1. Número 1 · Enero 2015

  2. Número 2 · Enero 2015

  3. Número 3 · Enero 2015

  4. Número 4 · Febrero 2015

  5. Número 5 · Febrero 2015

  6. Número 6 · Febrero 2015

  7. Número 7 · Febrero 2015

  8. Número 8 · Marzo 2015

  9. Número 9 · Marzo 2015

  10. Número 10 · Marzo 2015

  11. Número 11 · Marzo 2015

  12. Número 12 · Abril 2015

  13. Número 13 · Abril 2015

  14. Número 14 · Abril 2015

  15. Número 15 · Abril 2015

  16. Número 16 · Mayo 2015

  17. Número 17 · Mayo 2015

  18. Número 18 · Mayo 2015

  19. Número 19 · Mayo 2015

  20. Número 20 · Junio 2015

  21. Número 21 · Junio 2015

  22. Número 22 · Junio 2015

  23. Número 23 · Junio 2015

  24. Número 24 · Julio 2015

  25. Número 25 · Julio 2015

  26. Número 26 · Julio 2015

  27. Número 27 · Julio 2015

  28. Número 28 · Septiembre 2015

  29. Número 29 · Septiembre 2015

  30. Número 30 · Septiembre 2015

  31. Número 31 · Septiembre 2015

  32. Número 32 · Septiembre 2015

  33. Número 33 · Octubre 2015

  34. Número 34 · Octubre 2015

  35. Número 35 · Octubre 2015

  36. Número 36 · Octubre 2015

  37. Número 37 · Noviembre 2015

  38. Número 38 · Noviembre 2015

  39. Número 39 · Noviembre 2015

  40. Número 40 · Noviembre 2015

  41. Número 41 · Diciembre 2015

  42. Número 42 · Diciembre 2015

  43. Número 43 · Diciembre 2015

  44. Número 44 · Diciembre 2015

  45. Número 45 · Diciembre 2015

  46. Número 46 · Enero 2016

  47. Número 47 · Enero 2016

  48. Número 48 · Enero 2016

  49. Número 49 · Enero 2016

  50. Número 50 · Febrero 2016

  51. Número 51 · Febrero 2016

  52. Número 52 · Febrero 2016

  53. Número 53 · Febrero 2016

  54. Número 54 · Marzo 2016

  55. Número 55 · Marzo 2016

  56. Número 56 · Marzo 2016

  57. Número 57 · Marzo 2016

  58. Número 58 · Marzo 2016

  59. Número 59 · Abril 2016

  60. Número 60 · Abril 2016

  61. Número 61 · Abril 2016

  62. Número 62 · Abril 2016

  63. Número 63 · Mayo 2016

  64. Número 64 · Mayo 2016

  65. Número 65 · Mayo 2016

  66. Número 66 · Mayo 2016

  67. Número 67 · Junio 2016

  68. Número 68 · Junio 2016

  69. Número 69 · Junio 2016

  70. Número 70 · Junio 2016

  71. Número 71 · Junio 2016

  72. Número 72 · Julio 2016

  73. Número 73 · Julio 2016

  74. Número 74 · Julio 2016

  75. Número 75 · Julio 2016

  76. Número 76 · Agosto 2016

  77. Número 77 · Agosto 2016

  78. Número 78 · Agosto 2016

  79. Número 79 · Agosto 2016

  80. Número 80 · Agosto 2016

  81. Número 81 · Septiembre 2016

  82. Número 82 · Septiembre 2016

  83. Número 83 · Septiembre 2016

  84. Número 84 · Septiembre 2016

  85. Número 85 · Octubre 2016

  86. Número 86 · Octubre 2016

  87. Número 87 · Octubre 2016

  88. Número 88 · Octubre 2016

  89. Número 89 · Noviembre 2016

  90. Número 90 · Noviembre 2016

  91. Número 91 · Noviembre 2016

  92. Número 92 · Noviembre 2016

  93. Número 93 · Noviembre 2016

  94. Número 94 · Diciembre 2016

  95. Número 95 · Diciembre 2016

  96. Número 96 · Diciembre 2016

  97. Número 97 · Diciembre 2016

  98. Número 98 · Enero 2017

  99. Número 99 · Enero 2017

  100. Número 100 · Enero 2017

  101. Número 101 · Enero 2017

  102. Número 102 · Febrero 2017

  103. Número 103 · Febrero 2017

  104. Número 104 · Febrero 2017

  105. Número 105 · Febrero 2017

  106. Número 106 · Marzo 2017

  107. Número 107 · Marzo 2017

  108. Número 108 · Marzo 2017

  109. Número 109 · Marzo 2017

  110. Número 110 · Marzo 2017

  111. Número 111 · Abril 2017

  112. Número 112 · Abril 2017

  113. Número 113 · Abril 2017

  114. Número 114 · Abril 2017

  115. Número 115 · Mayo 2017

  116. Número 116 · Mayo 2017

  117. Número 117 · Mayo 2017

  118. Número 118 · Mayo 2017

  119. Número 119 · Mayo 2017

  120. Número 120 · Junio 2017

  121. Número 121 · Junio 2017

  122. Número 122 · Junio 2017

  123. Número 123 · Junio 2017

  124. Número 124 · Julio 2017

  125. Número 125 · Julio 2017

  126. Número 126 · Julio 2017

  127. Número 127 · Julio 2017

  128. Número 128 · Agosto 2017

  129. Número 129 · Agosto 2017

  130. Número 130 · Agosto 2017

  131. Número 131 · Agosto 2017

  132. Número 132 · Agosto 2017

  133. Número 133 · Septiembre 2017

  134. Número 134 · Septiembre 2017

  135. Número 135 · Septiembre 2017

  136. Número 136 · Septiembre 2017

  137. Número 137 · Octubre 2017

  138. Número 138 · Octubre 2017

  139. Número 139 · Octubre 2017

  140. Número 140 · Octubre 2017

  141. Número 141 · Noviembre 2017

  142. Número 142 · Noviembre 2017

  143. Número 143 · Noviembre 2017

  144. Número 144 · Noviembre 2017

  145. Número 145 · Noviembre 2017

  146. Número 146 · Diciembre 2017

  147. Número 147 · Diciembre 2017

  148. Número 148 · Diciembre 2017

  149. Número 149 · Diciembre 2017

