El estudio propone que antes de decidir una estrategia de aislamiento de los infectados dentro de una ciudad se debe considerar un balance con los posibles impactos económicos negativos. A medida que las economías nacionales continúan derrumbándose, los ciudadanos se preguntan si sus gobiernos hicieron un buen trabajo al regular las medidas de aislamiento.
En la ciudad rusa de San Petersburgo, una de las ciudades al frente de esta guerra en curso contra el COVID-19, el gobierno asignó importantes fondos para investigación. Como resultado, científicos de la Universidad Politécnica de San Petersburgo Pedro el Grande modificaron el modelo existente de predicción de pandemias de clase SIR para mejorarlo.
La modificación del modelo SEIR
La clase de modelo SIR (susceptible – infectado – recuperado) existente es ampliamente conocida. Existen muchas modificaciones en el modelo SIR. Uno de ellos es SEIR (Susceptible – Expuesto – Infectado – Recuperado).
El modelo SEIR fue tomado como la base y posteriormente se amplió para incluir otro grupo: individuos en aislamiento o en cuarentena. Esa fue la modificación.
La importancia de las personas en aislamiento o en cuarentena
“Esta modificación del modelo SEIR permite que el número de individuos susceptibles a la infección durante el modelado, se ajuste de acuerdo con los escenarios de aislamiento (es decir, medidas diseñadas para evitar que las personas susceptibles se infecten). Esto significa que el modelo se vuelve más preciso; ya que la reducción de las personas en contacto durante la pandemia está objetivamente presente en la sociedad. Además, la modificación crea la posibilidad de modelar escenarios. El modelado de escenarios implica evaluar las consecuencias epidemiológicas de diversas estrategias para contrarrestar la propagación de una enfermedad infecciosa en una región determinada“.
Este modelo ha sido probado con datos de la Ciudad de San Petersburgo.
Evaluación de las medidas de aislamiento
Se realizaron un conjunto de 6 experimentos para evaluar el impacto de las medidas de cuarentena. Los datos iniciales de cada experimento incluyen industrias aisladas que indican el momento de la introducción y el levantamiento de las medidas de aislamiento.
Los resultados de este primer grupo demuestran que la dinámica de propagación del virus tiene una dependencia no lineal del número de trabajadores empleados en los sectores en aislamiento de la economía. Por ejemplo, el aislamiento de 3 sectores económicos, que representan aproximadamente el 42% del número total de trabajadores, reduce el número máximo de personas infectadas en 6.2 veces y el número total de pacientes en 4.83 veces. El aislamiento de 6 sectores de la economía, que representan el 80% del número total de trabajadores, reduce el número máximo de personas infectadas en 75 veces y el número total de personas recuperadas en 56 veces.
La estrategia óptima
Los resultados del segundo grupo muestran que la introducción de medidas para aislar la economía y la vida pública en las primeras etapas de la propagación del virus puede reducir la incidencia de la enfermedad y acelerar el fin de la pandemia. Por el contrario, una tardía introducción de medidas de aislamiento afecta en menor medida la dinámica de propagación de la enfermedad. Estos resultados respaldan las evaluaciones realizadas por los principales epidemiólogos. Estos resultados indican que la estrategia óptima para contrarrestar la enfermedad es un aislamiento total lo antes posible.
Esta versión modificada del modelo SEIR se puede usar para desarrollar estrategias que permitan contrarrestar la propagación de enfermedades infecciosas. También permite a los investigadores evaluar la posible mortalidad en cada caso como proporción de la población total infectada y recuperada.
El artículo Simulation Modelling Application for Balancing Epidemic and Economic Crisis in the Region [1] (Aplicación de modelos de simulación para equilibrar la crisis económica y la epidemia en la región) se desarrolla una metodología de un modelo de clase SIR para un uso práctico para la toma de decisiones por parte de líderes regionales.
Referencias
- Borovkov, A.I., Bolsunovskaya, M.V., Gintciak, A.M., Kudryavtseva, T.J.; Simulation Modelling Application for Balancing Epidemic and Economic Crisis in the Region; International Journal of Technology. Volume 11(8), pp. 1579-1588; DOI:10.14716/ijtech.v11i8.4529; Disponible en el URL https://ijtech.eng.ui.ac.id/article/view/4529