Una guía para R : la métrica incomprendida de la pandemia

Lo que el número de reproducción puede y no puede decirnos sobre la administración de COVID-19.

 

 

Caricatura de Boris Johnson presentando un dial colorido con una aguja apuntando a '1' mostrando el valor R.

Ilustración de David Parkins.

Los matemáticos y los expertos en salud pública observaron a través de sus dedos en mayo cómo el primer ministro británico, Boris Johnson, reveló una serie de cuadros para explicar cómo el gobierno guiaría a Gran Bretaña fuera del bloqueo del coronavirus. Quizás lo más destacado fue un dial colorido con una aguja que se cierne cerca de un solo dígito: 1.

El dial indicaba R , una figura ahora totémica en la pandemia de COVID-19. La nación, dijo Johnson, establecería un nivel de alerta COVID-19, que será «principalmente determinado» por el número de casos de coronavirus y por R , el número de reproducción.

Para los expertos en enfermedades infecciosas, el enfoque de Johnson en el número de reproducción como guía para la política fue preocupantemente miope. Les preocupa poner demasiado peso en R , el número promedio de personas que cada persona con una enfermedad infecta.

En esta pandemia, R saltó de las páginas de las revistas académicas a debates regulares de políticos y periódicos, enmarcado como un número que dará forma a la vida de todos. Como la canciller alemana, Angela Merkel, explicó en un video ampliamente visto este abril , una R arriba significa que un brote está creciendo, y debajo uno significa que se está reduciendo. En muchos países, se informa públicamente cada semana. En junio, los epidemiólogos de la Escuela de Salud Pública de Harvard TH Chan en Boston, Massachusetts, anunciaron un sitio web donde cualquiera puede buscar el valor para cualquier país, y para muchas regiones más pequeñas, en el mundo.

Pero la fascinación podría haberse convertido en una fijación política y mediática poco saludable, dicen expertos en enfermedades. R es una estimación imprecisa que se basa en suposiciones, dice Jeremy Rossman, virólogo de la Universidad de Kent, Reino Unido. No captura el estado actual de una epidemia y puede aumentar o disminuir cuando el número de casos es bajo. También es un promedio para una población y, por lo tanto, puede ocultar la variación local. Demasiada atención podría oscurecer la importancia de otras medidas, como las tendencias en el número de nuevas infecciones, muertes e ingresos hospitalarios, y encuestas de cohortes para ver cuántas personas en una población tienen actualmente la enfermedad, o ya la han tenido.

«Los epidemiólogos están muy interesados ​​en minimizar R , pero los políticos parecen haberlo acogido con entusiasmo», dice Mark Woolhouse, un experto en enfermedades infecciosas de la Universidad de Edimburgo en el Reino Unido, que es miembro de un grupo de modelaje que aconseja El gobierno británico en la pandemia. “Nos preocupa que hayamos creado un monstruo. R no nos dice lo que necesitamos saber para manejar esto ”.

Muchos formuladores de políticas entienden esto: nadie más ha vinculado R de manera tan estricta y explícita con las políticas públicas como lo hizo Johnson, dice Rossman. Y a pesar de la tabla de colores, no está claro cuánto R realmente está impulsando la política del Reino Unido. En las semanas posteriores al anuncio de Johnson, el gobierno no hizo referencia a R cuando tomó medidas para aliviar las restricciones o bajó el nivel de alerta nacional. (No respondió a las solicitudes de comentarios para este artículo).

Pero los investigadores siguen preocupados de que R se avecina demasiado, y se está utilizando para fines para los que nunca fue diseñado. “Aún no está claro qué acciones están o no están tomando en la parte posterior del R . Pero estamos preocupados porque le están dando tanta importancia «, dice Woolhouse.

Los orígenes de R

Utilizado por primera vez hace casi un siglo en la demografía, R originalmente midió la reproducción de las personas, independientemente de si una población estaba creciendo o no. En epidemiología, se aplica el mismo principio, pero mide la propagación de la infección en una población. Si R es dos, dos personas infectadas, en promedio, infectarán a otras cuatro, que infectarán a otras ocho, y así sucesivamente. La medida permite a los modeladores calcular la extensión de la propagación, pero no la velocidad a la que crece la infección.

