El pròxim virus de l'ebola és difícil de predir, però "la previsió de brots" pot ajudar

$config[ads_kvadrat] not found

MORGENSHTERN & Тимати - El Problema E Problem Probl Prob Pro Pr P т ти тим МОРГЕНШТЕРН и ft feat f f

MORGENSHTERN & Тимати - El Problema E Problem Probl Prob Pro Pr P т ти тим МОРГЕНШТЕРН и ft feat f f

Taula de continguts:

Anonim

Un noi de 2 anys a la zona rural de Guinea va morir a causa de l'Ebola al desembre de 2014. Durant els dos anys següents, gairebé 30.000 persones a l'Àfrica occidental estarien infectades amb el virus Ébola.

Per què, a diferència dels 17 brots anteriors de l’Ebola, aquesta va créixer tan ràpidament? Què es pot fer per evitar futurs brots? Aquestes preguntes, juntament amb moltes altres, són el centre del naixent camp científic de la previsió dels brots. I les apostes no podrien ser més altes. Al gener, el Fòrum Econòmic Mundial va qualificar de pandèmies un dels riscos més importants per a la vida empresarial i humana.

Durant els darrers segles, els científics han esdevingut cada vegada millors per predir molts aspectes del món, incloent l'òrbita dels planetes, el flux i el flux de les marees i els camins dels huracans. La capacitat d’entendre els sistemes físics i naturals prou bé per fer prediccions precises és potser un dels grans èxits de la humanitat.

Gran part d'aquest èxit en la previsió comença amb la idea fonamental d'Isaac Newton que hi ha lleis universals immutables que regeixen els fenòmens naturals que ens envolten. La capacitat d’execució ràpida de grans càlculs ha fomentat la perspectiva newtoniana que, donat dades suficients i potència informàtica, es poden predir els fenòmens més complexos.

Hi ha, però, límits. Com a científics que estudien aquest tipus de sistemes predictius, dubtem que serà possible predir exactament què passarà després en un brot de malaltia, ja que les variables més importants poden canviar tant d'un brot a un altre.

Per això, igual que en el cas de les prediccions meteorològiques, és probable que la recopilació de dades en temps real sigui fonamental per avançar en la capacitat de la comunitat científica per predir brots.

Epidèmies capritxoses

La idea que els científics poden modelar epidèmies es basa en la idea que la trajectòria de cada brot és previsible a causa de les seves propietats intrínseques i invariables.

Dir una malaltia és causada per un patogen transmissible. La infecciositat d'aquesta malaltia es pot encapsular en un nombre anomenat "relació reproductiva bàsica" o R0, un nombre que descriu com és probable que es difongui un patogen en una població determinada.

Si els epidemiòlegs coneixen prou sobre el R0 d'un patogen, l’esperança és que puguin predir aspectes del seu pròxim brot i que esperem que evitin els brots a petita escala que esdevinguin epidemies a gran escala. Podrien fer-ho mobilitzant recursos a àrees on els patògens tenen uns valors R0 especialment alts. O bé podrien limitar les interaccions entre els portadors de malalties i els membres més susceptibles d'una societat donada, sovint nens i ancians.

D'aquesta manera, R0 s'interpreta com un nombre immutable. Però els estudis moderns demostren que no és així.

Per exemple, considereu l’epidèmia del virus Zika. Per a aquesta malaltia, R0 va oscil·lar entre 0,5 i 6,3. Es tracta d’una extensió notable, que va des d’una malaltia que es dissiparà per si sola fins a una que causi una epidèmia a llarg termini.

Es podria pensar que aquest ampli rang de valors de R0 per a Zika es deriva de la incertesa estadística - que potser els científics només necessiten més dades. Però això seria majoritàriament incorrecte. Per a Zika, una gran quantitat de factors, des del clima i els mosquits fins a la presència d'altres virus relacionats com el dengue i el paper de la transmissió sexual, porten a diferents valors de R0 en diferents escenaris.

Resulta que les característiques d’una epidèmia - la contagiositat del patogen, la taxa de transmissió, la disponibilitat de vacunes, etc. - canvien tan ràpidament en el transcurs d’un sol brot que els científics només poden predir dinàmiques dins d’aquest brot. En altres paraules, l'estudi del brot de la malaltia del virus Ébola a l'abril de 2014 pot ajudar els científics a entendre el brot d'Ebola en aquest mateix entorn el mes següent, però sovint és molt menys útil per entendre la dinàmica de les futures epidèmies d'Ebola, com la que va succeir al maig del 2018.

Les epidèmies sovint no tenen fenòmens nets i agrupats. Són esdeveniments sorollosos on moltes variables tenen un paper essencial, però els rols canvien. No hi ha cap veracitat subjacent de la malaltia: només una col·lecció de detalls inestables que varien, sovint s'entrellacen, a mesura que la malaltia s'estén.

Millors prediccions

Si els científics no tenen confiança que puguin entendre els sistemes epidemiològics prou bé per predir el comportament d’altres relacionats, per què es molesten a estudiar-los?

La resposta podria residir en el que anomenem "física tova" de la predicció: els científics han de deixar d’assumir que cada brot segueix les mateixes regles. En comparar un brot amb un altre, han de tenir en compte totes les diferències contextuals entre ells.

Per exemple, els biòlegs han descobert molts detalls sobre les infeccions per la grip. Saben com es vinculen els virus a les cèl·lules hoste, com es reprodueixen i com evolucionen la resistència als fàrmacs antivirals. Però una epidèmia podria haver començat quan una gran població va utilitzar el transport públic en un determinat dia del mes, mentre que una altra podria haver estat iniciada per una congregació en un servei religiós. Tot i que tots dos brots estan arrelats en el mateix agent infecciós, aquestes i moltes altres diferències en les seves particularitats fan que els científics necessitin reformular-se el modelatge de com progressa cada un.

Per entendre millor aquests detalls, els científics necessiten inversions significatives en dades en temps real. Tingueu en compte que el Servei Meteorològic Nacional gasta més d’un milió de dòlars per any recopilant dades i fent previsions. El CDC només gasta una quarta part sobre les estadístiques de salut pública i no té cap pressupost dedicat per a la previsió.

La vigilància de les malalties segueix sent una de les àrees de la ciència més importants. Una consideració acurada de circumstàncies úniques que donen lloc a brots i una recopilació de dades més responsable podrien salvar milers de vides.

Aquest article va ser publicat originalment a The Conversation per C. Brandon Ogbunu, Randall Harp i Samuel V. Scarpino. Llegiu l'article original aquí.

$config[ads_kvadrat] not found