ALICANTE, 1 Abr. (EUROPA PRESS) -
Investigadores del Instituto Multidisciplinar para el Instituto Estudio del Medio "Ramón Margalef" (IMEM) de la Universidad de Alicante (UA), en colaboración con epidemiólogos del Centro Nacional de Medicina Tropical del Instituto de Salud Carlos III de Madrid, han desarrollado la primera herramienta de modelización en abierto para comparar diferentes escenarios de propagación del Covid-19.
Según la UA, se trata de "un paso más" en la carrera científica para comprender "la rápida transmisión de esta enfermedad infecciosa" y para generar escenarios y probar el efecto de diferentes medidas de control frente al coronavirus.
En un comunicado de este miércoles, la UA ha detallado que de ese modo es posible calcular el aumento o reducción de infectados por día planteando distintos escenarios.
"Qué pasaría si restringimos más o menos la vida social de la población, si alargamos las medidas de aislamiento a lo largo del tiempo, o si se realizaran vacunas masivas, ente otros planteamientos de interés", ha explicado el investigador del IMEM y profesor del Departamento de Ecología de la UA, César Bordehore.
La herramienta busca proporcionar un modelo abierto ?utilizando el programa STELLA de Iseesystems? que permita evaluar el comportamiento del Covid-19 en diferentes escenarios personalizando área y región: "Nuestra intención no es generar un modelo para predecir con precisión la evolución de la enfermedad, sino comparar posibles escenarios, evaluar sus efectos y reducir nuevas infecciones y, en última instancia, el número de muertes. Todo ello compartiendo en abierto una herramienta fácilmente adaptable a cada zona".
En concreto, los expertos en Dinámica de poblaciones, Medicina y Epidemiología que han participado en el diseño de este modelo de difusión Covid-19 y han trabajado, a partir de datos oficiales del Ministerio de Sanidad, Consumo y Bienestar Social, en distintos modelos y escenarios atendiendo a distintos grados de aislamiento, especificados como R0, que indica la velocidad de propagación (0 es confinamiento absoluto y 2.32 es el R0 inicial antes de las medidas establecidas el 14 de marzo de 2020).
PICO ENTRE EL 8 Y 9 DE ABRIL
César Bordehore ha comentado que el modelo indica que el pico de número de casos infectados ocurrirá alrededor "del 8 al 9 de abril, por lo que es crucial, a partir de esa fecha, mantener medidas de aislamiento muy restrictivas para minimizar el flujo diario de nuevos casos por Covid-19".
En este sentido, respecto a las medidas de distanciamiento social, el modelo detecta y cuantifica el efecto positivo de reducir la R0, extremar las medidas y paralizar toda actividad para contribuir a incrementar el número de contagios, sobre todo aquellos producidos por gente asintomática.
"El modelo ha constatado que aunque el 14 de marzo, día que se decretó el estado de alarma, se establecieron una serie de medidas de aislamiento, no han sido lo suficientemente severas para reducir al máximo el número de nuevos contagios. El recrudecimiento de las medidas de aislamiento instaladas desde el día 30 de marzo buscan precisamente reducir todavía más las tasas de propagación", ha recalcado.
"No obstante, se ha de remarcar la importancia de reforzar las medidas de control de nuevas infecciones en entornos domicilarios y, dado el elevado porcentaje de personal sanitario infectado, proteger más que nunca a dicho personal, minimizando los nuevos casos y ahondar en la saturación del sistema sanitario", destaca el experto.
Además, los investigadores han probado lo que sucedería si se hubiera adoptado una política de pruebas diagnósticas para toda la población. Bordehore ha explicado que la OMS insiste en "aumentar el número de pruebas, sobre todo para que la persona asintomática no contagie a su entorno".
Otro de los escenarios expuestos en este modelo es lo que sucedería si las medidas de aislamiento terminaran diez días después de su implementación. Como se detalla en el estudio, estas medidas no deberían cesar ya que todavía habría individuos infecciosos en la población que podrían contagiar a gente no inmunizada frente al virus.
Una de las fortalezas de este modelo es que se ha concebido en acceso abierto para que pueda ser adaptado a situaciones concretas por cualquier investigador con un ordenador y acceso a Internet.
