MADRID, 28 Dic. (EUROPA PRESS) -
Investigadores del Imperial College de Londres (Reino Unido) elaboraron un modelo para evaluar el efecto de las diferentes medidas utilizadas para frenar la propagación del coronavirus. Sin embargo, el modelo "tenía deficiencias fundamentales y no se puede utilizar para sacar las conclusiones publicadas", según un nuevo estudio de investigadores suecos de la Universidad de Lund, publicado en la revista científica 'Nature'.
Los resultados del Imperial College de Londres indicaron que fue casi exclusivamente el confinamiento estricto lo que suprimió la ola de infecciones en Europa durante la primavera. El estudio estimó los efectos de diferentes medidas como el distanciamiento social, el autoaislamiento, el cierre de escuelas, la prohibición de eventos públicos y el propio encierro.
"Dado que las medidas se introdujeron más o menos al mismo tiempo durante unas semanas en marzo, los datos de mortalidad utilizados simplemente no contienen suficiente información para diferenciar sus efectos individuales. Hemos demostrado esto realizando un análisis matemático. Utilizando esto como base, hemos realizado simulaciones utilizando el código original del Imperial College para ilustrar cómo la sensibilidad del modelo conduce a resultados poco fiables", explica Kristian Soltesz, profesor asociado de control automático de la Universidad de Lund y primer autor del artículo.
El interés del grupo en el modelo del Imperial College se despertó por el hecho de que explicaba casi toda la reducción de la transmisión durante la primavera a través de los confinamientos en diez de los once países modelizados. La excepción fue Suecia, que nunca introdujo un confinamiento.
"En Suecia el modelo ofrecía una medida totalmente diferente como explicación a la reducción, una medida que parecía casi ineficaz en los demás países. Parecía casi demasiado bueno para ser cierto que se introdujera un bloqueo efectivo en todos los países excepto en uno, mientras que otra medida parecía ser inusualmente efectiva en este país", señala Soltesz.
El investigador señala que es totalmente plausible que las medidas individuales tuvieran un efecto, pero que el modelo no podía utilizarse para determinar su eficacia. "Las diversas intervenciones no parecen funcionar aisladamente unas de otras, sino que a menudo dependen unas de otras. Un cambio de comportamiento como resultado de una intervención influye en el efecto de otras intervenciones. Cuánto y de qué manera es más difícil de saber, y requiere diferentes habilidades y colaboración", añade otra de las autoras, Anna Jud.
Los análisis de los modelos del Imperial College y otros destacan la importancia de que se revisen los modelos epidemiológicos, según los autores. "El debate sobre las fuentes de los datos y su fiabilidad se centra en gran medida, pero hay una falta casi total de revisión sistemática de la sensibilidad de los diferentes modelos en cuanto a parámetros y datos. Esto es igualmente importante, especialmente cuando los gobiernos de todo el mundo están utilizando modelos dinámicos como base para las decisiones", señalan Soltesz y Jud.
El primer paso es llevar a cabo un análisis correcto de las sensibilidades del modelo. Si plantean un problema demasiado grande, entonces se necesitan datos más fiables, a menudo combinados con una estructura de modelo menos compleja.
"Con mucho en juego, es prudente ser humilde cuando se enfrentan a limitaciones fundamentales. Los modelos dinámicos son utilizables siempre que tengan en cuenta la incertidumbre de los supuestos en los que se basan y los datos a los que conducen. Si no es así, los resultados están a la par de las suposiciones o conjeturas", concluye Soltesz.
