TOKIO, Japón — Investigadores de la Universidad Metropolitana de Tokio han realizado simulaciones numéricas basadas en la teoría de redes que muestran cómo cambia la cantidad de infecciones en una pandemia cuando surge una nueva variante. Encontraron una relación no lineal entre la infectividad de la nueva variante en comparación con la existente, un efecto no observado en trabajos anteriores. Su modelo se puede aplicar para comprender pandemias reales como COVID-19 e informar las medidas de control.

TOKIO, Japón — Investigadores de la Universidad Metropolitana de Tokio han realizado simulaciones numéricas basadas en la teoría de redes que muestran cómo cambia la cantidad de infecciones en una pandemia cuando surge una nueva variante. Encontraron una relación no lineal entre la infectividad de la nueva variante en comparación con la existente, un efecto no observado en trabajos anteriores. Su modelo se puede aplicar para comprender pandemias reales como COVID-19 e informar las medidas de control.

Desde que COVID-19 comenzó a propagarse a fines de 2019, ha tenido un impacto devastador en la vida de las personas. A medida que ola tras ola de nuevas variantes continúan causando estragos en todo el mundo, los científicos han buscado formas de comprender cómo se propaga la enfermedad. En particular, surge la pregunta de cómo surgen, se propagan y finalmente desplazan nuevas variantes de la cepa existente. Comprender la dinámica de las variantes en una población es fundamental para controlar su propagación.

Un marco clásico para modelar la dinámica de una pandemia es el modelo SIR «compartimentado», que considera el número de miembros susceptibles (S), infectados (I) y recuperados (R) de una población. Los números están relacionados y resueltos por ecuaciones, dando muchas de las características más destacadas de la propagación de una enfermedad. La pandemia se está propagando rápidamente antes de desacelerarse a medida que disminuye la cantidad de casos susceptibles y más pacientes se recuperan. Sin embargo, el modelo no puede dar cuenta de la naturaleza diversa de la población, es decir, una persona infectada determinada no tiene las mismas posibilidades de infectar a todos los demás y la cantidad de contactos que tienen las personas puede variar mucho de una persona a otra. Cualquier modelo que intente capturar la dinámica de una pandemia y dónde y cómo se propaga debe usar un modelo más sofisticado.

Por esta razón, el profesor emérito Yutaka Okabe de la Universidad Metropolitana de Tokio y el profesor Akira Shudo han recurrido a la teoría de redes, un marco matemático que puede capturar cómo los diferentes miembros de una población se conectan con otros. Usando diferentes tipos de redes, pudieron crear un modelo más realista de cómo podría propagarse una enfermedad infecciosa. Las características clave incluyeron estados de absorción dinámica, estados en los que la red puede atascarse con el tiempo, p. B. un estado sin personas infectadas. Si hubiera pocas infecciones y baja infectividad, la red volvería a un estado libre de infecciones.

El equipo realizó una simulación numérica del modelo microscópico en la red; En medio de una simulación de una enfermedad infecciosa, agregaron una variante que se transmite más fácilmente que la cepa original. Al observar los números, el equipo descubrió que una variante con la misma infectividad que la cepa existente no se destaca en absoluto. Este es un resultado directo de la naturaleza no lineal de la simulación, ya que la red vuelve a un estado de absorción sin infecciones. Si aumenta la infectividad de la nueva variante, es más probable que la población se infecte con la variante que con la cepa existente, aumentando la tasa de la nueva cepa a expensas de la anterior. La forma no lineal en la que el número de infecciones aumenta con la infectividad variante es producto de la naturaleza microscópica del modelo de red, que proporciona una imagen más detallada y matizada que antes.

El equipo espera que su modelo pueda usarse para diseñar estrategias efectivas de contención de enfermedades infecciosas al examinar puntos de conectividad significativa en la red y comprender cómo su aislamiento afecta las infecciones generales. A medida que la pandemia de COVID-19 continúa en su apogeo, los estudios fundamentales sobre la propagación de la enfermedad son una parte esencial de la toma de decisiones informada destinada a que la sociedad vuelva a la vida normal.


DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí