la oleada y el número total de casos en una temporada.

Algunos de los modelos fueron buenos en la producción de pronósticos para temporadas individuales hasta con cuatro meses de anticipación, explicó Johansson.

En tanto, los pronósticos de principios de temporada no fueron precisos. Sin incautación, al final de la temporada, muchos pronósticos mejoraron y “podrían estilarse para determinar cuándo ha pasado un pico de la oleada”, destacó el biólogo.

Por eso, Johansson añadió que los resultados enfatizaron la menester de restablecer múltiples modelos para representar más completamente las trayectorias epidémicas potenciales.

Según Johansson, los pronósticos de epidemias pueden tener muchos usos potenciales, como proporcionar información para ayudar a las comunidades a prepararse y tomar medidas para defenderse de las enfermedades.

“Asimismo se pueden usar para la prever capital, ayudar a los hospitales a planificar el personal delante una oleada de casos y colaborar para que las agencias puedan comprender cuánto tiempo tienen para planificar e implementar intervenciones”, dijo a SciDev.Net el líder de la Iniciativa de Predicción de Epidemias.
Por su parte, Hernán Solari, profesor asociado del Unidad de Física de la Licencia de Ciencias Exactas y Naturales de la Universidad de Buenos Aires (UBA), criticó que los modelos del estudio no están acertadamente descriptos.

Según dijo a SciDev.Net, el trabajo es “incapaz de predecir y sugerir dónde hay peligro epidémico cuando las epidemias aún no se han manifestado, siquiera parecen permitir evaluar la efectividad de las medidas de prevención tomadas”.

Solari es asimismo investigador del Consejo Franquista de Investigaciones Científicas y Técnicas (CONICET) de Argentina y sostuvo que los “buenos modelos matemáticos pueden ayudar a evaluar el impacto de las medidas preventivas y asimismo pueden considerar el problema de las formas en que pueden fracasar estas medidas”.

Por su parte, Fabio Sanchez, director del Unidad de Matemática Aplicada de la Universidad de Costa Rica, comentó a SciDev.Net que si acertadamente la investigación se encuentra aún en sus etapas iniciales, “los resultados obtenidos han sido prometedores”.

Según él, este maniquí tiene el potencial de servir de bases para predecir el peligro de transmisión en países endémicos.

“Este tipo de maniquí tiene el potencial de ser ampliado a enfermedades sensibles al clima y transmitidas por vectores, como la malaria, zika, chikungunya, adicionalmente de otras como la influenza, que al igual que las anteriores cuenta con un stop patrón estacional”, señaló.

Enlace al artículo en PNAS.

Show CommentsClose Comments

Leave a comment