La Universidad Carlos III de Madrid junto con la Universidad de Zaragoza investigan sobre los mecanismos más eficaces para contener el contagio masivo del nuevo coronavirus y evitar una nueva oleada
El confinamiento completo de la población ante una epidemia como el COVID-19 es una estrategia que requiere la adopción de medidas activas para prepararse para la segunda oleada: para maximizar su eficacia se necesita la realización de pruebas de diagnóstico a gran escala, el aislamiento de personas con síntomas y la identificación de sus contactos. Esa es una de las principales conclusiones de un estudio realizado por un equipo de investigadores de la Universidad Carlos III de Madrid (UC3M), la Universidad de Zaragoza, el Instituto Tecnológico de Massachussets (MIT) y la Fundación ISI, en Italia.
Los resultados, basados en modelos matemáticos y datos reales del flujo de movimientos de individuos, indican que un confinamiento completo de la población requiere tomar medidas activas después, ya que, de no ser así, se produciría un nuevo brote. “Utilizando matrices de contacto a este nivel de detalle podemos saber el efecto de estrategias como cerrar escuelas, trabajos o incluso restaurantes u otros sitios no esenciales y prepararnos mejor para las diferentes estrategias ante una segunda olead”, explica el profesor del Departamento de Matemáticas de la UC3M y coautor del estudio, Esteban Moro, actualmente profesor visitante en el Media Lab del MIT.
“Ante la necesidad de adoptar medidas para contener y erradicar la actual pandemia de COVID-19, hemos simulado la evolución de la epidemia en una población real -en este caso del área de Boston… nuestros modelos nos indican que, en casi todos los escenarios, una nueva ola de infecciones es muy probable. La conclusión fundamental es que se deben combinar políticas de contención pasivas con otras más agresivas”, señala Yamir Moreno, físico teórico, coautor del estudio y responsable del Grupo de Redes y Sistemas Complejos (COSNET) del Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza. En concreto 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.
Para realizar esta investigación, el equipo de científicos ha utilizado datos de movilidad real de usuarios de teléfonos móviles en EEUU 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. Además, han analizado datos del censo del área de Boston para construir una red de ubicación conjunta en tres capas (comunidad, escuelas y hogares) y han empleado un modelo SEIR para la modelización de la propagación de epidemias. “También estamos trabajando actualmente con datos actualizados de movilidad en la ciudad de Nueva York, que es el epicentro actual de la epidemia en EEUU”, señala Esteban Moro. “Si los datos de movilidad de alta resolución están disponibles, nuestro enfoque puede replicarse fácilmente para nuevas ciudades o países para medir el impacto de las estrategias de distancia social ante la epidemia”, añade.
Related Posts
Esta investigación trata de obtener datos que ayuden a evaluar el impacto de las estrategias de distanciamiento social que se han adoptando en los diferentes países para luchar contra el COVID-19, así como el tiempo que deben estar vigentes o cuál es la más efectiva. Además, también se analizan las probabilidades de que pueda surgir un segundo brote más adelante o cuál sería la mejor manera de prepararse ante una hipotética segunda oleada.
Estos resultados acaban de ser publicados recientemente en la revista científica Nature Human Behavior y son el resultado de la colaboración entre científicos de la Universidad Carlos III, la Universidad de Zaragoza, la Northeastern University (EEUU) y el MIT (EEUU), entre otros.
