Expertos de la Mesa de Datos Covid-19 explican la relevancia de los modelos matemáticos para prever aspectos de una epidemia

Hace una semana el Ministerio de Ciencia inauguró la instancia que busca organizar y poner a disposición datos para investigación científica y clínica. Algunos de sus integrantes son investigadores del Instituto Milenio Fundamentos de los Datos (IMFD). En conversación con El Líbero explican el papel que cumplen los modelos y las simulaciones computacionales para ayudar en la toma de decisiones sanitarias. Sin dejar de aclarar que estas herramientas son “simplificaciones de la realidad”. Destacan que “la calidad de las estimaciones depende de la calidad y confiabilidad de los datos utilizados”.

Transcurridos 13 días desde la confirmación del primer caso positivo de Covid-19 en Chile, el Instituto Milenio Fundamentos de los Datos comenzó a trabajar en un modelo para calcular la cantidad de nuevos contagiados en el país. La herramiento ha logrado estimar hasta con 98% de precisión la cantidad de personas contagiadas con Covid-19 por día y los casos acumulados.

Los investigadores de este instituto que, además, son académicos de la Universidad Católica, se sumaron desde el 25 de marzo, a los grupos de trabajo de la Mesa de Datos Covid-19; una iniciativa que encabeza el Ministerio de Ciencia, surgida a partir de las peticiones hechas por por alcaldes, el Colegio Médico y ex autoridades de salud, en el segundo encuentro de la Mesa Social Covid-19 realizado el 24 de marzo.

Ese primer modelo ya se encuentra a disposición de las autoridades sanitarias; y en paralelo en el instituto trabajan en otra herramienta que calcule el número reproductivo de la enfermedad, es decir, el promedio de casos nuevos que genera cada persona contagiada durante su período infeccioso. Además, están generando un tercer modelo que muestre los resultados que tienen las medidas para mitigar la epidemia, su objetivo es estimar potenciales peaks de contagios y casos críticos, y compararlo con la capacidad del sistema sanitario.

Pablo Barceló, director del Instituto de Matemática Computacional de la UC y subdirector del Instituto Milenio Fundamentos de los Datos (IMFD), explica que como instituto estaban evaluando desde qué aristas podían contribuir a hacer frente a la pandemia, considerando las iniciativas internacionales relacionadas con la visualización de datos; y esto coincidió con la invitación del ministro de Ciencia, Andrés Couve, para ser parte de un equipo de centros de investigación que pudiera desarrollar modelos que indicaran cómo podría evolucionar la epidemia de coronavirus en Chile.

“Hay una larga tradición de modelos matemáticos y, más recientemente, simulaciones computacionales que permiten modelar distintos aspectos de una epidemia. Por ejemplo, hay algunos que permiten caracterizar el potencial de una enfermedad de crecer a gran velocidad en cuanto a la cantidad de personas contagiadas o enfermas, estimar el número de casos diarios en el mediano plazo, calcular cuántos individuos se podrían contagiar o, incluso estimar cuándo podría ocurrir el peak de contagios. Hay modelos que son utilizados para proyectar el impacto que pueden tener intervenciones de salud pública, como el cierre de establecimientos educacionales, aislamiento de casos infectados o medidas de distanciamiento social, como ha sido en el desarrollo de esta pandemia”, explica Barceló.

No obstante, para el académico es importante recordar -y es un punto en que insisten desde el IMFD-, que “los modelos son simplificaciones de la realidad. Por lo tanto, uno no debiera preguntarse tanto si lo que muestra el modelo es la verdad, sino más bien si es útil”, en el sentido de que permita la toma de decisiones. 

La investigación que llevan adelante se alimenta con datos actualizados del Ministerio de Salud, que ahora también incluye información desagregada por comunas. El ministro de Ciencia, Andrés Couve, en conversación con El Líbero, explicó que la Mesa de Datos Covid-19, en sí misma, no es la encargada de desarrollar este tipo de herramientas, sino que se encargará de organizar y hacer disponible información más especializada para que centros como el IMFD puedan, de manera independiente, hacer proyecciones, modelamientos y estudios, y de esa forma tener un panorama más claro acerca de cómo será la propagación del virus en el país.

