En las últimas semanas está habiendo un debate entre los científicos y gestores sobre hasta qué punto hay que llegar con las restricciones y las medidas de confinamiento para frenar el avance del coronavirus y aplanar la curva de infectados.

Algunas de las simulaciones y evaluación de escenarios de los modelos matemáticos. / UC3M/Unizar

Basándose en censos y flujos de movilidad real, investigadores de la Universidad Carlos III de Madrid (UC3M), la Universidad de Zaragoza, el Instituto Tecnológico de Massachussets (MIT) y la Fundación ISI italiana han analizado las estrategias de distanciamiento social para proteger a una comunidad ante una pandemia como la provocada por la COVID-19.

“Lo más sostenible es contener el brote con el confinamiento a los niveles que hay hoy y aprovechar el tiempo que ganas para salir a hacer cuantos más test, mejor”, señala a Sinc el físico teórico Yamir Moreno, coautor del estudio y responsable del Grupo de Redes y Sistemas Complejos (COSNET) del Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza.

“El confinamiento total, por sí mismo, no resuelve nada, porque retrasa la aparición del pico, pero no impide que cuando levantes el confinamiento vuelvas a la casilla de salida, a las condiciones iniciales, ya que el virus seguirá circulando en la población con una incidencia baja pero no nula; además del agravante que llevarás dos o tres meses con la economía seca por ese parón total”, apunta Moreno.

“Lo que decimos –subraya– es que lo que podría tener un impacto económico más sostenible y con más perspectivas de que funcione desde el punto de vista epidemiológico es el confinamiento a los niveles actuales durante cierto tiempo, combinándolo con políticas activas”.

Ir a por las personas infectadas

“Estas últimas son aquellas en las que no esperas a que los enfermos o personas con síntomas vengan a ti, sino que sales a buscarlos (como en Corea del Sur) con test masivos y aislamiento de aquellos que den positivo –añade–, así como el rastreo inteligente, es decir, hacer pruebas también a los contactos de los positivos aunque no tengan síntomas claros”.

“Utilizando matrices de contacto a este nivel de detalle podemos saber el efecto de estrategias como cerrar escuelas, trabajos o incluso restaurantes u otros sitios no esenciales”, explica el profesor del departamento de Matemáticas de la UC3M y coautor del estudio, Esteban Moro, actualmente profesor visitante en el Media Lab del MIT.

Los datos reflejan, por ejemplo, que el cierre de escuelas podría no tener un impacto tan importante como se pensaba en el control de la epidemia, ya que las infecciones continúan ocurriendo dentro de los hogares y otros entornos sociales.

Datos reales con usuarios de móviles en Boston

Para realizar esta investigación y simular la evolución de la pandemia, el equipo ha utilizado datos de movilidad real de usuarios de teléfonos móviles en EEUU cedidos por el programa Data for good de Cuebiq Inc., una empresa que recoge las ubicaciones de los usuarios y las agrega de forma anónima.

Además, han analizado datos del censo del área de Boston para construir una red de ubicación conjunta en tres capas (comunidad, escuelas y hogares) y han empleado un modelo SEIR (que incluye personas susceptibles, expuestas, infectadas y recuperadas de la enfermedad) para la modelización de la propagación de epidemias.

Esta investigación trata de obtener datos que ayuden a evaluar el impacto de las estrategias de distanciamiento social que se están adoptando en los diferentes países para luchar contra el COVID-19, así como el tiempo que deben estar vigentes o cuál es la más efectiva actualmente. Además, también se analizan las probabilidades de que pueda surgir un segundo brote más adelante o cuál sería la mejor manera de prepararse ante una hipotética segunda oleada.

Estos resultados preliminares se han publicado en abierto bajo una licencia Creative Commons para que estén a disposición de las autoridades y de la comunidad científica. Los análisis se pueden utilizar, contrastar e ir actualizando y optimizando con nuevos datos. En este trabajo, realizado en respuesta a la crisis sanitaria provocada por el COVID-19, colabora también la empresa madrileña Zensei Technologies S.L.