“Vemos señales prometedoras de descenso del VIH”

Estadísticas, números, datos y más datos. Estas son las herramientas de disuasión que emplea el doctor Timothy Hallett (Cardiff, 1982) para convencer a los gobiernos de cuáles son las intervenciones prioritarias en cuestión de salud global. A través de modelos matemáticos, Hallet, que trabaja en el Departamento de Epidemiología y Enfermedades Infecciosas del Imperial College London, reinterpreta y cruza la ingente cantidad de datos que ofrecen los servicios de vigilancia epidemiológica para diseñar las mejores intervenciones sanitarias en salud global.

Hallet, que colabora con el consejo científico del Plan de Emergencia del Presidente para Mitigar el SIDA (PEPFAR) —un proyecto impulsado por el expresidente estadounidense George Bush para combatir el sida—, ha visitado el Instituto de Salud Global (ISGlobal) de Barcelona, un centro de investigación impulsado por la Fundación La Caixa, para dar una conferencia sobre el papel de los modelos matemáticos en epidemiología. El médico británico dirige también el Consorcio de Modelización de VIH, una red de epidemiólogos, modeladores matemáticos y economistas de la salud que diseñan estrategias contra el VIH.

Más información

Cinco recetas para la salud global

El tijeretazo de Trump amenaza el progreso contra el sida

Los recortes de Trump en ayuda exterior dañarán la salud y la I+D de los propios estadounidenses

Pregunta. Usted utiliza modelos matemáticos para mejorar la salud de las personas. ¿Cómo funciona eso?

Respuesta. Para poder hacer algo que pueda impactar en la salud de la gente, necesitamos argumentos para convencer de que hay que hacerlo. Necesitamos ver un efecto para mejorar la salud y que los gobiernos inviertan en eso. Y los modelos matemáticos sirven para convencer a la gente, ayudar a los gobiernos a tomar decisiones cuando quieren hacer algo para mejorar la salud y tienen que elegir entre la opción a y b.

P. ¿Qué tienen esos modelo matemáticos que no tengan otras formas de persuasión, como la diplomacia, por ejemplo?

R. Es una manera de proporcionar argumentos basados en evidencias y en datos de una manera formal, transparente y científica que la gente testa y valida. Otras formas de argumentar no hacen esto.

P. Póngame un ejemplo de éxito.

R. Una historia famosa es el comienzo de PEPFAR. Los modelos matemáticos tuvieron mucha influencia en su desarrollo. Mis colegas propusieron que si los pequeños éxitos de algunos países se pudiesen expandir a todo el mundo, el impacto sería enorme.

P. Las matemáticas son exactas, pero a la hora de aplicar esos modelos matemáticos a la vida real, ¿hay errores o consecuencias inesperadas?

R. Sí, claro. Hay incertidumbre, pero lo importante es ser honestos sobre ella. Hace unas semanas hubo un estudio sobre los Objetivos de Desarrollo Sostenible (ODS) y el problema era que había demasiada incertidumbre. Lo importante es detectar cuándo hay esa incertidumbre porque no hay suficientes datos y estimular a la gente para que se recopilen nuevos datos.

P. ¿En qué está trabajando ahora? ¿A qué gobierno está intentando persuadir?

"Se está poniendo el foco en el déficit de servicios de prevención de VIH en países subsaharianos"

R. Estamos centrados en mejorar la calidad científica de estos modelos matemáticos porque el análisis de datos es el futuro de la salud global. Una de las áreas en las que están poniendo el foco es en el déficit de servicios de prevención de VIH en países subsaharianos. Estamos intentando ver cómo mejorar el impacto y por qué es tan importante mejorar estos servicios de prevención a largo plazo.

P. ¿El VIH se les está resistiendo más de lo que pensaban?

R. Creemos que estamos en una cuenta regresiva porque los casos de VIH sí han bajado, en parte gracias a la enorme respuesta internacional y a la concienciación, y también por la ampliación de las terapias antirretrovirales que hace que haya menos gente infectada y que bajen los nuevos casos.

Pero obviamente tiene que disminuir más porque hay señales preocupantes de altas prevalencias en muchos países de África. En Europa, en Reino Unido y Holanda, al principio bajó por el shock de las muertes causadas por sida, pero luego seguramente volvió a subir por la complacencia de la gente joven, que se relajó. Pero ya volvió a bajar por la mejora del acceso a tratamientos. Ahora vemos señales prometedoras de descenso de infecciones gracias al uso de profilaxis preexposición (PreP).

P. En España hay muchos colectivos que están instando al Gobierno a introducir la PreP como una estrategia de reducción de daños en los colectivos de riesgo. ¿Sería coste-eficiente?

R. No tengo datos sobre la situación en Barcelona o España, pero los estudios que hemos hecho sugieren que si diésemos la PreP a la gente de alto riesgo, sería coste efectivo. Yo apoyo la PreP: no debería ser la única estrategia para parar la epidemia, pero sí puede ser capaz de reducirla.

P. Estados Unidos tiene ahora un presidente que ha puesto un duda en alguna ocasión el método científico e incluso el cambio climático. En este caso, ¿los modelos matemáticos servirían para convencerlo?

"El análisis de datos es el futuro de la salud global"

R. Yo no puedo saber lo que piensa, pero lo que sí sé es que incluso él [Donald Trump] es persuasible por los argumentos científicos. Muchos miembros del Congreso y el Senado lo son. La razón por la que PERFAF ha intentado mantener algunos programas de sida es porque la gente está viendo las analíticas y los modelos matemáticos y los han convencido.

P. ¿Cuáles son los retos que tienen ahora por delante los modelos matemáticos?

R. Hay que moverse a escalas más pequeñas de donde se han hecho hasta ahora los modelos matemáticos —un poco dentro del mundo académico y de manera artesanal— hacia una herramienta que sirva para la toma de decisiones a nivel nacional e internacional. Para ello se necesita un cambio cultural y que la gente responda por este sistema y que haya una revolución en el acceso a los datos y de cómo queremos que las decisiones se tomen: hay que pasar de declaraciones de expertos a bases analíticas que se centren en datos.

P. ¿El big data será clave en esta revolución?

R. Yo creo que sí, que el big data ayudará y, de hecho, ya lo está haciendo. Nos ha abierto la posibilidad de tener una resolución a nivel espacial más fina y no considerar un país completamente homogéneo, sino que tiene patrones de lluvias, puntos calientes donde hay enfermedades… Esto ayuda a tener un nivel de resolución mucho más fino para llevar los recursos ahí donde se necesitan.