Cómo los datos del mundo real pueden ayudarnos a prepararnos mejor para la próxima pandemia
¿Qué nos dirá la retrospectiva cuando echemos un vistazo a la pandemia de COVID-19? ¿Recordaremos el cambio de década como el año que finalmente trajo un cambio real a la preparación para una pandemia, o nuestro eventual regreso a la «normalidad» obstaculizó nuestro progreso?
Aunque los epidemiólogos han advertido durante mucho tiempo sobre la posibilidad de una epidemia mundial, sus advertencias han sido ignoradas en gran medida. Sin embargo, las prácticas industrializadas de cría de animales, el aumento del contacto entre humanos y animales, la globalización, la pérdida de biodiversidad y otros factores apuntan a la posibilidad de otra enfermedad zoonótica (una que se propaga de los animales a los humanos) con potencial pandémico.
El lado positivo de la actual pandemia de COVID-19 es que puede ayudarnos a prepararnos mejor para futuros brotes, si usamos lo que hemos aprendido correctamente. En particular, podemos hacer un mejor uso de uno de los recursos más importantes que tenemos en la preparación para una pandemia: los datos del mundo real.
La importancia de los insights en tiempo real
La pandemia ha creado una gran cantidad de datos que pueden ayudarnos a planificar futuros brotes de enfermedades. Una extensa investigación sobre la respuesta pandémica de EE. UU. brinda información sobre los beneficios y las consecuencias de varios cursos de acción, conocimiento que podemos usar para prepararnos para el futuro.
Una de las principales conclusiones es que los sistemas de salud deben tener visibilidad en tiempo real. Si bien los observadores han dicho repetidamente que la implementación ineficaz de las pruebas fue (y sigue siendo) uno de los mayores fracasos de Estados Unidos para ponerse al día con COVID-19, hay una gran cantidad de otros datos que pueden brindar información sobre el virus. untado. Necesitamos mejorar la recopilación, el intercambio y el análisis de estos datos del mundo real para que podamos identificar rápidamente los síntomas de COVID-19, identificar tratamientos efectivos y rastrear la propagación más rápido.
Por ejemplo, cuando comenzó la pandemia, las organizaciones de salud pública difundieron información que enumeraba como síntomas el dolor de garganta, la dificultad para respirar, la tos y la fiebre. Sin embargo, después de unos meses, otros síntomas, como sarpullido y decoloración de la piel, como en los dedos de los pies y los pies, se consideraron indicadores potenciales del virus. Además, la llamada «hipoxia silenciosa» (COVID-19 que causa niveles extremadamente bajos de oxígeno en la sangre sin efectos externos aparentes en la respiración) mató a muchos pacientes antes de que los médicos supieran que debían prestarle atención.
¿Por qué no podemos reconocer estos síntomas antes? Los registros de salud electrónicos (EHR), en los que los médicos registran las visitas de los pacientes, no permiten la manera fácil y eficiente de compartir datos a escala. Si los datos de pacientes no identificados se pueden extraer a nivel nacional, entonces la IA y los algoritmos de aprendizaje automático pueden identificar patrones más rápido que los investigadores aislados que trabajan en pequeños grupos de pacientes. En lugar de analizar los datos de COVID-19, los investigadores publicaron más de 23 500 artículos en seis meses, muy informativos, pero demasiados datos para que cualquier persona los analice e identifique investigaciones valiosas.
El acceso centralizado a los datos no solo podría acelerar la identificación de los síntomas de COVID, sino también investigar rápidamente tratamientos efectivos. Los investigadores pueden utilizar una base de datos verdaderamente poderosa para analizar y determinar qué tratamientos son más efectivos para pacientes con varias enfermedades subyacentes o antecedentes de enfermedades.
Además, el uso de técnicas de aprendizaje automático en bases de datos compartidas puede generar información predictiva que muestre patrones en las comunidades previas al brote y ayude a decidir cuándo y dónde se deben implementar los bloqueos y las órdenes de distanciamiento social. Varios países ya están utilizando fuentes de datos no tradicionales, como teléfonos móviles anonimizados y datos de seguimiento del estado físico, para predecir brotes de COVID. Alemania, por ejemplo, está utilizando aplicaciones de seguimiento anónimas para identificar anomalías en los hábitos diarios, como usuarios frecuentemente activos que se saltan el ejercicio o caminan, para predecir cuándo una comunidad podría tener un brote y prevenirlo antes de que empeore.
