¿Por qué pareciera que en México la curva de contagio va disminuyendo?

0
23

Ciudad de México, 16 de mayo de 2020.- De acuerdo con las modelaciones de Jorge Velasco, uno de los grandes modeladores biológicos matemáticos, muestran que el pico más alto de contagios sería a finales de mayo y principios de junio, “nada que ver con el modelo que nos presentó el gobierno mexicano, el cual muestra que en el pico más alto de contagio duró un día y después los casos ‘se cayeron’. Esto es muy interesante porque no es biológicamente plausible, opinó Andreu Comas García, investigador de la Facultad de Medicina de la Universidad Autónoma de San Luis Potosí (Uaslp).

“Los picos no duran un día; en la mayoría de los países duran de 1 a 4 semanas, en segundo lugar, la velocidad de crecimiento fue del 6 al 12% dependiendo de la fase de la epidemia, pero la velocidad de la epidemia en México está disminuyendo hasta en 1.5% diario, esto es muy rápido, dando lugar a una gráfica con una curva de simetría negativa. Hasta ahorita no hay ningún país con simetrías negativas; al contrario, nos da curvas con asíntotas al infinito difíciles de bajar, y esta caída que estamos teniendo hay que explicarla porque podría no ser verdad”, infirió, el académico potosino.

¿Por qué está pasando esto?
El 40% de la epidemia está concentrada en la Ciudad de México y la Zona Metropolitana, estas zonas están llegando a la zona de saturación, entonces puede ser que las pruebas se hayan agotado y eso hace que se caigan los datos. Por otra parte, puede ser que los datos no se comportan con normalidad debido a la baja tasa de muestreo, pues México es uno de los países con las menores tasas de muestreo.

Otra razón puede ser que no se están subiendo los datos a la plataforma. La saturación de los laboratorios podría producir un comportamiento oscilatorio en periodos de 4 días por retraso en el proceso de detección/muestreo. “Otro motivo que explica la caída de casos es porque no funciona el sistema centinela, recordemos que fue diseñado para influenza y para enfermedades cuyo comportamiento epidemiológico es conocido, no para nuevas. Ya que no se pueden extrapolar datos de un comportamiento desconocido. O somos es el mejor país que mejor control ha logrado en el mundo”, opinó Comas García.

Para qué modelar
Hacer una gráfica nos permite un mayor entendimiento de los mecanismos ecológicos, interpretar mejor sus tendencias y cambios, identificar los determinantes claves de los brotes, detectar comportamientos inusuales o anormales, así como identificar los elementos tempranos de un brote esto nos permite tomar medidas a tiempo, para hacer mejores análisis de costo-beneficio, evaluar el impacto de intervenciones en brotes, detectar parámetros característicos dependiendo del virus predominante y para diseñar experimentos in vitro para obtener valores de parámetros, explicó el académico de la Uaslp.

Por ejemplo, diferentes escenarios fueron modelados frente la pandemia de influenza en relación a su R0 o la capacidad que una persona tiene de infectar a otras. Así, con un R0 menor a 1.6 funciona vacunar, pero una enfermedad infecciosa con un R0 de 2.4 (similar al del coronavirus) aún con todas las estrategias, la curva es muy grande. Esta modelación sirve para modelar el problema y generar estrategias para mejores políticas públicas.

Los objetivos de la salud pública son: reducir el crecimiento inicial de la curva y retrasar la aparición del pico, reducir la altura del pico, y reducir el tamaño final de la epidemia y para tomar las decisiones que lo hagan posible es necesario el modelaje matemático de las epidemias, concluyó el doctor Andreu Comas García en su charla “Epidemiología y matemáticas, desde un punto de vista médico”, la cual se puede consultar completa a continuación:

Dejar una respuesta

Please enter your comment!
Please enter your name here

11 − seis =