Encuentran nuevos métodos para adelantarse a los brotes de dengue

Jueves, 14/11/2019
Las principales epidemias de la enfermedad ocurren cada dos o cinco años, dependiendo de las fluctuaciones climáticas y de la mano del mosquito Aedes aegypti.
Europa Press

Un equipo investigador internacional ha encontrado nuevas formas de mejorar las predicciones de brotes de infección por dengue, especialmente en los desafíos que afrontan los científicos al intentar construir modelos de pronóstico exitosos, según publican la revista 'PNAS'.

El dengue es una infección viral transmitida por mosquitos que se encuentra con mayor frecuencia en el Caribe, las Américas y el sudeste asiático. La infección generalmente es leve, pero también puede causar síntomas severos similares a la gripe y puede ser mortal.

Según la Organización Mundial de la Salud, se estima que se producen hasta 100 millones de infecciones anualmente en más de 100 países, lo que pone en riesgo a casi la mitad de la población mundial.

Las principales epidemias de dengue ocurren cada dos o cinco años, dependiendo de las fluctuaciones climáticas. Actualmente no existe un tratamiento definitivo, por lo que la prevención equivale a reducir el número de personas afectadas. Si los científicos pudieran predecir una epidemia, los proveedores de atención médica estarían mejor posicionados para prevenirla y controlarla.

El Grupo de trabajo de ciencia y tecnología de predicción y predicción de pandemias de Estados Unidos estableció el Proyecto de Predicción del Dengue en 2015. Dieciséis equipos de todo el mundo recibieron la misma incidencia de dengue y datos climáticos para Iquitos, en Perú, y San Juan, en Puerto Rico, para comprender lo universal impulsores de las epidemias de dengue.

Los investigadores combinaron datos de enfermedades y clima de años anteriores y la temporada actual en modelos complejos y trataron de predecir cómo progresaría la temporada antes de la aparición de brotes.

"El desarrollo de modelos de pronóstico del dengue ha sido hasta ahora un desafío --explica el científico de información de la Universidad de Hokkaido, Matteo Convertino, quien dirigió uno de los dieciséis equipos en el proyecto--. Los objetivos de pronóstico a menudo varían de manera irregular, lo que dificulta su comparación y evaluación, y las variables ambientales a menudo se vinculan débilmente con los objetivos de salud de la población".

El Proyecto de Pronóstico del Dengue intentó superar estos desafíos al proporcionar tres predicciones claras de objetivos: el número máximo semanal de casos, la semana en que ocurren los casos máximos y el número total de casos en una temporada.

Luego, los modelos se probaron utilizando otro conjunto de datos conocido de las mismas ubicaciones, para ver con qué precisión predijeron los objetivos epidémicos. Ninguno lo hizo muy bien, pero el rendimiento generalmente mejoró a medida que avanzaba la temporada de infección.

Los modelos que produjeron un conjunto de pronósticos ejecutando los datos varias veces con puntos de partida ligeramente diferentes, superaron con fuerza a los modelos que realizaron solo pronósticos individuales. Algunos de los modelos fueron hábiles en la producción de pronósticos para temporadas individuales hasta con cuatro meses de anticipación.

Los resultados destacan las dificultades para predecir las epidemias de dengue, incluso en áreas endémicas con patrones claros de transmisión estacional. Sin embargo, los resultados también enfatizan la necesidad de reconstruir múltiples modelos para representar más completamente todas las trayectorias epidémicas potenciales, como cuando se predicen los cambios climáticos. Esto también es útil para explorar hipótesis competitivas sobre cómo funcionan las epidemias.

"Los desafíos son formidables, pero a través de proyectos de pronóstico como este, la comunidad puede hacer avanzar esta investigación, traduciendo la investigación en herramientas de salud pública que puedan transformar la forma en que nos preparamos y respondemos a las epidemias", concluyen los investigadores.

Comentarios