  150. Número 150 · Enero 2018

  151. Número 151 · Enero 2018

  152. Número 152 · Enero 2018

  153. Número 153 · Enero 2018

  154. Número 154 · Enero 2018

  155. Número 155 · Febrero 2018

  156. Número 156 · Febrero 2018

  157. Número 157 · Febrero 2018

  158. Número 158 · Febrero 2018

  159. Número 159 · Marzo 2018

  160. Número 160 · Marzo 2018

  161. Número 161 · Marzo 2018

  162. Número 162 · Marzo 2018

  163. Número 163 · Abril 2018

  164. Número 164 · Abril 2018

  165. Número 165 · Abril 2018

  166. Número 166 · Abril 2018

  167. Número 167 · Mayo 2018

  168. Número 168 · Mayo 2018

  169. Número 169 · Mayo 2018

  170. Número 170 · Mayo 2018

  171. Número 171 · Mayo 2018

  172. Número 172 · Junio 2018

  173. Número 173 · Junio 2018

  174. Número 174 · Junio 2018

  175. Número 175 · Junio 2018

  176. Número 176 · Julio 2018

  177. Número 177 · Julio 2018

  178. Número 178 · Julio 2018

  179. Número 179 · Julio 2018

  180. Número 180 · Agosto 2018

  181. Número 181 · Agosto 2018

  182. Número 182 · Agosto 2018

  183. Número 183 · Agosto 2018

  184. Número 184 · Agosto 2018

  185. Número 185 · Septiembre 2018

  186. Número 186 · Septiembre 2018

  187. Número 187 · Septiembre 2018

  188. Número 188 · Septiembre 2018

  189. Número 189 · Octubre 2018

  190. Número 190 · Octubre 2018

  191. Número 191 · Octubre 2018

  192. Número 192 · Octubre 2018

  193. Número 193 · Octubre 2018

  194. Número 194 · Noviembre 2018

  195. Número 195 · Noviembre 2018

  196. Número 196 · Noviembre 2018

  197. Número 197 · Noviembre 2018

  198. Número 198 · Diciembre 2018

  199. Número 199 · Diciembre 2018

  200. Número 200 · Diciembre 2018

  201. Número 201 · Diciembre 2018

  202. Número 202 · Enero 2019

  203. Número 203 · Enero 2019

  204. Número 204 · Enero 2019

  205. Número 205 · Enero 2019

  206. Número 206 · Enero 2019

  207. Número 207 · Febrero 2019

  208. Número 208 · Febrero 2019

  209. Número 209 · Febrero 2019

  210. Número 210 · Febrero 2019

  211. Número 211 · Marzo 2019

  212. Número 212 · Marzo 2019

  213. Número 213 · Marzo 2019

  214. Número 214 · Marzo 2019

  215. Número 215 · Abril 2019

  216. Número 216 · Abril 2019

  217. Número 217 · Abril 2019

  218. Número 218 · Abril 2019

  219. Número 219 · Mayo 2019

  220. Número 220 · Mayo 2019

  221. Número 221 · Mayo 2019

  222. Número 222 · Mayo 2019

  223. Número 223 · Mayo 2019

  224. Número 224 · Junio 2019

  225. Número 225 · Junio 2019

  226. Número 226 · Junio 2019

  227. Número 227 · Junio 2019

  228. Número 228 · Julio 2019

  229. Número 229 · Julio 2019

  230. Número 230 · Julio 2019

  231. Número 231 · Julio 2019

  232. Número 232 · Julio 2019

  233. Número 233 · Agosto 2019

  234. Número 234 · Agosto 2019

  235. Número 235 · Agosto 2019

  236. Número 236 · Agosto 2019

  237. Número 237 · Septiembre 2019

  238. Número 238 · Septiembre 2019

  239. Número 239 · Septiembre 2019

  240. Número 240 · Septiembre 2019

  241. Número 241 · Octubre 2019

  242. Número 242 · Octubre 2019

  243. Número 243 · Octubre 2019

  244. Número 244 · Octubre 2019

  245. Número 245 · Octubre 2019

  246. Número 246 · Noviembre 2019

  247. Número 247 · Noviembre 2019

  248. Número 248 · Noviembre 2019

  249. Número 249 · Noviembre 2019

  250. Número 250 · Diciembre 2019

  251. Número 251 · Diciembre 2019

  252. Número 252 · Diciembre 2019

  253. Número 253 · Diciembre 2019

  254. Número 254 · Enero 2020

  255. Número 255 · Enero 2020

  256. Número 256 · Enero 2020

  257. Número 257 · Febrero 2020

  258. Número 258 · Marzo 2020

  259. Número 259 · Abril 2020

  260. Número 260 · Mayo 2020

  261. Número 261 · Junio 2020

  262. Número 262 · Julio 2020

  263. Número 263 · Agosto 2020

  264. Número 264 · Septiembre 2020

  265. Número 265 · Octubre 2020

  266. Número 266 · Noviembre 2020

  267. Número 267 · Diciembre 2020

  268. Número 268 · Enero 2021

  269. Número 269 · Febrero 2021

CTXT necesita 15.000 socias/os para seguir creciendo. Suscríbete a CTXT

TRANSMISIÓN DE LA COVID

Observar un bosque y tratar de encontrar los clústeres, no los árboles

El rastreo retrospectivo y la búsqueda de los grandes grupos de contagio son elementos decisivos para frenar la expansión del virus. Ignorar la superpropagación conduce a duras restricciones a la población que no han logrado una atenuación significativa

Zeynep Tufëkçi (The Atlantic) 4/11/2020

<p>En Qingdao, China</p>

En Qingdao, China

Gauthier DELECROIX

A diferencia de otros medios, en CTXT mantenemos todos nuestros artículos en abierto. Nuestra apuesta es recuperar el espíritu de la prensa independiente: ser un servicio público. Si puedes permitirte pagar 4 euros al mes, apoya a CTXT. ¡Suscríbete!

Hay algo extraño en esta pandemia de coronavirus. Incluso después de meses de amplia labor de investigación por parte de la comunidad científica mundial, quedan muchas preguntas sin responder.

La pandemia ha golpeado duro a CTXT. Si puedes, haz una donación aquí o suscríbete aquí 

¿Por qué, por ejemplo, la cifra de muertos fue tan enorme en el norte de Italia pero no en el resto del país? En tan solo tres regiones contiguas del norte de Italia se concentran 25.000 de un total de casi 36.000 fallecimientos en todo el país; solo una región, Lombardía, contabiliza aproximadamente 17.000 muertes. Casi todas estas se concentraron en los primeros meses del brote. ¿Qué sucedió en Guayaquil, Ecuador, en abril, momento en que murieron tantas personas tan rápidamente que los cuerpos fueron abandonados en las aceras y calles? ¿Por qué, en la primavera de 2020, tan pocas ciudades concentraban una parte sustancial de las muertes a escala mundial, mientras que muchas otras con densidad, clima, distribución por edades y patrones de viaje similares se libraron? ¿Qué podemos aprender verdaderamente de Suecia, considerada un gran éxito por algunos debido a su bajo cómputo de casos y muertes mientras el resto de Europa experimenta una segunda ola, y un gran fracaso por otros porque no se confinó y sufrió una tasa de mortalidad excesiva al principio de la pandemia? ¿Por qué no se confirmaron las predicciones catastróficas generalizadas en Japón? Los ejemplos desconcertantes son numerosos.

En los últimos nueve meses he oído muchas explicaciones para estas trayectorias tan diferentes –el clima, las poblaciones envejecidas, la vitamina D, la inmunidad previa, la inmunidad de rebaño–, pero ninguna de ellas explica el momento o la magnitud de estas grandes diferencias. Sin embargo, existe un modo potencial e ignorado de entender esta pandemia que podría ayudar a responder estas preguntas, a reajustar muchas de las acaloradas discusiones actuales y, esencialmente, podría ayudarnos a controlar la propagación de la covid-19.

A estas alturas, mucha gente ha oído hablar del R0: el número básico de reproducción de un patógeno que mide el promedio de contagio. Sin embargo, a menos que haya estado leyendo revistas científicas, es menos probable que se haya tropezado con k, que mide su dispersión. La definición de k es compleja, pero básicamente es una forma de preguntarse si un virus se propaga de un modo constante o en grandes ráfagas, por lo que una persona contagia a muchas otras, a todas a la vez. Después de nueve meses recopilando datos epidemiológicos, sabemos que se trata de un patógeno excesivamente dispersado, lo que significa que tiende a extenderse en los ‘clústeres’ o grupos de contagio en los que un positivo se puede haber infectado, pero esta noción todavía no ha penetrado del todo en nuestra forma de ver la pandemia –o en nuestras prácticas preventivas–.

El ahora famoso R0 (que se pronuncia “erre-cero”) mide el promedio de la contagiosidad de un patógeno o el número medio de personas susceptibles de infectarse después de haber estado expuestas a una persona con la enfermedad. Si una persona enferma contagia a otras tres de media, el R0 es tres. Este parámetro se ha presentado generalmente como un factor clave para comprender cómo funciona la pandemia. Los medios de comunicación han mostrado múltiples personas ilustrándonos e imágenes para explicarlo. Las películas elogiadas por su precisión científica sobre las pandemias son alabadas porque tienen personajes que explican el “importantísimo” R0. Los paneles explicativos rastrean su evolución en tiempo real, a menudo denominada R o Rt en respuesta a nuestras intervenciones. (Si las personas se esconden y se aíslan o la inmunidad aumenta, una enfermedad ya no puede propagarse de la misma manera, de ahí la diferencia entre R0 y R.).

En los últimos meses he oído muchas explicaciones para estas trayectorias tan diferentes del virus, pero ninguna de ellas explica el momento o la magnitud de estas grandes diferencias

Desafortunadamente, los promedios no siempre son útiles para comprender la distribución de un fenómeno, especialmente si tiene un comportamiento muy variable. Si el director ejecutivo de Amazon, Jeff Bezos, entra en un bar con 100 personas normales, la renta media de ese bar repentinamente supera los mil millones de dólares. Si yo también entro en ese bar, no cambiará mucho. Claramente, el promedio no es un número tan útil para comprender la distribución de la riqueza en esa barra o el modo de modificarla. En ocasiones, el promedio no es el cometido. Entretanto, si en el bar hay una persona infectada con covid-19, y si además está mal ventilado y es ruidoso, lo que provoca que las personas hablen en voz alta a corta distancia, casi todos en la habitación podrían estar potencialmente infectados, un patrón que se ha observado muchas veces desde que comenzó la pandemia, y eso tampoco lo capta el R. Ahí es donde entra la dispersión.

Hay eventos de covid-19 en los que una sola persona probablemente infectara al 80 % o más de las personas que había en una habitación en tan solo unas horas. Sin embargo, en otras ocasiones, la covid-19 puede ser sorprendentemente mucho menos contagiosa. La dispersión excesiva y la superpropagación de este virus se hallan en investigaciones de todo el mundo. Un número creciente de estudios estima que la mayoría de las personas contagiadas no pueden contagiar a ninguna otra persona. Un artículo reciente descubría que en Hong Kong, donde se hacían numerosas pruebas y rastreo de contactos, alrededor del 19% de los casos eran responsables del 80% de la transmisión, mientras que el 69% de los casos no contagiaban a nadie. Este hallazgo no es raro: múltiples estudios desde el principio han sugerido que tan solo entre el 10 y el 20 % de las personas infectadas pueden ser responsables de entre el 80 y el 90% de la transmisión y que muchas personas apenas la transmiten.

