Muestran en un mapa el riesgo de nuevos contagios por coronavirus en el Estado

Un grupo de investigadores de la Universidad Rovira i Virgili (URV) y de la Universidad de Zaragoza ha desarrollado un modelo matemático que permite hacer predicciones del riesgo de nuevos casos de contagio por coronavirus que hay en el estado español. Con esta nueva herramienta los investigadores quieren anticiparse a la propagación del COVID-19 y poder adoptar medidas de control eficaces, según informa la URV. Una de las particularidades de este modelo es que tiene en cuenta, también, los contagios que pueden hacer las personas asintomáticas, que ha sido uno de los principales obstáculos para controlar la expansión de la enfermedad. Los resultados de este trabajo se han plasmado en un mapa que se actualizará diariamente a través de la web http://deim.urv.cat/~alephsys/COVID-19/.

Este grupo de investigadores hace años que trabaja en el desarrollo de modelos matemáticos que estudian la propagación de las epidemias basándose en los patrones de movilidad de las personas y el censo de las poblaciones afectadas. "Hemos adaptado uno de estos modelos de propagación de epidemias a las particularidades del COVID-19, incluyendo los datos epidemiológicos obtenidos hasta el momento sobre este virus y previendo también la influencia de aquellos individuos asintomáticos que pueden provocar nuevos contagios," explica Àlex Arenas, del grupo de investigación Alephsys Lab (URV).

Utilizando los datos de movilidad habitual entre municipios españoles de la población activa del país, proporcionados por el Instituto Nacional de Estadística, los investigadores han desarrollado esta herramienta que muestra el riesgo epidémico estimado para los municipios de todo el Estado. "El modelo se puede trasladar perfectamente a otros países donde se disponga de estos datos", asegura a Arenas.

Predecir los contagios de los pacientes asintomáticos

Uno de los retos que ha planteado el coronavirus ha sido poder predecir y cuantificar los nuevos casos derivados de contagios comunitarios a escala nacional. Los casos comunitarios son aquellas personas que están afectadas por el virus pero de las cuales se desconoce la fuente de infección porque no tienen ningún historial de viajes recientes a zonas afectadas ni vínculos directos con otros contagiados. El COVID-19 se caracteriza por un estado epidémico asintomático –con síntomas leves o moderados– muy largo, que puede llegar hasta 14 días, de acuerdo con los datos disponibles hasta ahora. Eso dificulta mucho la detección precoz de los casos para aislarlos y hacer el tratamiento médico.

Según estudios epidemiológicos recientes, es probable que durante parte de este periodo asintomático los individuos infectados puedan propagar el patógeno sin presentar signos de alarma. "Eso complica mucho la tarea de trazar los posibles contagios secundarios provocados por las personas infectadas detectadas", explica Jesús Gómez-Gardeñes, investigador de la Universidad de Zaragoza. Esta circulación silenciosa del virus más allá del radio de acción de los casos detectados hace muy difícil la detección precoz de los focos de infección. "Este hecho favorece la propagación de la epidemia y dificulta la implementación de medidas de control eficaces, sobre todo cuando se basan exclusivamente en medidas de aislamiento localizadas en la zona típica de acción de los casos sintomáticos," añade Sergio Gómez, investigador de la URV.

Para anticiparse a esta cadena de contagios silenciosos los investigadores consideran crucial tener en cuenta, además de los patrones de contagio propios del COVID-19, la movilidad habitual de los individuos entre diferentes zonas, ya que este es el medio a través del cual el virus puede ampliar el radio de expansión. "Esta movilidad tiene un papel más relevante cuando el periodo típico de propagación del virus en personas asintomáticas es largo, ya que aumenta de forma directa su rango de expansión", aclara Clara Granell, investigadora de la Universidad de Zaragoza.

El modelo matemático en que este grupo de investigadores hace semanas que trabaja tiene en cuenta los parámetros epidemiológicos obtenidos hasta ahora, pero también preverá las posibles variaciones que se vayan produciendo en próximos estudios. "Este algoritmo puede admitir nuevos resultados y trabajar con datos actualizados en todo momento", comenta Benjamin Steinegger, investigador de la URV.

Otro de las ventajas de este algoritmo es que se le pueden implementar los datos de aquellas zonas donde se produzca una cuarentena, y "eso permite evaluar la eficacia en función de las áreas aisladas", apunta David Soriano, investigador de la Universidad de Zaragoza.

Los investigadores advierten, sin embargo, que este modelo de momento no predice aquellos casos que provengan de fuera del país ni tampoco asume que los datos de movilidad con los que trabaja puedan variar si se restringiera, por ejemplo, la movilidad entre algunas zonas.