Sociedad

DE CURVAS Y MODELADOS

Covid-19 explosivo: quiénes quedaron afuera de los modelos

Esta es la segunda nota donde intentaremos analizar los motivos del aumento de los casos de Covid-19 considerando fenómenos locales como la sobredispersión y formas de enfrentarlos. El lado b de las filminas.

Santiago Benítez

Dr. en Biología - Conicet - @santiagombv1

Lunes 25 de mayo

El engaño de los promedios es (o debería ser) una de las primeras cosas que se aprende en una clase de estadística. Tomemos una ciudad imaginaria habitada por 99 jubilados que ganan los $15000 de mínima y por el señor Paolo Rocca, CEO del grupo Techint. ¿Cuál creen que será el promedio de ingresos en ese pueblo imaginario? La política de los promedios es el nombre de un ensayo de los Richard Levins y Richard Lewontin, biólogos que propusieron una visión dialéctica de trabajar en ciencia. En ese ensayo concluyen que no hay una manera “correcta” de reportar los promedios, ya sea en biología o en economía política.

En Las rutas del Covid-19 y cómo se modela el avance de la epidemia vimos el modelo que describe el desarrollo de la epidemia y uno de sus aspectos fundamentales, la tasa de reproducción (R), que corresponde al número promedio de personas infectadas a partir de un único caso. R es solamente una construcción de nuestro modelo, proviene pensar en una población ideal donde cada caso generará un número más o menos fijo de contagios. Eso implica que todas las personas de una región son más o menos iguales respecto al número de personas con las cuales interactúan. De la misma manera, se asume que una medida como el aislamiento social disminuye R al reducir, de manera pareja, la frecuencia en la cual todas las personas nos contactamos. Este razonamiento no solo está equivocado (en última instancia, todos los modelos lo están). Es profundamente inútil.

En primer lugar, hace tiempo se sabe que el número de infecciones secundarias a partir de un caso inicial varía enormemente entre diferentes personas y en diferentes contextos. Un artículo publicado en el año 2005 en la revista Nature y que entre sus análisis incluye a la anterior epidemia por coronavirus (el SARS de los años 2002-2003) señala este aspecto al que llama superdispersión : algunos individuos contagian a un número muy alto de personas, mientras que la mayoría solo lo hace con un número bajo. De esta forma, la mayoría de los casos transcurren con ningún o pocos contagios, y unos pocos acaban con cientos de personas afectadas. Para el Covid-19, un 10 % de los individuos infectados podrían ser responsables del 80 % de los casos secundarios.

Como explica Christopher Moore del Santa Fe Institute (EEUU) en un ensayo breve, una epidemia puede continuar por mucho tiempo aunque su tasa reproductiva promedio R haya caído debajo de 1. El R promedio de una provincia o de un país es una visión engañosa de los riesgos potenciales, porque la epidemia puede estar activa en lugares o grupos de personas específicas. Incluso puede ser un peligro, si el brote satura los recursos hospitalarios de una región particular.

Al analizar la superdispersión suele caerse en la tentación de “poner nombre y apellido” a los “superdispersores”. Personas irresponsables que vuelven de sus vacaciones en Europa y luego asisten a una fiesta de casamiento, por poner un ejemplo. Pero esto es solamente una manera de correr el foco de la atención apelando a un doble engaño. Primero, repitiendo los lugares conocidos de que el control de la epidemia es un asunto de responsabilidad individual (responsabilidad que, por las dudas, es monitoreada por las fuerzas represivas del Estado). Segundo, porque asume que las políticas públicas fracasan por culpa de aquello que no puede ser controlado (el comportamiento individual). Muy por el contrario, los eventos de superdispersión dependen conjuntamente de factores individuales y sociales, que determinan esa vulnerabilidad.

Con una enfermedad como el Covid-19, donde el contagio puede ocurrir hasta tres días antes de la aparición de síntomas, donde los presintomáticos podían ser responsables de hasta el 44 % de los contagios y donde los síntomas iniciales pueden pasar desapercibidos por un tiempo (como fiebre de 37,5° o la pérdida del sentido del olfato), conocer los factores de esta vulnerabilidad es el primer aspecto de un modelo útil.

Los vulnerables

Existe otro aspecto, profundo, donde la construcción de un modelo revela sus bases sociales y políticas. “La sociedad no existe. Hay hombres y mujeres individuales y hay familias” decía Margaret Thatcher. De manera similar, una abrumadora, constante y odiosa catarata de información parece simplificar el aislamiento social a una sencilla tarea (individual o familiar) de quedarse en casa y regular las salidas para ir de compras o evitar tomar una cerveza con amigos. La insistencia en la densidad de población como responsable de los mayores focos de contagios es también un reflejo de que la mayoría de los modelos epidemiológicos definan la socialidad únicamente en términos de densidad, como señala Rob Wallace en su libro Big Farms Make Big Flu (Grandes granjas producen grandes gripes).

La primera vulnerabilidad que podemos señalar afecta a un sector que es crucial para la lucha contra la pandemia: los trabajadores de la salud. Con precarización laboral, múltiples empleos, contacto con población de riesgo y escasez de elementos de trabajo y protección personal, es lógico que en algún momento se inicien eventos de superdispersión en áreas de la salud. El alto porcentaje de los infectados por coronavirus que son trabajadores de la salud motivó una queja de su Federación Sindical y una insólita respuesta del Ministro de Salud culpabilizando a los propios trabajadores. Lejos de brindar protección, la definición de caso en Argentina exige que un trabajador de salud sea testeado solo cuando presenta síntomas . Por el contrario, instituciones como el Imperial College de Londres recomiendan el testeo semanal de los trabajadores de la salud y otros grupos de riesgo, utilizando PCR (que detecta la presencia de material genético del virus) sin que importe si estos trabajadores tienen síntomas o no. De esta forma se podría reducir su contribución a la transmisión entre un 25 % y un 33 %, más allá de la reducción producto del aislamiento una vez detectado los síntomas.