Esta distribución tan desigual y desequilibrada significa que una racha de mala suerte con escasos eventos de superpropagación, o grupos de contagio, puede registrar resultados radicalmente distintos incluso en países similares. Los científicos observaron a escala mundial eventos conocidos de introducción temprana, en los que una persona infectada entra en un país, y descubrieron que en algunos lugares tales casos importados no produjeron muertes o infecciones conocidas, mientras que en otros provocaron brotes considerables. Utilizando el análisis genómico, los investigadores de Nueva Zelanda analizaron más de la mitad de los casos confirmados en el país y encontraron la asombrosa cantidad de 277 introducciones por separado en los primeros meses, pero también que solo el 19% de las introducciones provocó más de un caso adicional. Una revisión reciente muestra que esto puede ser cierto incluso en espacios de vida congregados, como residencias de ancianos, y que pueden ser necesarias múltiples introducciones antes de que se origine un brote. Mientras tanto, en Daegu, Corea del Sur, solo una mujer, apodada Paciente 31, provocó más de 5.000 casos conocidos en un grupo de contagio de una megaiglesia.

Como era de esperar, el SARS-CoV, la encarnación anterior del SARS-CoV-2 que causó el brote de SARS de 2003, también se dispersó en exceso así: la mayoría de las personas infectadas no lo transmitieron, pero unos pocos eventos de superpropagación causaron la mayor parte de la brotes. MERS, otro coronavirus primo del SARS, también parece que está excesivamente dispersado, pero afortunadamente –todavía– no se transmite fácilmente entre los humanos.

Este tipo de comportamiento, que alterna la condición de supercontagioso y relativamente no contagioso, es exactamente lo que capta k y lo que seoculta al centrarse exclusivamente en R. Samuel Scarpino, profesor adjunto de epidemiología y sistemas complejos en Northeastern, me dijo que esto ha supuesto un gran desafío, especialmente para las autoridades sanitarias en las sociedades occidentales, donde el manual de estrategias para la pandemia estaba orientado hacia la gripe –y no sin razón, porque la gripe pandémica es una verdadera amenaza–. Sin embargo, la gripe no tiene el mismo nivel de comportamiento grupal.

Los promedios no siempre son útiles para comprender la distribución de un fenómeno, especialmente si tiene un comportamiento muy variable

Es posible pensar en la incidencia de las enfermedades según tengan una tendencia determinista o estocástica: en la primera, la distribución de un brote es más lineal y predecible; en la segunda, la aleatoriedad juega un papel mucho más importante y las predicciones son difíciles de hacer, si no imposibles. En trayectorias deterministas, esperamos que lo que sucedió ayer nos dé una buena idea de qué esperar mañana. Los fenómenos estocásticos, sin embargo, no operan así: las mismas contribuciones no producen siempre los mismos resultados, y las cosas pueden cambiar rápidamente de un estado a otro. Como Scarpino me dijo: “las enfermedades como la gripe son prácticamente  deterministas y R0 (aunque con fallos) refleja la realidad de los hechos (prácticamente imposible de detener hasta que haya una vacuna)”. Ese no es necesariamente el caso de las enfermedades superpropagadas.

La naturaleza y la sociedad están repletas de dichos fenómenos desequilibrados, algunos de los cuales se dice que funcionan según el principio de Pareto, que lleva el nombre del sociólogo Vilfredo Pareto. La percepción de Pareto a veces se denomina el principio 80/20 –el 80% de los resultados de interés son causados ​​por el 20% de las contribuciones–, aunque los números no tienen que ser tan estrictos. Más bien, el principio de Pareto supone que un pequeño número de circunstancias o personas son responsables de la mayoría de las consecuencias. Esto no sorprenderá a nadie que haya trabajado en el sector de servicios, por ejemplo, donde un pequeño grupo de clientes problemáticos puede provocar casi todo el trabajo extra. En casos como esos, sacar solo a esos clientes de la empresa u ofrecerles un gran descuento puede resolver el problema, pero si las quejas se distribuyen de manera uniforme, serán necesarias estrategias diferentes. De forma similar, centrarse solo en el R o usar un manual de estrategias para una pandemia de gripe, no necesariamente funcionará bien para una pandemia demasiado dispersa.  

Hitoshi Oshitani, miembro del Equipo Nacional de Trabajo sobre covid-19 del Ministerio de Salud, Trabajo y Bienestar de Japón y profesor de la Universidad de Tohoku, que me dijo que Japón se centró en el impacto de la dispersión excesiva desde el principio, compara el planteamiento de su país con observar un bosque y tratar de encontrar los clústeres, no los árboles. Mientras tanto, cree, el mundo occidental se distraía con los árboles y se perdía entre ellos. Para combatir de manera efectiva una enfermedad que se propaga de un modo tan extraordinario, los responsables políticos deben averiguar por qué ocurre dicha propagación y deben comprender cómo afecta a todo, incluidos nuestros métodos de rastreo de contactos y nuestros sistemas para la realización de pruebas.

*****

Puede haber muchas razones diferentes por las que un patógeno se propague de un modo extraordinario. La fiebre amarilla se transmite principalmente a través del mosquito Aedes aegypti, pero hasta que se descubrió el papel que desempeñaba el insecto, su patrón de transmisión atormentó a muchos científicos. Se pensaba que la tuberculosis se propagaba por gotitas a corta distancia hasta que una ingeniosa serie de experimentos demostró que se transmitía por el aire. Aún se desconoce mucho sobre la superpropagación del SARS-CoV-2. Podría deberse a que algunas personas son supertransmisoras del virus, que lo propagan mucho más que otras. Al igual que otras enfermedades, los patrones de contacto sin duda contribuyen: un político en campaña o un estudiante en un colegio mayor es muy diferente respecto a la cantidad de personas que potencialmente podrían exponer en comparación con, digamos, una persona mayor que vive en un hogar pequeño. Sin embargo, al analizar nueve meses de datos epidemiológicos, tenemos pistas importantes sobre algunos de los factores.