A menos que evalúen regularmente la población de un país entero, los epidemiólogos no pueden medir R directamente. Por lo tanto, generalmente se estima retrospectivamente: los modeladores de enfermedades observan el número actual y anterior de casos y muertes, hacen algunas suposiciones para encontrar números de infección que podrían haber explicado la tendencia y luego derivan R de estos.

Una variante de R , 0 , supone que todos en una población son susceptibles a la infección. Eso generalmente no es cierto, pero podría ocurrir cuando surge un nuevo virus, como el SARS-CoV-2. Al comienzo de la epidemia, la evaluación de 0 (y otras métricas) fue crucial para que los epidemiólogos construyeran modelos de cómo podría propagarse la enfermedad. Pero cuando los políticos y los científicos hablan de R , generalmente se refieren a otra variante llamada t (a veces llamada e , o ‘ R efectiva‘), que se calcula con el tiempo a medida que avanza un brote y considera cómo algunas personas podrían haber obtenido inmunidad, tal vez porque sobrevivieron a la infección o se vacunaron.

t y 0 varían según la dinámica social de una población: incluso un virus de transmisión fácil tendrá problemas para propagarse en una región donde las personas rara vez se encuentran. En enero, se calculó que el COVID-19 0 en Wuhan, China, estaba entre dos y tres; después del bloqueo, las estimaciones ponen el t allí en poco más de uno 1 .

Un indicador rezagado

La elaboración de t implica compensaciones y compromisos. Los casos confirmados y las cifras de mortalidad se pueden usar para inferir el número total de infecciones, pero ambas vienen con un retraso significativo, que los científicos estiman que podría ser de una semana a tres semanas o más. «Si tiene una estimación de t retrasada en al menos diez días, posiblemente dos semanas, entonces no será tan útil como una herramienta de toma de decisiones en tiempo real», dice Gabriel Leung, un científico de salud pública de la Universidad. de Hong Kong

Con un truco matemático llamado predicción inmediata, los investigadores pueden usar la distribución estadística observada de los retrasos en los informes para predecir cuánto mayor será el número de infecciones frescas en, por ejemplo, dos semanas. Algunas estimaciones de t ya se basan en datos de infección de predicción inmediata de esta manera: es «el método con menos conjeturas», dice Lars Schaade, vicepresidente del Instituto Robert Koch en Berlín, la principal agencia de salud pública de Alemania, que informa un valor de t diario y de siete días basado en infecciones reportadas por las autoridades estatales de salud.

La predicción inmediata de las infecciones sobre la base de las tendencias en los casos anteriores de COVID-19 es bastante difícil, pero los datos de mortalidad generalmente vienen con un retraso más largo, debido al tiempo adicional que alguien tiene la enfermedad antes de sucumbir a ella y debido al papeleo involucrado en el registro de muertes , que puede tardar semanas o meses en presentarse. Un grupo dirigido por Sheila Bird en la Universidad de Cambridge, Reino Unido, publica datos de predicciones de COVID-19 en hospitales ingleses. Pero aún no pueden hacer lo mismo con un conjunto de datos separado de muertes compilado por la Oficina de Estadísticas Nacionales (ONS) porque los investigadores no tienen acceso a los datos necesarios sobre retrasos en el registro: la diferencia horaria entre cuándo ocurrió una muerte y cuándo el ONS lo reportó.

Incertidumbre extra

Un problema con el pronóstico inmediato es que intercambia un problema por otro, dice Sebastian Funk, modelador de enfermedades de la Escuela de Higiene y Medicina Tropical de Londres, que también está asesorando al gobierno británico sobre esta pandemia. “Puedes intentar hacer eso, pero por razones obvias siempre viene con incertidumbre. No hay forma de saber cuántos casos se seguirían observando que ya se han infectado ”, dice.

Otros datos sobre el progreso de la pandemia pueden alimentar las estimaciones de t al servir como indicadores de las infecciones y el comportamiento social. Uno es el ingreso hospitalario y de cuidados intensivos. Otro son los resultados de las pruebas aleatorias de una población para ver cuántas personas tienen actualmente COVID-19, o lo han tenido. Los investigadores también realizan encuestas de contacto, que preguntan a las personas con las que se mezclan, y pueden usarse para inferir cambios en R sobre la base de las estimaciones de cuántas otras personas con las que podría contagiarse una persona infectada, aunque estas requieren mucho tiempo y pueden abarcar solo grupos pequeños de la gente. Las encuestas de contactos en China mostraron que los contactos diarios se redujeron entre siete y ocho veces durante el período de distanciamiento social COVID-19, cuando la mayoría de las interacciones se restringieron al hogar 2. Otra forma de observar las tendencias en los movimientos de las personas es usar datos de ubicación basados ​​en las señales de los teléfonos móviles, publicados por Facebook y Google.

