•  A partir del modelo básico Seird se analiza a la población clasificada en S: susceptible; E: expuesta; I: infectada; R: recuperada, y D: muertos}

Por: Redacción/ 

El reto para generar modelos matemáticos de predicción de epidemias está en los datos con qué se cuenta y cómo empezar a manejarlos, de ahí la importancia de mejorar los sistemas de información para disponer de más variables que expliquen fenómenos como la pandemia de COVID-19, aseguró el doctor Pablo Oliva Sánchez, investigador de la Universidad Autónoma Metropolitana (UAM).

En su participación en el Ciclo de foros académicos: La investigación UAM presente ante la pandemia señaló que México utiliza el modelo Centinela, basado en una vigilancia pasiva en la que la población estudiada –a la que se aplica la prueba de detección viral– es aquella que en algún momento se consideró sospechosa o presentó síntomas.

Aun cuando “no está mal ese procedimiento, se debería reforzar con otros patrones, incluidas las encuestas seroepidemiológicas que implican un muestreo complejo a nivel nacional en el que se hagan pruebas, sobre todo de tipo inmunológico, lo cual indicaría qué tantos infectados hay y cuántos tuvieron ya la enfermedad para hablar, no sólo de inmunidad de grupo, sino de barrera y usar la cifra de transmisiones para prevenir que los nuevos casos contaminen a personas que no han tenido contacto con el virus”.

El profesor del Departamento de Atención a la Salud de la Unidad Xochimilco manifestó la relevancia de que la presentación de los datos o de los prototipos esté más orientada a ver cuál es la probabilidad de enfermar, ser hospitalizado o sufrir complicaciones –dados los contagios– que a simplemente identificar aquellos activos.

El doctor Joaquín Delgado Fernández reconoció que la parte más difícil es modelar el comportamiento de la gente, pues en una pandemia no sólo está en juego un patógeno, sino la localidad en su conjunto.

El investigador adscrito al Departamento de Matemáticas de la Unidad Iztapalapa de la UAM explicó que desarrolla un modelo clásico epidemiológico para entender la dinámica de la transmisión, que también incorpora la movilidad en la Ciudad de México, la zona conurbada y municipios del Estado de México.

A partir del modelo básico Seird se analiza a la población clasificada en S: susceptible; E: expuesta; I: infectada; R: recuperada, y D: muertos. “Es un método clásico utilizado con éxito en otros lugares, pero queremos incorporar la movilidad y la adaptación espacial, porque cada municipio tiene su propia dinámica de contagio y cada alcaldía tiene un grado de desarrollo sociológico, empleo y variables de movimiento, todo lo cual hace que lo podamos adaptar para que tenga cierto valor predictivo a otra escala”.

Además no es sólo adecuado por su valor descriptivo o para tratar de anticipar lo que pasaría en próximos días, sino para saber “cómo incorporamos las políticas de control gubernamentales o una pregunta más compleja: ¿cómo concentramos la percepción de riesgo que tiene la gente y qué es lo que la lleva a tomar decisiones?”.

El doctor Luis Álvarez Icaza, académico del Instituto de Ingeniería de la Universidad Nacional Autónoma de México (UNAM), consideró que el desafío en la reproducción de la realidad es que se cuenta con información parcial.

“Los investigadores tomamos un prototipo epidemiológico que sólo nos permite saber cuánta gente llegó a las unidades de control de males respiratorios y tenemos una parte del problema, por lo tanto ¿cómo reproducir de manera certera lo que está pasando en el mecanismo de propagación del padecimiento cuando empleamos información incierta e incompleta?”.

Con el tema Modelado de epidemias y pandemias para estimación y control: un problema interdisciplinario, la charla virtual fue moderada por el doctor Jesús Álvarez Calderón, Profesor Distinguido de la UAM adscrito al Departamento de Ingeniería de Procesos e Hidráulica de la Unidad Iztapalapa quien enfatizó la existencia de herramientas para tratar aspectos relacionados con la incertidumbre en la escalas espacial y temporal, al momento de desarrollar modelos matemáticos y mostró parte del proyecto en el que participa titulado Dinámica estocástica no lineal de biorreactores.