En un estudio tras otro vemos que los grupos de contagio de covid-19 que se superpropagan suceden de un modo casi abrumador en ambientes interiores mal ventilados donde se concentran muchas personas durante un tiempo –bodas, iglesias, coros, gimnasios, funerales, restaurantes, etc.–, especialmente cuando se habla en voz alta o se canta sin mascarilla. Para que sucedan eventos de superpropagación deben ocurrir varias cosas al mismo tiempo, y el riesgo no es igual en todos los entornos y actividades, me dijo Müge Çevik, profesora clínica de enfermedades infecciosas y virología médica de la Universidad de St. Andrews y coautora de una reciente revisión exhaustiva de las condiciones de transmisión de la covid-19.

Çevik identifica “contacto prolongado, mala ventilación, [una] persona sumamente contagiosa, [y] aglomeración” como los elementos clave para que ocurra un evento de superpropagación. La superpropagación también puede darse en interiores en distancias superiores a los dos metros recomendados porque el SARS-CoV-2, el patógeno que causa la covid-19, puede viajar a través del aire y acumularse, especialmente si la ventilación es deficiente. Dado que algunas personas contagian a otras antes de que presenten síntomas, o cuando tienen síntomas muy leves o incluso sin síntomas, no siempre es posible saber si nosotros mismos somos sumamente contagiosos. Ni siquiera sabemos si hay más factores por descubrir que influyan en la superpropagación. Sin embargo, no necesitamos saber todos los factores suficientes que intervienen en un evento superpropagador para evitar la difusión de lo que parece ser una condición necesaria la mayor parte del tiempo: muchas personas, especialmente en un ambiente interior mal ventilado y especialmente sin mascarillas. Como me dijo Natalie Dean, especialista en bioestadística en la Universidad de Florida, teniendo en cuenta los elevadísimos números asociados con estos grupos de contagio, apuntar a ellos sería muy eficaz para reducir nuestros números de transmisión.

Un número creciente de estudios estima que la mayoría de las personas contagiadas no pueden contagiar a ninguna otra persona

La propagación excesiva también debería guiarnos en nuestros esfuerzos de rastreo de contactos. De hecho, es posible que debamos darles la vuelta. En este momento, muchos estados y naciones participan en lo que se llama rastreo futuro o prospectivo de contactos. Una vez que se identifica a una persona infectada, intentamos averiguar con quién interactuó posteriormente para que podamos advertir, hacer las pruebas, aislar y poner en cuarentena dichas posibles exposiciones. Pero esa no es la única forma de rastrear contactos. Y, debido a la dispersión excesiva, no es necesariamente donde se saca el mayor provecho. Por el contrario, en muchos casos, deberíamos intentar buscar hacia atrás para ver quién infectó primero al sujeto.

Debido a la propagación excesiva, la mayoría de las personas habrán sido contagiadas por alguien que también contagió a otras personas, porque solo un pequeño porcentaje de personas contagia a muchas a la vez, mientras que la mayoría no contagia a ninguna o quizás a una persona. Como me explicó Adam Kucharski, epidemiólogo y autor del libro The Rules of Contagion (Las reglas del contagio), si podemos usar el rastreo retrospectivo de contactos para encontrar a la persona que contagió a nuestro paciente y después rastrear los contactos directos de la persona infectada, en general, vamos a encontrar muchos más casosen comparación con los contactos de rastreo prospectivo del paciente infectado, que únicamente identificarán exposiciones potenciales, muchas de las cuales no sucederán de todos modos, porque la mayoría de las cadenas de transmisión mueren por sí solas.

La razón de la importancia del rastreo retrospectivo es similar a lo que el sociólogo Scott L. Feld llamó la paradoja de la amistad: tus amigos, por término medio, van a tener más amigos que tú. (¡Se siente!) Es sencillo de entender desde el punto de vista de las redes. Las amistades no se distribuyen por igual; algunas personas tienen muchos amigos, y en tu círculo de amigos es más probable que se incluyan esas personas supersociables, porque no podría ser de otro modo. Te agregaron como amigo a ti y a otros. Y esas personas supersociables aumentarán el promedio de amigos que sus amigos tienen en comparación contigo, una persona normal. (Por supuesto, esto no es válido para las propias personas supersociables, pero la dispersión excesiva indica que hay muchas menos). De forma similar, la persona infectada que transmite la enfermedad es como esa persona supersociable pandémica: el promedio de personas que contagian será mucho mayor que el de la mayoría de la población, que transmitirá la enfermedad con mucha menos frecuencia. De hecho, como Kucharski y sus coautores muestran matemáticamente, la dispersión excesiva significa que “el seguimiento directo por sí solo puede, en término medio, identificar como máximo el número medio de infecciones secundarias (es decir, R)”; por el contrario, “el rastreo retrospectivo aumenta este número máximo de individuos rastreables en un factor de 2-3, ya que es más probable que los casos iniciales provengan de grupos de contagio que un caso provoque un grupo de contagio”.

Incluso en una pandemia demasiado dispersa, no tiene sentido hacer un seguimiento prospectivo para poder advertir y hacer pruebas a la gente, si hay recursos adicionales y capacidad para hacer pruebas. Pero no tiene sentido hacer un seguimiento prospectivo sin dedicar suficientes recursos al seguimiento retrospectivo y a la búsqueda de grupos de contagio, que causan tanto daño.