«Hay un poco de compensación aquí», dice Funk. «Hay algunos métodos que son más inmediatos pero no epidemiológicos, y hay otros que son más directamente epidemiológicos pero al mismo tiempo más desactualizados».

Los grupos de epidemiólogos, dice Funk, tienen su propio enfoque para combinar y usar estas fuentes dispares de datos para calcular t , basándose en sus propios modelos estadísticos para observar las tendencias en las presuntas infecciones. Para calcular la t oficial del Reino Unido, unos diez grupos presentan los resultados de sus modelos a un comité gubernamental dedicado, que llega a un consenso sobre un posible rango. Las cifras se presentan en ese rango (actualmente 0.7-0.9), mostrando cuán inciertas son las estimaciones, pero no se publican los modelos individuales.

Estimaciones no oficiales

Esos ‘oficiales’ t números no son las únicas versiones disponibles. Investigadores académicos han aprovechado las cifras de infección y mortalidad recopiladas por la Organización Mundial de la Salud y grupos independientes como el Centro de Recursos Coronavirus en la Universidad Johns Hopkins en Baltimore, Maryland, para publicar cifras t para numerosos países y estados. A fines de abril, por ejemplo, investigadores de salud pública en Colombia afirmaron que la t durante los primeros diez días de la pandemia fue superior a dos en siete países latinoamericanos 3 . El sitio web de los investigadores de Harvard actualmente estima que t está por encima de uno en más de 30 estados de EE. UU. (Ver ‘Caída y aumento:t en los Estados Unidos ‘).

Fall and Rise: Rt en los Estados Unidos. Una serie de mapas muestra los números de Rt por estado entre marzo y junio de 2020.

Fuente: http://metrics.covid19-analysis.org

Incluso los no expertos pueden usar fórmulas plug-and-play para crear sus propias variantes de R , lo que a veces puede generar problemas. En mayo, los periódicos locales a través de Inglaterra publicaron historias que pretenden revelar regional t valores para pueblos y ciudades específicas. El anunciante de Swindon afirmó que la t de la ciudad era de 0,35, quizás «una de las más bajas del Reino Unido». Pero los funcionarios del ayuntamiento de Brighton y Hove (etiquetados con el cuarto t más alto , en 1.7) emitieron una declaración llamando a las cifras engañosas y potencialmente peligrosas. «No es posible calcular valores significativos de R a un nivel muy local», dijo Alistair Hill, un funcionario de salud pública del consejo.

Resultó que las cifras no eran valores de t en absoluto: provenían de un índice creado por los fundadores de una nueva empresa de análisis con sede en Londres llamada deckzero.com. Ese índice, denominado Z , tenía la intención de mostrar qué tan rápido crecían las epidemias locales sobre la base de los datos de casos de las autoridades locales; No es una variable establecida en epidemiología, dice Jenna Wang, cofundadora y directora de la firma. El 7 de junio, los fundadores retiraron su página del acceso público y dijeron que había sido «interpretada fuera del contexto y el alcance de su intención original».

Los inconvenientes de un promedio

Un aspecto importante de t es que representa solo un promedio en una región. Este promedio puede pasar por alto grupos regionales de infección. Por el contrario, las altas incidencias de infección entre una subsección más pequeña espacialmente distinta de una población pueden influir en el valor t de una región más grande . Por ejemplo, nacional de Alemania t valor pasó de poco más de 1 a 2,88 a finales de junio (más tarde revisado a la baja a 2,17) en gran parte debido a un brote de una planta de carne de procesamiento en Gütersloh en Renania del Norte-Westfalia (ver ‘de Alemania brotes regionales’ ) El Instituto Robert Koch señaló que las infecciones nacionales en general aún eran bajas, por lo que el brote local tuvo tal efecto en la t del país ., que había caído por debajo de 1 nuevamente a fines de junio. Esto hace improbable que t se use para dirigir la política de cierre local en Alemania, dice Schaade. «Si la media móvil de R estuvo en 1.2 durante algunas semanas, eso demostraría que había un problema que necesitaba atención, incluso si el número de casos era bajo». Pero en la práctica, los investigadores se enteran de los brotes locales antes de eso debido a un pico reportado en los casos, no debido a cambios en t . Alemania tiene vigilancia continua e informes públicos de los niveles de transmisión en 400 condados.

