A lo largo de la historia, la sociedad humana ha vivido con epidemias y pandemias periódicas. Numerosos brotes de enfermedades han provocado la muerte, trastornos sociales y trastornos económicos. Por lo tanto, predecir cómo puede progresar un bote es esencial para mitigar sus efectos, y el campo de la modelización epidemiológica es fundamental para ello.
¿Epidemia o epidemiología?
Una epidemia se define como un brote de enfermedad inusualmente grande y de corta duración. Generalmente, son varios los factores que influyen en la propagación de una enfermedad entre personas, entre los que se encuentra el propio agente infeccioso, su modo de transmisión, periodo infeccioso y su resistencia al tratamiento y las vacunas. Dentro de estos factores, también se encuentra la población, factores demográficos, culturales, geográficos y, por supuesto, económicos.
El estudio de las epidemias, las enfermedades en general e, incluso, las condiciones de salud que no son causadas por una enfermedad, se llama epidemiología. Los orígenes de este término se encuentran en la antigua Grecia, con el médico Hipócrates de Cos, que fue el primero en hacer la distinción entre enfermedades epidémicas y endémicas.
El campo de la epidemiología se ha desarrollado con el tiempo a través de médicos, aunque no fue hasta el siglo XIX cuando se desarrolló la ciencia de la epidemiología moderna. El padre de esta ciencia fue John Snow, que identificó la bomba de Broad Street como la fuente de un devastador brote de cólera en Londres.
Uso de modelos matemáticos en epidemiología
La modelización matemática desempeña, cada vez más, un papel intrínseco en la gestión de brotes y epidemias, pero también en la información de las decisiones de salud pública.
Las enfermedades infecciosas progresan dentro de las poblaciones tanto por el comportamiento del agente infeccioso como por la propia población. Los modelos de cómo progresan en una epidemia se basan en un conjunto de suposiciones y estadísticas que se utilizan para establecer un conjunto de parámetros, que informan de cuán efectiva será la intervención. Esto se puede usar para predecir qué intervenciones implementar o evitar, así como patrones de crecimiento y expansión.
La complejidad de los modelos epidemiológicos varía. Pueden ser modelos deterministas simples o simulaciones estocásticas complejas espacialmente explícitas. El enfoque elegido por los epidemiólogos depende de varias variables que incluyen cuánto se sabe sobre la epidemiología de la enfermedad, el propósito del estudio y la cantidad de datos disponibles y su calidad.
En este sentido, la informática cada vez más sofisticada, junto con el reconocimiento de la importancia de los elementos espaciales, ha llevado al uso cada vez mayor del modelado espacial.
Hay dos tipos principales de modelos epidémicos: modelos estocásticos (aleatorios) y deterministas o compartimentales. Los modelos estocásticos tienen en cuenta variaciones fortuitas en la dinámica, como el riesgo de exposición y el propio vector infeccioso.
Los modelos deterministas o compartimentales asignan diferentes poblaciones a diferentes subgrupos y se utilizan a menudo cuando se tratan grandes poblaciones. Las ecuaciones diferenciales se utilizan para construir modelos deterministas.
Modelos de susceptibilidad, infección y recuperación
En un modelo epidemiológico, la población considerada se puede dividir en diferentes clases que cambian con el tiempo. Estos se dividen en susceptibles, infecciosos y eliminados.
Las clases infecciosas de la población son aquellas que transmiten activamente la enfermedad a otros. Las poblaciones susceptibles son aquellas que todavía no han contraído la enfermedad y la clase eliminada se refiere a aquellas que se han recuperado, han sido asiladas o han muerto.
Un modelo SIS es aquel en el que la recuperación no conduce a la inmunidad. De esta forma, los individuos pasan de la clase susceptible a la infecciosa y viceversa. Si los individuos se recuperan con inmunidad permanente, es un modelo SIR.
Si hay inmunidad temporal en la clase eliminada, es un modelo SIRS. Si no hay recuperación, se utiliza el modelo SI. Los modelos SIR son eficaces para agentes virales como la influenza y los modelos SIS para agentes bacterianos, como la peste y la meningitis.
Modelos de susceptibilidad, infección y recuperación
Los modelos deben ajustarse en función de los parámetros y variables de la epidemia, teniendo en cuenta que cada enfermedad es diferente.
En este sentido, se han aplicado varios modelos nuevos al brote de la Covid-19. Los modelos SEIR consideran la percepción del riesgo y el número de casos acumulados mientras que el modelo SIR se orientó al control y demostró los efectos que han tenido las demoras en la implementación y los resultados de las diferentes estrategias de contención.
Es importante saber que no hay dos brotes iguales y, por eso, la modelización epidemiológica se convierte en una herramienta esencial para responder a las pandemias.
