El marco revela cómo descuidar los ingresos, la educación y el origen étnico afecta las predicciones de propagación de enfermedades en los datos de COVID-19

Un equipo internacional de investigadores ha desarrollado un enfoque innovador para el modelado de epidemias que podría transformar la forma en que los científicos y los responsables políticos predicen la propagación de enfermedades infecciosas. Dirigido por la Dra. Nicola Perra, lectora de Matemáticas Aplicadas, el estudio publicado en Avances científicos introduce un nuevo marco que incorpora factores de estatus socioeconómico (NSE), como ingresos, educación y origen étnico, en los modelos epidémicos.

«Los modelos epidémicos normalmente se centran en patrones de contacto estratificados por edad, pero eso es sólo una parte del panorama», dijo el Dr. Perra.

«Nuestro nuevo marco reconoce que otros factores, como los ingresos y la educación, desempeñan un papel importante en la forma en que las personas interactúan y responden a las medidas de salud pública. Al incluir estas variables de NSE, podemos crear modelos más realistas que reflejan mejor el mundo real. resultados epidémicos.»

El Dr. Perra y sus colaboradores han abordado esta supervisión crítica con un marco que utiliza «matrices de contacto generalizadas» para estratificar los contactos en múltiples dimensiones, incluido el NSE. Esto permite una representación más detallada y realista de cómo se propagan las enfermedades a través de diferentes grupos de población, especialmente aquellos que enfrentan desventajas socioeconómicas.

El estudio demuestra cómo no tener en cuenta estas variables puede dar lugar a grandes tergiversaciones en las predicciones epidémicas, socavando tanto las estrategias de salud pública como las decisiones políticas.

El enfoque del equipo se basa tanto en derivaciones matemáticas formales como en datos empíricos. Su estudio establece que ignorar las dimensiones del NSE puede conducir a subestimaciones de parámetros clave, como el número reproductivo básico (R₀), que mide el número promedio de infecciones secundarias causadas por un solo individuo infectado.

Utilizando datos sintéticos y datos del mundo real de Hungría, recopilados durante la pandemia de COVID-19, los investigadores muestran cómo la inclusión de indicadores SES proporciona estimaciones más precisas de la carga de enfermedad y revela disparidades cruciales en los resultados entre diferentes grupos socioeconómicos.

«La pandemia de COVID-19 fue un claro recordatorio de que la carga de las enfermedades infecciosas no se transmite por igual entre toda la población», afirmó el Dr. Perra.

«Los factores socioeconómicos jugaron un papel decisivo en cómo se vieron afectados los diferentes grupos y, sin embargo, la mayoría de los modelos epidémicos en los que confiamos hoy todavía no incorporan explícitamente estas dimensiones críticas. Nuestro marco pone estas variables en primer plano, lo que permite conocimientos más completos y procesables. «.

Los investigadores demostraron cómo su marco podría cuantificar las variaciones en la adherencia a intervenciones no farmacéuticas (NPI), como el distanciamiento social y el uso de máscaras, en diferentes grupos de NSE. Descubrieron que descuidar estos factores en los modelos no sólo tergiversa la propagación de enfermedades sino que también oscurece la eficacia de las medidas de salud pública.

Su análisis de datos húngaros destacó aún más cómo las heterogeneidades en los patrones de contacto impulsadas por el NSE pueden conducir a diferencias sustanciales en los resultados de las enfermedades entre grupos, lo que subraya la necesidad de intervenciones más específicas.

«Nuestros hallazgos sugieren que las futuras encuestas de contactos deberían expandirse más allá de las variables tradicionales como la edad e incluir datos socioeconómicos más matizados», añadió el Dr. Perra. «La inclusión de estos factores podría mejorar drásticamente la precisión de los modelos epidémicos y, por extensión, la eficacia de las políticas sanitarias».

El estudio subraya la necesidad urgente de marcos de modelización de epidemias más completos a medida que las sociedades continúan lidiando con los impactos persistentes de COVID-19 y preparándose para futuras pandemias. Al ir más allá del enfoque convencional en la edad y el contexto, este nuevo enfoque abre la puerta a una comprensión más detallada de la transmisión de enfermedades y ofrece una poderosa herramienta para abordar las inequidades en salud.

Este trabajo se realizó en colaboración con Adriana Manna (Universidad Centroeuropea), Dr. Lorenzo D’Amico (Fundación ISI), Dr. Michele Tizzoni (Universidad de Trento) y Dr. Márton Karsai (Universidad Centroeuropea e Instituto Rényi de Matemáticas). ).