Modelo para determinar las medidas de cuarentena necesarias para reducir la propagación del Covid-19

La reapertura temprana de la primavera pasada llevó a una dramática caída en la «fuerza de la cuarentena» en los estados del sur y centro-oeste de los Estados Unidos.
Jennifer Chu | Oficina de Noticias del MIT
Créditos: Foto: Jake Belcher

Algunas de las investigaciones descritas en este artículo se han publicado en un servidor de preimpresión, pero aún no han sido revisadas por expertos en la materia.

A medida que las infecciones por Covid-19 se disparan en los EE.UU., algunos estados están reforzando las restricciones y reinstaurando las medidas de cuarentena para frenar la propagación del virus. Un modelo desarrollado por los investigadores del MIT muestra un vínculo directo entre el número de personas que se infectan y la eficacia con la que un estado mantiene sus medidas de cuarentena.

Los investigadores describieron su modelo en un documento publicado en Cell Patterns en noviembre, mostrando que el sistema podía recapitular los efectos que las medidas de cuarentena tenían en la propagación del virus en países de todo el mundo. En su siguiente estudio, recientemente publicado en el servidor de preimpresión medRxiv, perforaron los datos de los Estados Unidos la primavera y el verano pasados. Encontraron que el aumento anterior de las infecciones estaba fuertemente relacionado con una disminución de la «fuerza de la cuarentena», una medida que el equipo define como la capacidad de evitar que los individuos infectados infecten a otros.

El último estudio se centra en la primavera y principios del verano pasados, cuando el sur y el centro-oeste de los Estados Unidos vieron un aumento precipitado de las infecciones a medida que los estados de esas regiones reabrían y relajaban las medidas de cuarentena. Los investigadores utilizaron su modelo para calcular la fuerza de la cuarentena en esos estados, muchos de los cuales se reabrieron pronto después de los cierres iniciales en la primavera.

Si estos estados no hubieran reabierto tan pronto, o hubieran reabierto pero aplicado estrictamente medidas como el uso de máscaras y el distanciamiento social, el modelo calcula que más del 40 por ciento de las infecciones podrían haberse evitado en todos los estados que los investigadores consideraron. En particular, el estudio estima que si Texas y Florida hubieran mantenido medidas de cuarentena más estrictas, se podrían haber evitado más de 100.000 infecciones en cada uno de esos estados.

«Si se observan estas cifras, simples acciones a nivel individual pueden conducir a enormes reducciones en el número de infecciones y pueden influir masivamente en las estadísticas globales de esta pandemia», dice el autor principal Raj Dandekar, un estudiante graduado en el Departamento de Ingeniería Civil y Ambiental del MIT.

Mientras el país lucha contra una ola invernal de nuevas infecciones y los estados vuelven a endurecer las restricciones, el equipo espera que el modelo pueda ayudar a los políticos a determinar el nivel de las medidas de cuarentena que deben aplicarse.

«Lo que creo que hemos aprendido cuantitativamente es que saltar de la hipercuarentena a la no cuarentena y volver a la hipercuarentena definitivamente no funciona», dice el coautor Christopher Rackauckas, instructor de matemáticas aplicadas en el MIT. «En su lugar, una buena y consistente aplicación de la política habría sido una herramienta mucho más efectiva».

Los coautores del nuevo artículo del MIT también incluyen a la licenciada Emma Wang y al profesor de ingeniería mecánica George Barbastathis.

Aprendizaje duro

El modelo del equipo es una modificación de un modelo SIR estándar, un modelo epidemiológico que se utiliza para predecir la forma en que se propaga una enfermedad, basado en el número de personas que son «susceptibles», «infecciosas» o «recuperadas». Dandekar y sus colegas mejoraron un modelo SIR con una red neuronal que entrenaron para procesar datos reales de Covid-19.

El modelo mejorado por aprendizaje automático aprende a identificar patrones en los datos de los casos infectados y recuperados, y a partir de estos datos, calcula el número de individuos infectados que no están transmitiendo el virus a otros (presumiblemente porque los individuos infectados están siguiendo algún tipo de medidas de cuarentena). Este valor es lo que los investigadores denominan «intensidad de la cuarentena», que refleja la eficacia de una región para poner en cuarentena a un individuo infectado. El modelo puede procesar los datos a lo largo del tiempo para ver cómo evoluciona la intensidad de la cuarentena de una región.

Los investigadores desarrollaron el modelo a principios de febrero y desde entonces lo han aplicado a los datos del Covid-19 de más de 70 países, descubriendo que ha simulado con precisión la situación de la cuarentena sobre el terreno en los países europeos, sudamericanos y asiáticos que fueron inicialmente muy afectados por el virus.

