Las pandemias se predicen como se predecía el tiempo hace un siglo

caitlin rivers | dylan george FOREING AFFAIRS

ACTUALIDAD

María Pedreda

Existen graves lagunas en la capacidad de los modelos de enfermedades infecciosas

05 jul 2020 . Actualizado a las 09:59 h.

En 1900, el huracán más letal en la historia de EE.UU. golpeó a la localidad de Galveston, Texas. La tormenta, que se estima fue de categoría 4, se llevó la ciudad por delante. Unas 8.000 personas murieron y aún más vidas se hubieran perdido si Isaac Cline, el jefe del Servicio Climático de Texas, no hubiera pasado el día anterior exhortando a las personas a buscar refugio. Lo hizo casi por una corazonada, basada en el hecho de que una fuerte tormenta había pasado recientemente sobre Cuba. La ciencia del pronóstico del tiempo aún no había surgido, e intentar adivinar era lo mejor que alguien podía hacer.

Más de un siglo después, los pronósticos de huracanes son una parte central del verano y del otoño para millones de ciudadanos de EE.UU. y el Caribe. Esas predicciones, junto con las de las tormentas de invierno, los tornados y las inundaciones, han salvado una cantidad innombrable de vidas y billones de dólares.

Con el mundo moviéndose rápidamente hacia una era de pandemias, la historia de cómo ha mejorado el pronóstico del tiempo merece la atención. Porque, cuando se trata de modelar el curso probable de brotes contagiosos, nos encontramos en cierta forma más cerca de los viejos días de huracanes letales, sin previo aviso, que a la actual era del seguimiento meteorológico.

Los sofisticados modelos matemáticos han contribuido en gran manera en la respuesta a la pandemia. A los inicios del brote, algunos simuladores estimaron que el covid sería más letal que la gripe común. Otros concluyeron que la rápida contención del virus en China era poco probable, basados en el alto e inusual número de viajeros internacionales infectados. Y cuando EE.UU. estaba a punto de padecer el peor brote en el mundo, fueron los modeladores quienes informaron al grupo de trabajo de la Casa Blanca que coordinó la respuesta federal, incluida la decisión de comenzar la campaña Frenar el contagio, con medidas de distanciamiento social y el cierre de negocios.

Pero no se está utilizando toda la fuerza de la experiencia epidemiológica. A pesar de algunos éxitos, persisten graves lagunas en la capacidad de los modelos de enfermedades infecciosas para informar las políticas de Salud Pública. Esto se debe a que no existen sistemas centralizados para pronosticar enfermedades, como los servicios nacionales de meteorología.

En el 2009, durante la pandemia de la gripe H1N1, los funcionarios en Pennsylvania consultaron modelos para decidir si debían cerrar las escuelas. Durante el brote de ébola en el 2014, los simuladores ayudaron a calcular el riesgo de que los viajeros importaran casos a EE.UU. y cuántas camas de hospitales se necesitarían.

Pero cuando terminaron esos brotes, los lazos informales que se habían desarrollado entre científicos y quienes toman las decisiones no estaban institucionalizados; y no surgió ningún sistema formal para centralizar la experiencia. Una vez más, con el covid los académicos han debido intervenir para llenar ese vacío.

Es un patrón que se repite. Durante una pandemia, el modelado se vuelve una prioridad. Y cuando la sensación de urgencia se desvanece, la atención desaparece. El principal riesgo es que a medida que los resultados del modelaje estadístico cambian, esas modificaciones no llegan al radar de quienes elaboran las políticas. «Las proyecciones dan información en un momento particular, pero desafortunadamente cambian constantemente. Es importante comunicar esta incertidumbre», afirma Jeffrey Shaman, profesor de Ciencias de la Salud en la Universidad de Columbia.

Nublado, con posibilidad de pandemia

Para integrar de una mejor manera las predicciones sobre enfermedades en la toma de decisiones los organismos públicos deberían inspirarse en la experiencia del tiempo. El pronóstico del tiempo numérico surgió en los años veinte a raíz de los avances matemáticos que ayudaron a describir la física atmosférica. Décadas después, las computadoras y otras nuevas tecnologías hicieron posible que los científicos agregaran cada vez más datos a los modelos, lo que condujo a mejoras progresivas en el pronóstico a largo plazo.

Durante la última década, las inversiones públicas en el pronóstico de enfermedades han dado algunos avances. Sin embargo, los programas desarrollados se centran principalmente en el desarrollo de la ciencia básica, en lugar de ayudar a los funcionarios de Salud Pública a tomar decisiones difíciles sobre el control de brotes. Y rara vez reciben fondos suficientes. Para empeorar las cosas, apenas existe innovación privada en los modelos de contagio. Roni Rosenfeld, profesor de Computación en la Universidad Carnegie Mellon, señala otro problema: «De lejos, el mayor obstáculo son los datos».

Los datos sobre pandemias están fragmentados, almacenados en silos que no pueden comunicarse entre sí. Y las agencias públicas no son famosas por su capacidad para adquirir, procesar, compartir, analizar y comunicar datos que ayudarían a dar una respuesta ante un brote.

«No existe un formato de informe sistemático para que los centros individuales proporcionen datos», afirmó Lauren Gardner, de la Universidad Johns Hopkins, quien dirigió el equipo que construyó el mapa de coronavirus más fiable sobre el covid-19. «Incluso cuando existen datos, puede que no estén en un formato utilizable. Juntos, estos problemas limitan sustancialmente las capacidades de los modelos de enfermedades para poder informar en tiempo real».

La mejor manera de abordar estas vulnerabilidades sería el establecimiento de centros nacionales de pronóstico. Durante un brote, los científicos podrían ayudar a predecir cómo y dónde podrían emerger muchos de los casos y a dónde dirigir los recursos.

Por otra parte, así como los meteorólogos locales traducen los complejos modelos en pronósticos que el público puede comprender fácilmente, los comunicadores científicos podrían hacer lo mismo. Estos pronósticos podrían facilitar la decisión de teletrabajar durante la temporada de gripe o si es necesario utilizar una mascarilla. Para llevar a cabo esa misión, se debería identificar, adaptar y adoptar tecnología punta, y atraer a los mejores científicos, ingenieros y tecnólogos de datos.