Múltiples estudios desde el principio han sugerido que tan solo entre el 10 y el 20 % de las personas infectadas pueden ser responsables de entre el 80 y el 90% de la transmisión

Otra consecuencia importante de la dispersión excesiva es que destaca la importancia de ciertos tipos de pruebas rápidas y baratas. Hay que pensar en el actual modelo predominante de prueba y rastreo. En muchos lugares, las autoridades sanitarias intentan rastrear y encontrar contactos directos de una persona infectada: todas las personas con las que estuvieron en contacto desde que se contagiaron. Después intentan hacerles a todos pruebas PCR (reacción en cadena de la polimerasa) costosas, lentas pero muy precisas. Pero esa no es necesariamente la mejor manera de actuar cuando los grupos de contagio son tan importantes para propagar la enfermedad.

Las pruebas PCR identifican segmentos de ARN del coronavirus en muestras tomadas de los frotis nasales, como si buscaran su firma. Para estas pruebas diagnósticas se tienen en cuenta dos aspectos distintos: si son buenas para identificar a las personas que no están infectadas (especificidad) y si son buenas para identificar a las personas que están infectadas (sensibilidad). Las pruebas PCR son muy precisas en ambos aspectos. Sin embargo, las pruebas PCR también son lentas y costosas, y requieren un largo e incómodo frotis en la nariz en un centro médico. La lentitud en el procesamiento significa que la gente no obtiene la información oportuna cuando la necesita. Peor aún, las pruebas PCR son tan sensibles que se pueden encontrar pequeños restos de presencia de coronavirus mucho después de que alguien haya dejado de ser contagioso, lo que puede provocar cuarentenas innecesarias.

Entretanto, los investigadores han demostrado que las pruebas rápidas que son muy precisas para identificar a las personas que no tienen la enfermedad, pero no tan buenas para identificar a las personas infectadas, pueden ayudarnos a contener esta pandemia. Como me dijo Dylan Morris, un candidato a doctorado en ecología y biología evolutiva en Princeton, las pruebas baratas y de baja sensibilidad pueden ayudar a mitigar una pandemia incluso si no está demasiado dispersa, pero son particularmente valiosas para la identificación de grupos de contagio durante una pandemia demasiado dispersa. Esto es particularmente útil porque algunas de estas pruebas se pueden efectuar a través de la saliva y otros métodos menos invasivos y se pueden llevar a cabo fuera de las instalaciones médicas.

En un escenario de dispersión excesiva, identificar las circunstancias de transmisión (una persona contagia a otra) es más importante que identificar a los individuos infectados. Hay que pensar en la persona infectada y sus 20 contactos futuros: las personas con las que se vieron desde que se infectaron. Supongamos que a 10 de ellos les hacemos una prueba rápida y barata y obtenemos el resultado en una o dos horas. No es una buena manera de determinar exactamente quién está enfermo de esos 10, porque nuestra prueba no detectará algunos positivos, pero para nuestro propósito está bien. Si todos son negativos, podemos actuar como si nadie estuviera infectado porque la prueba es buena detectando negativos. Sin embargo, en el momento en que encontremos algunas transmisiones, sabremos que podríamos estar ante un caso de superpropagación, y podemos decirle a esas 20 personas que asuman que son positivas y que se aíslen: si hay una o dos transmisiones, es probable que haya más, precisamente por la conducta de grupo. Dependiendo de la edad y otros factores a esas personas podemos hacerles de forma individual pruebas PCR, que pueden identificar quién está infectado, o pedirles a todos que esperen un tiempo.

Scarpino me dijo que la dispersión excesiva también mejora la utilidad de otros métodos conjuntos, como pruebas de aguas residuales, especialmente en entornos colectivos como colegios mayores o residencias de ancianos, lo que nos permite detectar brotes sin hacerles pruebas a todos. Las pruebas de aguas residuales también tienen baja sensibilidad; pueden pasar por alto los positivos si hay pocas personas infectadas, pero eso sirve para hacer una evaluación de la población. Si las pruebas de aguas residuales indican que es probable que no haya infecciones, no es necesario que hagamos pruebas a todos para encontrar hasta el último caso potencial. Sin embargo, en el momento en que vemos signos de un grupo de contagio, podemos aislar rápidamente a todos, nuevamente mientras esperamos más pruebas individualizadas de PCR y dependiendo de la situación.

Desafortunadamente, hasta hace poco, muchas de estas pruebas baratas habían sido retenidas por las agencias reguladoras de los Estados Unidos, en parte porque estaban preocupadas por la relativa falta de precisión en la identificación de casos positivos en comparación con las pruebas PCR, una preocupación que perdió su utilidad a nivel de población para este patógeno excesivamente dispersado en particular.

*****

Para volver a los misterios de esta pandemia, ¿qué ocurrió desde el principio para que las trayectorias fueran tan radicalmente distintas en lugares similares? ¿Por qué nuestras herramientas analíticas habituales –estudios de casos, comparaciones entre varios países– no nos han dado mejores respuestas? Desde el punto de vista intelectual no es gratificante, pero debido a la dispersión excesiva y su estocasticidad, puede que no haya una explicación más allá de que las regiones más afectadas, al menos inicialmente, simplemente tuvieron algunos desafortunados y tempranos eventos de superdifusión. No fue solo pura cuestión de suerte: las altas densidades de población, los ciudadanos mayores y la vida en comunidad, por ejemplo, hicieron que las ciudades de todo el mundo fueran más susceptibles a los brotes en comparación con las zonas rurales, los lugares con menor densidad y aquellos con poblaciones más jóvenes, menos transporte público o una ciudadanía más sana. Pero ¿por qué Daegu en febrero y no Seúl, a pesar de que las dos ciudades están en el mismo país, bajo el mismo gobierno, gente, clima, etc.? Por frustrante que pueda ser, a veces, la respuesta es sencillamente dónde se encontraba la Paciente 31 y la megaiglesia a la que fue.

