La nueva ciencia del confinamiento
La rápida propagación de la COVID-19 a principios de 2022 tomó por sorpresa a muchos gobiernos, obligándolos a adoptar rápidamente formas toscas de confinamiento para contener la propagación del virus, dejando poco tiempo para considerar los méritos de las variaciones en estas estrategias básicas de confinamiento. La principal preocupación ahora es que a medida que nos «abrimos» y salimos del encierro, podría haber una segunda ola de COVID-19, o un «pico de infección». Tal ola podría ser aún más dañina que la primera ola, ya que la gran mayoría de la población mundial sigue siendo vulnerable al COVID-19, y dado que muchos gobiernos han gastado grandes recursos económicos en costos sociales, de salud, económicos y de otro tipo (hay un consenso general de que estos no son sostenibles a largo plazo).
Ahora que los países están reabriendo sus economías, una pregunta importante es si será posible diseñar nuevas estrategias de bloqueo de una manera que gestione el virus y permita una gran actividad económica. A esto lo llamamos «ciencia del confinamiento», y es un área que actualmente se comprende poco y en la que actualmente somos pioneros.
Una dificultad importante en el diseño de políticas de confinamiento se deriva de las muchas fuentes de incertidumbre que rodean a la enfermedad COVID-19. Estos incluyen: el tiempo que tarda una persona en desarrollar síntomas; el tiempo que tarda una persona en volverse infecciosa; el tiempo que tarda una persona en recuperarse; la vía de infección (aerosol, superficie); el número de personas asintomáticas en la población; y muchos otros factores. Otra fuente de incertidumbre es tratar con transmisiones desconocidas entre poblaciones en diferentes regiones geográficas y/o en diferentes poblaciones geográficas. Toda esta incertidumbre se ve exacerbada por el crecimiento exponencial de la epidemia; la combinación de incertidumbre y crecimiento exponencial dificulta determinar el mejor momento para bloquearla y levantarla.
¿Cómo puede ayudar la ciencia? Una rama de las matemáticas de la ingeniería es la teoría del control, basada en el tratamiento de los tiempos intermedios, sujetos a retrasos e incertidumbres. Décadas de investigación nos han enseñado que tomar decisiones basadas en información antigua y obsoleta es muy difícil, especialmente cuando las epidemias crecen exponencialmente. Por ejemplo, en el caso de COVID-19, la tasa de mortalidad de pacientes con el virus refleja lo que sucedió en el punto de infección hace unas semanas y no da una imagen clara de la epidemia actual. Programar intervenciones basadas en tales datos es muy peligroso; intervenir demasiado tarde, el sistema de salud se ve abrumado y se produce una tragedia.
Vale la pena señalar que, si bien pocos científicos familiarizados con la teoría del control considerarían seriamente el uso ingenuo de datos inciertos en tiempo real para desencadenar intervenciones de bloqueo para controlar el COVID-19, muchos de los planes propuestos actualmente para controlar la ola secundaria sugieren esta manera. En cambio, la teoría del control sugiere que los retrasos, la incertidumbre y el crecimiento exponencial pueden abordarse mediante el desarrollo de políticas de intervención periódica que no dependan demasiado de los datos de medición en tiempo real. Siguiendo este principio, los resultados combinados de análisis y simulación de nuestro grupo (que publicamos en ArXiv), junto con el trabajo de otros grupos en todo el mundo, allanan el camino para el diseño basado en principios de estrategias de bloqueo basadas en intervalos de bloqueo rápidos pero regulares que alternan con ciclos sociales trabajo normal. La política tiene el potencial de ser una forma de suprimir el virus al tiempo que permite una actividad económica continua, aunque reducida.
Por ejemplo, esto podría ser un patrón repetitivo de 1/6 de semana, donde un día laboral normal es seguido por un cierre patronal durante los próximos seis días. Si bien son simples, no todas estas estrategias son tan efectivas como las demás, y la tarea de la ciencia del confinamiento es encontrar las que sean más efectivas para suprimir el virus, permitir la actividad económica y lidiar con la incertidumbre de manera sólida. Tenga en cuenta que estas estrategias no están diseñadas para eliminar el virus, sino que tienen como objetivo lograr políticas que puedan mantenerse a largo plazo, asegurando que el virus permanezca relativamente bajo hasta que haya una vacuna o un tratamiento disponible. Y, lo que es más importante, estas estrategias de salida rápida e intermitente son resistentes a la incertidumbre porque el período de bloqueo no se activa mediante mediciones, sino que lo impulsan desencadenantes periódicos predecibles de entrada y salida del bloqueo.
En este punto, los lectores pueden cuestionar la sabiduría de no utilizar los datos disponibles de alguna manera. Esta es una preocupación válida y los datos deben usarse con precaución. Activar estrategias basadas en datos instantáneos es peligroso precisamente porque los datos son muy inciertos, por todas las razones comentadas. Sin embargo, durante períodos más largos, se pueden promediar datos inciertos, lo que revela tendencias a largo plazo, como si los niveles promedio de infección están aumentando o disminuyendo. En circunstancias normales, no tiene sentido usar información antigua cuando tienes que responder rápidamente. Sin embargo, es una buena idea usar los datos promedio a largo plazo para ajustar la estrategia de bloqueo, ya que nuestra estrategia de cambio siempre reducirá el virus.
Por supuesto, algunas políticas serán mejores que otras. Estos se pueden encontrar usando cuidadosamente datos promedio para ajustar días de la semana específicos y días de bloqueo muy lentamente, en respuesta a las incertidumbres en la medición y los cambios en la dinámica del virus a lo largo del tiempo (por ejemplo, de 1/6 de la política a 2/5, y pueden regresar, según los datos).
Esta estrategia es natural. Una buena analogía es conducir un automóvil deportivo por primera vez. Cuando éramos nuevos en los automóviles, apretábamos con cuidado el pedal del acelerador (encendido) para acelerar y retrocedíamos rápidamente cuando se anticipaba el peligro (apagado). Con el tiempo, a medida que observamos el vehículo y entendemos su comportamiento, podemos mejorar nuestra estrategia para que la forma en que aceleramos sea mejor (sintonizada). El uso de bloqueos periódicos para domar la incertidumbre de COVID-19 está haciendo lo mismo, pero con la complejidad adicional de observar retrasos significativos y el hecho de que estamos conduciendo «automóviles» a velocidades cada vez más rápidas.
El trabajo de investigación discutido en este manuscrito es una colaboración entre grupos en Imperial College London, University of Pisa, University College Dublin, University of Glasgow, University of Trieste, Tel Aviv University, RMIT University, dirigido por M. Bin, P. Cheung, E. Crisostomi, P. Ferraro, H. Lhachemi, R. Murray-Smith, C. Myant, T. Parisini, R. Shorten, S. Stein y L. Stone.
Lea más de Noticias-Hoy sobre el brote de coronavirus aquí. Y lea la cobertura de nuestra red internacional de revistas aquí.
