MODELOS PREDICTIVOS PARA LA EVOLUCIÓN DEL COVID-19

En la actualidad, contamos con modelos SEIR deterministas para cada comunidad autónoma y la nación en su conjunto [1]. Este enfoque asume que la población se divide en cuatro grupos: susceptibles de ser contagiados (S: susceptible), en proceso de incubación (E: exposed), contagiados (I: infected) y eliminados (R: removed), entendiendo por eliminados a aquellos ciudadanos que contrajeron el virus y fueron curados, aislados o fallecieron, y que por lo tanto ya no pueden contagiar a los susceptibles de serlo. En el enfoque determinista, las transiciones entre estados se formulan con ecuaciones diferenciales no lineales.

Durante los últimos meses, se ha generado un importante volumen de trabajos en la literatura científica que investigan el valor de los parámetros que describen el comportamiento del SARS-CoV-2. Por ejemplo, hay bastante consenso en que el tiempo de incubación de la enfermedad dura de media entre 5 y 6 días [2], y sigue una distribución Weibull [3].  Para definir el modelo, hemos utilizado las siguientes asunciones sobre los parámetros basándonos en la literatura científica reciente:

• Ratio de mortalidad = 2% [4,5]
• Período de incubación = 5.22 días [2, 3]
• Periodo infeccioso = 4.5 días [6]
• Período entre contagio y fallecimiento: 18.5 días [7]

Sin embargo, factores esenciales para estimar el desarrollo de la pandemia, como el número de reproducción básico (R0), dependen en gran medida de factores sociales, como el número de contactos entre individuos o los desplazamientos entre regiones [8]. Por tanto, asumir que esté parámetro tomará el mismo valor que en otras regiones del planeta puede suponer introducir importantes errores.

Adicionalmente, debido al limitado número de test realizados hay poca información sobre el número real de contagiados. Por ello, hemos obtenido la estimación de máxima verosimilitud de estos parámetros a partir de los datos de fallecidos publicados por el Ministerio de Sanidad del Gobierno de España.

Por último, hemos incluido un parámetro adicional [9] para estimar el efecto de las intervenciones del Gobierno de España y comunidades autónomas en la reducción de contagios, hospitalizaciones, e ingresos en UCI. Los modelos pueden simular escenarios futuros en función de la relajación de las medidas de distanciamiento social. Esto permite a las autoridades competentes tomar decisiones informadas y basadas en datos, conociendo de antemano el impacto esperado de las mismas.

Además, los modelos aprendidos permiten no solo predecir el número de infectados y muertes que se producirán en el futuro, sino también conocer cómo han evolucionado en realidad los contagios, y en qué fecha es más probable que se introdujera el virus en España.

Referencias

[1]https://www.olocip.com/es/2020/03/27/espana-espera-alcanzar-el-pico-de-contagios-el-4-de-abril/

[2]Kucharski, A. J., Russell, T. W., Diamond, C., Liu, Y., Edmunds, J., Funk, S. & Davies, N. (2020). Early dynamics of transmission and control of COVID-19: A mathematical modelling study. The Lancet Infectious Diseases.

[3]Backer, J. A., Klinkenberg, D., & Wallinga, J. (2020). Incubation period of 2019 novel coronavirus (2019-nCoV) infections among travellers from Wuhan, China, 20–28 January 2020. Eurosurveillance, 25(5).

[4]Xu, Z., Shi, L., Wang, Y., Zhang, J., Huang, L., Zhang, C. & Tai, Y. (2020). Pathological findings of COVID-19 associated with acute respiratory distress syndrome. The Lancet Respiratory Medicine.

[5]Chen, Y., & Li, L. (2020). SARS-CoV-2: virus dynamics and host response. The Lancet Infectious Diseases.

[6]Anderson, R. M., Heesterbeek, H., Klinkenberg, D., & Hollingsworth, T. D. (2020). How will country-based mitigation measures influence the course of the COVID-19 epidemic?. The Lancet, 395(10228), 931-934.

[7]Zhou, F., Yu, T., Du, R., Fan, G., Liu, Y., Liu, Z., Xiang, J., Wang, Y., Song, B., Gu, X., Guan, L., Wei, Y., Li, H., Wu, X., Xu, J., Tu, S., Zhang, Y., Chen, H., Cao, B. (2020). Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: A retrospective cohort study. The Lancet.

[8]Prem, K., Liu, Y., Russell, T., Kucharski, A. J., Eggo, R. M., Davies, N. & Klepac, P. (2020). The effect of control strategies that reduce social mixing on outcomes of the COVID-19 epidemic in Wuhan, China. The Lancet.

[9]Lekone, P. E. & Finkenstädt, B. F. (2006). Statistical inference in a stochastic epidemic SEIR model with control intervention: Ebola as a case study. Biometrics, 62(4), 1170-1177.]