Académico Eduardo Undurraga: “Un modelo estará siempre limitado por lo que se sepa sobre el virus y la cadena de infección”

El equipo del IMFD es coordinado por su director, Marcelo Arenas, profesor titular del Departamento de Ciencia de la Computación de la Universidad Católica, y por su subdirector Pablo Barceló; y lo integran especialistas en epidemiología, políticas públicas y ciencia de datos. Uno de ellos es Eduardo Undurraga, ingeniero civil con doctorado en Políticas Sociales en Brandeis University (Massachusetts, EE.UU.), y profesor de la Escuela de Gobierno de la UC. 

Undurraga explica los alcances de este tipo de proyecciones y sus aplicaciones: “La posibilidad de hacer modelaciones computacionales ha expandido sustantivamente la versatilidad de los modelos epidemiológicos y también su uso para tomar decisiones. Hay varios modelos bien establecidos en epidemiología que han sido probados en contextos variados y con distintos virus, y que dan buenos resultados. Y cuando digo ‘buenos’ me refiero a que permiten caracterizar adecuadamente una epidemia y ayudan a tomar mejores decisiones”.

Argumenta que existen “buenas prácticas” que debieran estar consideradas en todas las herramientas de este tipo y la más importante es la transparencia. “Todos los modelos están basados en simplificaciones de la realidad, requieren supuestos y, por ende, tienen incertidumbre. Por ejemplo, existe aún mucha incertidumbre sobre algunos factores claves de esta epidemia, como la proporción de personas infectadas sin síntomas aparentes o con síntomas leves, y su capacidad de transmitir el virus. Además, se sabe poco hasta ahora sobre la respuesta inmunológica de las personas infectadas y, cuánto tiempo dura la inmunidad, o cómo afecta esto al fenómeno de la inmunidad de rebaño, que puede ser clave para detener la propagación de un virus”. 

Advierte Undurraga que existe otro punto crítico: “Un modelo estará siempre limitado por lo que se sepa sobre el virus y la cadena de infección. Considerando eso, uno como científico tiene que hacer supuestos razonables, basados en la evidencia que existe, y mostrar cómo cambian las estimaciones si modificamos tus supuestos. Por ejemplo, si quiero estimar cuántos casos de Covid-19 habrá en Chile en los próximos meses, puedo crear un modelo suponiendo que el potencial de la epidemia de crecer rápido es similar a lo que vimos en otros lugares, como Wuhan, China. Pero obviamente China no es igual a Chile, entonces tengo que ser cuidadoso en cómo interpreto esos resultados”. 

Un ejemplo de cómo este tipo de modelos puede influir en las políticas públicas es lo ocurrido en el Reino Unido, país que inicialmente optó por una política de transmisión controlada del virus en los grupos de menor riesgo, “como se hace en muchos países con la influenza”, aclara Undurraga. “Pero el 16 de marzo un grupo de modeladores de Imperial College, liderados por Neil Ferguson, estimó que, incluso con medidas agresivas de mitigación, como cuarentenas voluntarias, distanciamiento social de toda la población, no solo grupos vulnerables, y cierre de colegios; la capacidad del sistema de salud británico se vería ampliamente sobrepasada. Ese reporte hizo al gobierno cambiar su estrategia completamente, anunciando medidas mucho más severas, como un ‘lock-down’, que es una cuarentena total. Pero quiero insistir en que las decisiones de las autoridades no están basadas solo en los resultados de un modelo, sino que se complementan con otros muchos criterios”, subraya el investigador.