La dispersión excesiva nos dificulta asimilar las enseñanzas del mundo, porque interfiere con la forma en que normalmente pensamos sobre la causa y el efecto. Por ejemplo, significa que los eventos que ocasionan la propagación y no propagación del virus son asimétricos en su capacidad para proporcionarnos información. Tomemos el caso muy publicitado de Springfield, Missouri, en el que dos peluqueros infectados, ambos con mascarillas, continuaron trabajando con los clientes mientras presentaban síntomas. Resultó que no se encontraron infecciones aparentes entre los 139 clientes expuestos (a 67 se les realizó la prueba  directamente; el resto no informó de haber enfermado). Si bien está demostrado que las mascarillas son cruciales para paliar la transmisión, ese evento solo no nos diría si las mascarillas funcionan. Por el contrario, estudiar la transmisión, el evento más singular, puede ser bastante instructivo. Si esos dos peluqueros hubieran transmitido el virus a un gran número de personas a pesar de que todos llevaban mascarilla, sería una prueba importante de que, tal vez, las mascarillas no son útiles para prevenir la superpropagación.

En Daegu, Corea del Sur, solo una mujer, apodada Paciente 31, provocó más de 5.000 casos conocidos en un grupo de contagio de una megaiglesia

Las equiparaciones también nos dan menos información en comparación con los fenómenos para los que la contribución y el resultado están más estrechamente vinculados. Cuando ese es el caso, podemos comprobar la presencia de un factor (digamos, la luz solar o la vitamina D) y ver si guarda relación con una consecuencia (tasa de infección). Pero eso es mucho más difícil cuando las consecuencias pueden variar ampliamente dependiendo de algunos golpes de suerte, la forma en que la persona equivocada estaba en el lugar equivocado en algún momento a mediados de febrero en Corea del Sur. Esa es una de las razones por las que las comparaciones entre varios países han tenido problemas para identificar dinámicas que expliquen suficientemente las trayectorias de diferentes lugares.

Una vez que reconocemos la superpropagación como una herramienta clave, los países que parecen estar demasiado relajados en algunos aspectos parecen muy diferentes, y nuestros habituales debates polarizados sobre la pandemia también son confusos. Por ejemplo Suecia, un supuesto modelo del gran éxito o terrible fracaso de la inmunidad colectiva sin confinamientos, según a quién se le pregunte. En realidad, aunque Suecia es uno de los muchos países que no han protegido a los ancianos en centros y residencias, sus medidas dirigidas a la superpropagación han sido más estrictas que en muchos otros países europeos. Aunque no hubo un confinamiento completo, como me señaló Kucharski, en marzo Suecia impuso un límite de 50 personas en las reuniones en interiores, y no retiró ese límite incluso cuando muchos otros países europeos disminuyeron tales restricciones después de repeler la primera ola. (Muchos están restringiendo una vez más el tamaño de las reuniones después de observar una reaparición). Además, en dicho país, el tamaño de los hogares es pequeño y hay menos hogares multigeneracionales en comparación con la mayor parte de Europa, lo que limita aún más las posibilidades de transmisión y grupos de contagio. Suecia mantuvo las escuelas completamente abiertas sin distanciamiento ni mascarillas, pero solo para niños menores de 16 años, que es poco probable que sean superpropagadores de la enfermedad. Tanto los riesgos de transmisión como de padecer la enfermedad aumentan con la edad, y Suecia implantó clases por Internet a todos los estudiantes de secundaria y universitarios de alto riesgo, lo contrario de lo que hicimos en Estados Unidos. También fomentó el distanciamiento social y clausuró los lugares cerrados que no respetaban las reglas. Desde el punto de vista de la dispersión excesiva y la superdifusión, Suecia no se clasificaría necesariamente entre los países más laxos, pero tampoco es el más estricto. Simplemente no merece ese lugar destacado en nuestros debates al evaluar las diferentes estrategias.

*****

Aunque la dispersión excesiva dificulta algunos métodos habituales de estudio de las relaciones causa-efecto, podemos analizar los errores para comprender qué condiciones convierten la mala suerte en catástrofe. También podemos estudiar el éxito continuado, porque la mala suerte con el tiempo afectará a todo el mundo y la respuesta es importante.

Los casos más ilustrativos bien pueden ser aquellos que inicialmente tuvieron muy mala suerte, como Corea del Sur, y sin embargo lograron una eliminación considerable. Por el contrario, Europa fue muy elogiada por su apertura desde el principio, pero fue prematura; ahora muchos países están experimentando un aumento generalizado de casos y algunas medidas son similares a las de Estados Unidos. De hecho, el éxito y la relajación de Europa este verano, incluida la apertura de eventos en lugares cerrados con un mayor número de personas, es ilustrativo en otro aspecto importante de la gestión de un patógeno sobredispersado: en comparación con un contexto más estable, el éxito en un escenario estocástico puede ser más frágil de lo que parece.

En el momento en que un país tiene demasiados brotes, es casi como si la pandemia cambiara al “modo gripe”, según las palabras de Scarpino, lo que significa niveles altos y sostenidos de propagación comunitaria, a pesar de que la mayoría de las personas infectadas no estén transmitiendo la enfermedad. Scarpino explicó que, salvo que se tomen medidas verdaderamente drásticas, en el momento que se encuentra en ese modo tan extendido y profuso, la covid-19 puede seguir propagándose debido a la gran cantidad de cadenas que ya existen. Además, una cantidad abrumadora puede llegar a afectar a más grupos, empeorando aún más la situación.  

La superpropagación también puede darse en interiores en distancias superiores a los dos metros recomendados porque el SARS-CoV-2 puede viajar a través del aire y acumularse

Como afirmó Kucharski, un período relativamente tranquilo puede ocultar la rapidez con la que las cosas pueden torcerse y transformarse en un gran brote y cómo unos pocos eventos de amplificación encadenados pueden convertir velozmente una situación aparentemente bajo control en un desastre. A menudo se nos dice que si Rt, la medida en tiempo real de la propagación media, está por encima de uno, la pandemia está creciendo y que por debajo de uno, está desapareciendo. Eso puede ser cierto para una epidemia que no se dispersa en exceso, y aunque un Rt por debajo de uno es ciertamente bueno, es engañoso consolarse demasiado con un Rt bajo cuando unos pocos eventos pueden reavivar unas cantidades enormes de casos. Ningún país debería olvidar al Paciente 31 de Corea del Sur.