La segunda vulnerabilidad es evidente. Existen multitud de casos donde muchas personas conviven bajo el mismo techo o en un espacio reducido y no son familiares. ¿Como cuáles? Los geriátricos, las cárceles, los hospitales, las construcciones donde varias familias se apiñan en una villa de emergencia. Barrios enteros donde no se puede acceder a medidas básicas de protección como lavarse las manos, disponer de alcohol, tener un termómetro en la casa o disponer de un centro de salud cercano y equipado. La pobreza y la precariedad son los factores de riesgo tanto o más peligrosos que la densidad, como lo muestran los casos en la comunidad Qom en Resistencia, un barrio pobre pero no particularmente denso si se lo compara con la Villa 31 de Retiro.

Una absoluta obviedad que ya se conocía por las experiencias de otros países, donde el Covid-19 se ensañó con los ancianos europeos depositados en geriátricos (las principales víctimas incluso en Suecia y Noruega) y con las minorías afroamericana y latina y con el Pueblo Navajo en EEUU. Sabiendo del riesgo, ¿por que no se monitoreó a la población vulnerable antes de que aparecieran los primeros casos? Más profundamente, ¿por qué no se brindaron condiciones dignas para afrontar una cuarentena? Un salario de cuarentena, un lugar donde poder aislarse si hacía falta (en las capitales de la especulación inmobiliaria y de los hoteles vacíos, ¿no había inmuebles disponibles?). La única respuesta hasta ahora es la cuarentena comunitaria donde barrios enteros son cercados.

Los tests, más allá de la discusión estéril

La polémica por los test ha terminado en el campo de las discusiones estériles, ninguna de las cuales examina cómo utilizarlos para acabar con la epidemia. Por una parte, la acusación de que el número limitado de test oculta un número mucho mayor de casos. Si hubiera un número mucho mayor de muertes y casos graves lo sabríamos, porque los trabajadores de la salud, los únicos en quienes confiamos, lo habrían denunciado. El número de test, el número de casos confirmados y el número de casos reales tienen una dinámica no lineal que no es captada en las simples asociaciones. La capacidad de testeo lógicamente aumenta el número de confirmaciones respecto a los casos reales (ambos números son iguales solo en una situación imaginaria con testeos al 100 % de la población). Por otro lado, a medida que la epidemia progresa, la capacidad de testeo se ve saturada en la función de confirmar la existencia de casos, olvidando su rol como herramienta de búsqueda. Este es el otro riesgo, cuando se reduce la aplicación del test a una simple confirmación, para asegurarse de que una persona con síntomas de Covid-19 realmente esté infectada, y aplicar un tratamiento médico en consecuencia. La excusa es que “son un recurso escaso”. También se apela a estudios de metodología dudosa para afirmar que no hay manera de detectar a los casos de Covid-19 antes de la aparición de los síntomas, pero no quiero detenerme en algo que es desmentido por la experiencia de testeos masivos en otros países.

El mismo sistema científico se encargó de demostrar que la escasez puede superarse, ofreciendo nuevas opciones de test o proponiendo el uso de pools de test (donde muestras de varias personas se analizan a la vez y solo en caso de obtener un positivo se analiza persona por persona). Por otra parte, los insumos que se deben importar no han desaparecido mágicamente del mundo, simplemente se han vuelto caros y algunos países han impuesto restricciones. ¿Por qué no destinar recursos a comprar esos insumos, sea cual sea su precio? En un país que paga sus vencimientos de deuda externa y otorga subsidios “de emergencia” a empresas como Techint, McDonalds, Ledesma o el grupo Clarín, decir que no hay recursos es una manera de reconocer que hay otras prioridades antes que la epidemia.

Gráfico: aumento de casos comunitarios (donde no se conoce el origen del contagio) frente a los casos de contagio por un contacto estrecho conocido.

Lentamente los casos comunitarios (donde no se conoce el origen del contagio) han ido aumentando proporcionalmente frente a los casos de contagio por un contacto estrecho conocido. Esto es una alarma. Los test, como ya dijimos una vez son una medida complementaria al aislamiento social. A las sugerencias de testear a los trabajadores de riesgo periódicamente (aunque no tengan síntomas) y a proteger a la población en riesgo con diferentes medidas (y no con el confinamiento barrial) se le agrega el adelantarnos tanto como podamos a los eventos de sobredispersión. Debemos usar los test (masivamente, si me disculpan) en campañas (masivas) de rastreo, identificación y aislamiento . Buscar activamente, utilizar test serológicos para identificar a quienes experimentaron la enfermedad de forma asintomática y una vez encontrados, rastrear en sus contactos para cortar las cadenas de infección. Buscar síntomas en la población en riesgo, utilizar los test para comprobar la infección y rastrear y testear todos los contactos. Utilizar herramientas tecnológicas (aplicaciones que realmente sirvan para el autodiagnóstico y aplicaciones que realmente permitan rastrear contactos sin exponer la privacidad). En resumen, olvidar la política de los grandes promedios y las grandes regiones donde una cuarentena general pudo ser originalmente efectiva y comenzar con la política de la heterogeneidad y de lo variable.

Debemos, en última instancia, abandonar la costumbre de convocar a los expertos para responder preguntas y volver a ser nosotros quienes preguntemos.






Temas relacionados

#coronavirus   /   Pandemia   /   Coronavirus   /   Ciencia y Tecnología   /   Sociedad

Comentarios

DEJAR COMENTARIO