Brotes regionales en Alemania: gráficos que muestran el número de Rt de Alemania y los casos diarios de COVID-19 desde marzo hasta junio de 2020.

Fuente: Instituto Robert Koch / Johns Hopkins

Y la mayoría de los expertos dicen que la t para el Reino Unido se mantiene artificialmente alta por el gran número de infecciones y muertes en hogares de ancianos y no representa de manera confiable el riesgo para la población en general.

Los números t regionales se han promocionado como una forma de guiar la reducción de las restricciones, ya que podrían permitir que se cerrara un lugar que mostrara un resurgimiento en los casos. Pero los números t regionales se vuelven menos precisos a medida que se aplican a poblaciones más pequeñas, especialmente cuando las infecciones absolutas son bajas.

El sitio de Harvard produce números para los condados de EE. UU., Que pueden variar de miles a millones de habitantes, pero uno de sus creadores, Xihong Lin, dice que los datos hiperlocales vienen con grandes incertidumbres. Los investigadores no calculan una t para un condado a menos que haya diez casos, dice Lin. Y enfatiza que los formuladores de políticas no deberían usarlos de forma aislada, sino solo junto con otras medidas, como el número total de casos y si está aumentando. “Al hacer recomendaciones. Definitivamente es importante mirar la imagen completa y no solo confiar en t ”, dice ella. Si se usa correctamente, los datos podrían ayudar a los funcionarios de salud pública a identificar puntos críticos de infección para priorizar recursos como las pruebas, dice.

No contabilizar a los superespagadores

Otra sutileza no capturada por t es que muchas personas nunca infectan a otras, pero unos pocos ‘superespagadores’ transmiten la enfermedad muchas veces más que el promedio, tal vez porque se mezclan en eventos abarrotados y cerrados donde el virus se propaga más fácilmente: prácticas de coro, discotecas y fiestas de cumpleaños, por ejemplo. Según Leung, solo entre el 10 y el 20% de las personas infectadas parecen causar el 80% de los nuevos casos de COVID-19. (Los epidemiólogos describen esto usando un parámetro de ‘dispersión’, k ‘, que representa la variación en la transmisión viral entre los hospedadores infectados). Eso significa que las prohibiciones de ciertas actividades en interiores abarrotados podrían tener más beneficios que las restricciones generales introducidas siempre que el valor t llegue a uno.

Cuando los países consideran cuándo reabrir las escuelas y las oficinas, una pregunta clave no es solo t , sino cuál es el número real de personas infectadas caminando. Dinamarca y el Reino Unido tienen valores de t similares , por ejemplo, pero debido a que el número de personas infectadas que caminan por Dinamarca es diez veces menor, es más seguro reabrir sus escuelas.

«Cuando los números de infección son bajos, tal vez no te importa mucho cuál es el número de reproducción, o al menos no te importa si hay alguna incertidumbre», dice Funk. Una prueba para el Reino Unido, dice Woolhouse, será si el país reacciona de forma exagerada si el número de casos es bajo, pero los modelistas estiman que R está por encima de uno.

Todo lo que degrada la utilidad de R para decidir la política, dicen Funk y otros. Para los países que se recuperan de la primera ola de la pandemia, como el Reino Unido, los investigadores dicen que es mucho más importante observar grupos de casos y establecer sistemas integrales para evaluar a las personas, rastrear sus contactos y aislar a los infectados, que observar la aguja balanceándose en una esfera colorida.

doi: 10.1038 / d41586-020-02009-w

https://www.nature.com/articles/d41586-020-02009-w?fbclid=IwAR3q3ytD0f8fBmP-15uGY1tmwWezBYQr53-NXcTP3ErOMUO6Gh9I6qmd2_w

About The Author