Dicho esto, la dispersión excesiva también es motivo de esperanza, como lo demuestra la respuesta combativa y exitosa de Corea del Sur a ese brote –con un sistema masivo de realización de pruebas, rastreo y aislamiento–. Desde entonces, Corea del Sur también ha estado practicando una vigilancia continua y ha demostrado la importancia del rastreo retrospectivo. Cuando recientemente una serie de grupos de contagio vinculados a clubes nocturnos estalló en Seúl, las autoridades sanitarias, de un modo combativo, rastrearon e hicieron pruebas a decenas de miles de personas vinculadas a dichos recintos, independientemente de su interacción con el caso inicial, hubieran mantenido la distancia de dos metros o no: una respuesta sensata, puesto que sabemos que el patógeno se transmite por el aire.

Quizás uno de los casos más interesantes ha sido Japón, un país con una suerte regular que fue golpeado desde el principio y siguió lo que parecía un modelo poco convencional al no implementar pruebas masivas y no llegar a confinarse por completo. A finales de marzo, algunos economistas influyentes publicaban informes con serias advertencias que predecían sobrecargas en el sistema hospitalario y enormes picos de muertes. Sin embargo, la catástrofe augurada nunca llegó a suceder y, aunque el país se enfrentó a algunas oleadas futuras, nunca hubo un gran aumento en las muertes a pesar del envejecimiento de la población, el uso ininterrumpido del transporte colectivo, las ciudades densamente pobladas y la ausencia de un confinamiento oficial.

No es que al principio Japón estuviera mejor situado que Estados Unidos. Al igual que en EE.UU. y Europa, me dijo Oshitani, Japón inicialmente no tenía PCR para realizar pruebas generalizadas. Tampoco podía imponer un confinamiento total o estrictas órdenes de quedarse en casa; incluso si eso hubiera sido deseable, en Japón no habría sido legalmente posible.

Oshitani me dijo que en Japón ya habían percibido la dispersión excesiva de la covid-19 en febrero y, por lo tanto, crearon una estrategia centrada principalmente en la eliminación de los grupos de contagio, que intenta evitar que un grupo de contagio provoque otro. Oshitani dijo que cree que “la cadena de transmisión no puede sostenerse sin una cadena de grupos de contagio o un mega-grupo de contagio”. Japón, por lo tanto, se enfocó en la eliminación de agrupamientos, que incluyó la realización de un radical rastreo retrospectivo para descubrir grupos de contagio. Japón también se centró en la ventilación y aconsejó a su población que evitara los lugares que cumplieran tres requisitos: multitudes en espacios cerrados en contacto estrecho, especialmente si se habla o se canta, a lo que añadió los aspectos científicos de la dispersión excesiva con el reconocimiento de la transmisión por aerosoles a través del aire, así como la transmisión presintomática y asintomática.

Oshitani contrasta la estrategia japonesa, identificar prácticamente todas las características importantes de la pandemia desde el principio, con la respuesta occidental, tratando de eliminar la enfermedad “una a una” cuando no se trata necesariamente de la forma principal de propagación. De hecho, Japón bajó el número de casos, pero mantuvo su vigilancia: cuando el gobierno comenzó a notar un repunte en los casos comunitarios, inició un estado de emergencia en abril y se esforzó por incentivar a los tipos de negocio que podrían conducir a eventos de superdifusión, como teatros, locales de música y estadios deportivos, para que cerraran temporalmente. Ahora los alumnos han vuelto a acudir a las escuelas en persona e incluso los estadios están abiertos, pero sin cánticos.

No siempre se trata del carácter estricto de las reglas, sino de si se enfocan en los riesgos precisos. Como dijo Morris: “El compromiso de Japón con la ‘eliminación de grupos de contagio’ le permitió lograr una atenuación impresionante con restricciones elegidas con criterio. Los países que han ignorado la superpropagación se han arriesgado a sufrir lo peor de ambos mundos: restricciones onerosas que no logran una atenuación significativa. La reciente decisión del Reino Unido de limitar las reuniones al aire libre a seis personas y al mismo tiempo permitir que los pubs y bares permanezcan abiertos es solo uno de los muchos ejemplos”.

¿Podríamos volver a una vida mucho más normal centrándonos en las limitaciones a eventos de superpropagación, participando combativamente en la eliminación de grupos de contagio e implementando pruebas masivas rápidas y baratas, es decir, una vez que reduzcamos nuestros números de casos a un nivel lo suficientemente bajo como para llevar a cabo tal estrategia? (Muchos lugares con baja transmisión comunitaria podrían comenzar de inmediato). En cuanto buscamos y vemos el bosque, resulta más fácil encontrar la salida.

------------------------

Este artículo se publicó originalmente en inglés en The Atlantic.

Zeynep Tufëçy es profesora asociado de la Universidad de North Carolina. Estudia las interacciones entre la tecnología digital, la inteligencia artificial y la sociedad.

Traducción de Paloma Farré

La pandemia ha golpeado duro a CTXT. Si puedes, haz una donación aquí o suscríbete aquí 


Autor >

Zeynep Tufëkçi (The Atlantic)

Suscríbete a CTXT

Orgullosas
de llegar tarde
a las últimas noticias

Gracias a tu suscripción podemos ejercer un periodismo público y en libertad.
¿Quieres suscribirte a CTXT por solo 6 euros al mes? Pulsa aquí

Artículos relacionados >

Deja un comentario


Los comentarios solo están habilitados para las personas suscritas a CTXT. Puedes suscribirte aquí