La experiencia israelí proporciona un buen ejemplo de cómo se pueden analizar y compartir los datos del mundo real. Al implementar rápidamente la vacuna de Pfizer en más de la mitad de la población y hacer un seguimiento de los resultados, el país pudo demostrar una caída drástica en las infecciones graves y las hospitalizaciones a causa de la vacuna. Esta evidencia del mundo real es clave para comprender cómo funcionan las vacunas fuera de los ensayos clínicos controlados y en poblaciones más grandes.
Estas medidas son solo la base de lo que los formuladores de políticas pueden hacer para brindar información en tiempo real. Y estos beneficios no tienen que usarse únicamente para la preparación para una pandemia; la extracción y el análisis de datos no identificados se pueden usar para identificar estrategias efectivas para combatir todo, desde problemas de salud mental hasta enfermedades crónicas.
Retrospectiva, previsión e intuición
Cuando surja inevitablemente el próximo virus novedoso con potencial pandémico, los cambios y preparativos que hagamos en los meses y años venideros determinarán si estamos mejor equipados para enfrentar otra crisis de la magnitud de la COVID-19. Se requiere una acción urgente ya que nuestro sistema de atención médica continúa experimentando fallas en el intercambio de datos en todos los niveles. A pesar del aumento significativo en las pruebas de COVID-19, las organizaciones aún luchan por compartir los resultados de las pruebas porque algunas instalaciones aún dependen de las máquinas de fax para comunicar información oportuna. Cuando se lucha contra una pandemia en curso, los resultados entregados semanas después de la prueba son de poca utilidad para prevenir la propagación de la enfermedad. Si queremos tener la previsión para prevenir la próxima epidemia, debemos ser capaces de obtener información en tiempo real y reconocer la importancia de estudiar eventos pasados.
Si bien algunos países, como el Reino Unido, han dedicado recursos significativos a la secuenciación de genomas adicionales de COVID-19, Estados Unidos ocupa el puesto 32 en el mundo por la cantidad de secuencias completadas por cada 1000 casos de COVID. No solo la incapacidad de identificar virus mutados, sino también la incapacidad de identificar fácilmente cualquier cambio importante en la epidemiología de los virus a este nivel seguirá obstaculizando nuestra capacidad de predecir y prevenir la transmisión.
Si bien siempre habrá diferencias de opinión sobre el mejor curso de acción para la preparación y prevención de pandemias, debemos crear un foro de discusión más efectivo y debemos continuar alentando las discusiones multidisciplinarias para sopesar las diversas consecuencias sociales, económicas y fisiológicas potenciales. Curso de capacitación . Estas discusiones no deberían esperar hasta que llegue la próxima pandemia. En su lugar, debemos establecer y financiar completamente grupos de expertos y comités para visualizar posibles escenarios y respuestas.
Deberíamos tratar de responder preguntas importantes como: ¿Cuánto tiempo pueden las empresas de diferentes niveles socioeconómicos sobrevivir a las fallas y qué ayuda es más efectiva? ¿Cuáles son los efectos a largo plazo de un niño que pierde un año o que casi va a la escuela? ¿Cómo afecta la segregación a la salud mental de las personas de todos los grupos de edad, niveles de ingresos y entornos rurales y urbanos; qué estrategias pueden mitigar estos efectos? ¿Qué lecciones se pueden aprender de los países con sistemas complejos de recopilación de datos?
Con los datos correctos para analizar y los expertos adecuados para analizar dichos datos, estamos bien posicionados para responder estas preguntas y recopilar los conocimientos necesarios para comprender el impacto continuo de COVID-19. Armados con este conocimiento y conciencia global de las consecuencias de una respuesta ineficaz, tendremos la motivación y los medios para tomar las precauciones adecuadas y prevenir una futura pandemia antes de que comience.
Este es un artículo de opinión y análisis.