Barceló, subdirector del IMFD: “Sería ideal avanzar hacia una mayor accesibilidad de datos administrativos e integración entre distintos ministerios”

Barceló señala que hace algunos años cambió la forma en que se reportaban los datos de pacientes al Ministerio de Salud. Antes, recuerda, “los médicos llenaban una ficha que el Minsal luego ingresaba a sus registros: la cadena de reporte de datos tenía varios eslabones que podían fallar. Hoy los médicos acceden a un sistema en línea e ingresan directamente los datos; pero en casos extremos, como la pandemia actual de Covid-19, y como ha sucedido en varios países, los sistemas de vigilancia están siendo sobreexigidos, lo que no deja de ser preocupante. Esta sobreexigencia se puede traducir en deficiencia en la recolección y/o en la calidad de los datos”, describe como uno de los retos a los que deben enfrentarse. 

“Contar con buenos datos no es un capricho, es esencial para mejorar la toma de decisiones. Mucha gente del mundo científico, médico y del gobierno, está consciente de esto, y los equipos de datos han hecho enormes esfuerzos para mejorar la calidad y disponibilidad de los datos”, asegura. 

Para Barceló, es importante fortalecer la capacidad para recolectar datos del país. “Sería ideal avanzar hacia una mayor accesibilidad de datos administrativos e integración entre distintos ministerios, para su análisis. Hay una sinergia potencial enorme con las universidades, que podrían apoyar al Estado en el diseño y evaluación de políticas públicas. Y también sería ideal un mayor involucramiento de los académicos, para que entendamos mejor los procesos de toma de decisiones, tenemos mucho que aprender”.

Undurraga complementa con que las bases de datos siempre tienen un ruido estadístico, puesto que los procesos de generación de data no son perfectos. Por tanto subraya que existen métodos para minimizar ese ruido, puesto que la calidad de las estimaciones depende de la calidad y confiabilidad de los datos utilizados.

Un ejemplo podría ser un indicador como la tasa de mortalidad que “muestra mucha variación”. Asevera Undurraga: “Además de diferencias en la distribución etárea de la población, influye la capacidad máxima del sistema de salud, el contacto entre jóvenes y personas mayores, y también la severidad de los casos que detecta el sistema de vigilancia. Esa información es limitada para Chile, entonces lo adecuado sería suponer varios escenarios alternativos para estimar los casos fatales esperados”.

En consecuencia, no existe una respuesta única sobre cuál de los modelos matemáticos que se ha desarrollado desde que comenzó el avance de la epidemia resulta más confiable y esto va a depender en mayor instancia de la calidad de los datos utilizados. “El objetivo de estos modelos no es la precisión, sino apoyar la toma de decisiones mediante la comparación de varios escenarios posibles”, dice el profesor de la Escuela de Gobierno.

Concluye Undurraga que distintos modelos van a tener diferentes ventajas: “Hay modelos más precisos en el corto plazo, y otros menos precisos pero más flexibles, es decir, puedes incorporar intervenciones que afectarían la transmisión del virus. Lo importante es que las limitaciones de los modelos deben ser siempre explícitas, para que quien lo use tenga claridad en supuestos principales y las limitaciones del modelo. Un modelo no puede ser una ‘caja negra’ que sólo entrega resultados”.

En la Mesa de Datos Covid-19 participan también la jefa de la Departamento de Epidemiología del Ministerio de Salud, Johanna Acevedo; el jefe del Departamento de Estadísticas e Información de Salud, Carlos Sans. Además de científicos de otros centros de investigación, como Alejandro Maass, director del Centro de Modelamiento Matemático de Universidad de Chile; Leonardo Basso, director del Instituto de Sistemas Complejos de Ingeniería; Soraya Mora, física y magíster en neurociencia del Centro Interdisciplinario de Neurociencia de Valparaíso; Mauricio Canals, académico del Instituto de Salud Pública de la Universidad de Chile; y la Fundación Ciencia & Vida, liderado por Tomás Pérez-Acle. Este equipo técnico trabajará con una Secretaría Ejecutiva encabezada por el jefe del Equipo Futuro del Ministerio de Ciencia, Demián Arancibia.

Fuente: El Líbero