«Cuando observamos estos países para ver cuándo se instituyeron las cuarentenas, y lo comparamos con los resultados de la señal de fuerza de cuarentena entrenada, vemos una correlación muy fuerte», dice Rackauckas. «La fuerza de la cuarentena en nuestro modelo cambia un día o dos después de que se instituyen las políticas, entre todos los países. Esos resultados validaron el modelo».

El equipo publicó estos resultados a nivel de país el mes pasado en Cell Patterns, y también están alojando los resultados en covid19ml.org, donde los usuarios pueden hacer clic en un mapa del mundo para ver cómo ha cambiado la fuerza de cuarentena de un país determinado a lo largo del tiempo.

¿Y si los estados se hubieran retrasado?

Una vez que los investigadores validaron el modelo a nivel de país, lo aplicaron a los estados individuales de los EE.UU., para ver no sólo cómo evolucionaban las medidas de cuarentena de un estado a lo largo del tiempo, sino también cómo habría cambiado el número de infecciones si un estado modificaba su fuerza de cuarentena, por ejemplo retrasando la reapertura.

Se centraron en el sur y el centro-oeste de los Estados Unidos, donde muchos estados se adelantaron a la reapertura y posteriormente experimentaron rápidos aumentos de las infecciones. El equipo utilizó el modelo para calcular la fuerza de la cuarentena para Arizona, Florida, Louisiana, Nevada, Oklahoma, Carolina del Sur, Tennessee, Texas y Utah, todos los cuales abrieron antes del 15 de mayo. También modelaron Nueva York, Nueva Jersey e Illinois, estados que retrasaron la reapertura hasta finales de mayo y principios de junio.

Alimentaron el modelo con el número de individuos infectados y recuperados que se reportaron para cada estado, comenzando desde cuando se reportó la infección número 500 en cada estado, hasta mediados de julio. También anotaron el día en que se levantó el orden de permanencia en el hogar de cada estado, señalando efectivamente la reapertura del estado.

En todos los estados, la intensidad de la cuarentena disminuyó poco después de la reapertura; la gravedad de esta disminución y el consiguiente aumento de las infecciones estaban estrechamente relacionados con la reapertura de un estado. Los estados que reabrieron pronto, como Carolina del Sur y Tennessee, tuvieron un descenso más pronunciado de la fuerza de la cuarentena y una mayor tasa de casos diarios.

«En lugar de decir que la reapertura temprana es mala, estamos cuantificando aquí lo mala que fue», dice Dandekar.

Mientras tanto, estados como Nueva York y Nueva Jersey, que retrasaron la reapertura o aplicaron medidas de cuarentena como el uso de máscaras incluso después de la reapertura, mantuvieron una fuerza de cuarentena más o menos constante, sin un aumento significativo de las infecciones.

«Ahora que podemos dar una medida de la fuerza de la cuarentena que se ajusta a la realidad, podemos decir, ‘¿Qué pasaría si mantuviéramos todo constante? ¿Cuánta diferencia habrían tenido los estados del sur en sus perspectivas?» Rackauckas dice.

A continuación, el equipo invirtió su modelo para estimar el número de infecciones que se habrían producido si un determinado estado mantuviera una fuerza de cuarentena constante incluso después de la reapertura. En este escenario, más del 40 por ciento de las infecciones podrían haberse evitado en cada estado que modelaron. En Texas y Florida, ese porcentaje asciende a unos 100.000 casos evitables en cada estado.

Es concebible que, a medida que la pandemia continúa disminuyendo y aumentando, los encargados de formular políticas podrían utilizar el modelo para calcular la intensidad de la cuarentena necesaria para mantener las infecciones actuales de un estado por debajo de un cierto número. Luego podrían revisar los datos hasta un punto en el tiempo en el que el estado exhibiera este mismo valor, y referirse al tipo de restricciones que estaban vigentes en ese momento, como una guía para las políticas que podrían poner en práctica en el presente.

«¿Cuál es la tasa de crecimiento de la enfermedad con la que nos sentimos cómodos, y cuáles serían las políticas de cuarentena que nos llevarían allí?» Rackauckas dice. «¿Son todos los que se refugian en sus casas, o se les permite ir a los restaurantes, pero una vez a la semana? Eso es lo que el modelo puede decirnos. Puede darnos una visión cuantitativa más refinada de esa cuestión.»

Esta investigación fue financiada, en parte, por la Investigación Avanzada de Inteligencia (IARPA).

Términos relacionados:

Comparte el artículo en tus redes sociales:

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email
Share on pinterest
Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos y para fines de afiliación y para mostrarte publicidad relacionada con sus preferencias en base a un perfil elaborado a partir de tus hábitos de navegación. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Más información
Privacidad
Ir al contenido