Cómo detectar el aumento de la covid-19 en los países de África
Una investigación predice la transmisión del coronavirus analizando los recuentos de casos y aspectos meteorológicos como las precipitaciones, la humedad o la temperatura. Los autores aseguran que los pronósticos han sido más precisos de lo esperado
![Coronavirus Sudafrica](https://imagenes.elpais.com/resizer/v2/THALGAFF7IOWV7FU3IRSGL2TMA.jpg?auth=36455ed9bfdcaf5987f04b52f7aea7e0d7dbb21fee5b07c0d838f2632ab5674c&width=414)
Nota a los lectores: EL PAÍS ofrece en abierto la sección Planeta Futuro por su aportación informativa diaria y global sobre la Agenda 2030. Si quieres apoyar nuestro periodismo, suscríbete aquí.
Uno de los obstáculos para orientar la política en el futuro y proteger a las personas de la covid-19 es la abrumadora cantidad de datos que hay disponibles cada día. Estamos inundados de información y todo el mundo quiere extraer de ella una idea razonable. Los responsables políticos tienen que darles sentido para poder prever y gestionar lo que está ocurriendo. Para abordar esta necesidad, hemos desarrollado un marco de vigilancia de la enfermedad basado en los datos que permite rastrear y predecir los casos de covid-19 por países.
Somos un equipo internacional de científicos que trabajamos en encontrar nuevas maneras de predecir diagnósticos cuando se presenta una infección seria. Empezamos con una predicción de enfermedades infecciosas basada en un modelo. El interés principal es el de mejorar el tratamiento cuando se desconoce el agente infeccioso, pero en lo que concierne a la covid-19, nuestros métodos sirven para entender y prever la infección entre la población.
Nos hemos centrado en las infecciones de niños en el este de África y en el sureste de Asia. Durante más de 15 años, hemos trabajado con hospitales de Uganda, y con proveedores de atención sanitaria, planificadores, economistas, ingenieros y políticos para la elaboración de mapas predictivos de infecciones infantiles y problemas de nacimiento.
A principios de 2020, comenzamos a plantear maneras de usar nuestras capacidades para contribuir a la lucha contra el SARSCoV2, el virus causante de la enfermedad detrás de la pandemia. Recurrimos a una amplia red de expertos, organizaciones y autoridades locales, que nos ayudaron a adaptar nuestro planteamiento para generar con una semana de antelación pronósticos sobre los números de casos.
Se tuvieron en cuenta los casos en naciones vecinas, así como factores como si el país tiene o no salida al mar
Creamos una serie de herramientas de visualización y gráficos muy fáciles de interpretar. Trabajamos con planificadores y economistas de Uganda para asegurarnos de que lo que creamos conjuntamente se podía emplear en la práctica. Nos basamos en un método comprobado que ya se utilizaba en Reino Unido y en varios países europeos, y lo adaptamos para todo el continente africano.
El modelo utilizado en este estudio integra múltiples series de datos para predecir la transmisión del virus. Las capas, de arriba a abajo, son: recuento de casos, humedad específica, precipitaciones, población y temperatura.
Cómo se ha creado el modelo
Empleamos un sistema relativamente sencillo, según criterios matemáticos, en el que basar los códigos informáticos. Incorporamos los informes diarios de casos por países, la caracterización del índice de desarrollo humano de cada país, la población, la severidad de las medidas sociales para controlar la infección y los datos meteorológicos. Se tuvieron en cuenta los casos en naciones vecinas, así como factores como si el país tiene o no salida al mar.
![El modelo utilizado en este estudio integra múltiples conjuntos de datos para predecir la transmisión de la covid-19. Capas, de arriba a abajo: recuento de casos de covid-19, humedad específica, lluvia, población y temperatura.](https://imagenes.elpais.com/resizer/v2/CWV6TIGROJEWNAKK2DVZZCVANM.png?auth=e39b45156feb81c352eabdf856deb33f4008f37aab78e70a1951e3db112caeb7&width=414)
Algunos de estos factores medioambientales han sido relevantes en la transmisión de la covid-19 en África. Modificamos la información meteorológica de cada país ajustándola a la población. En Argelia, por ejemplo, donde la mayoría de la población vive en la parte más fría y húmeda de la costa, resaltamos o ponderamos los datos meteorológicos en proporción a las zonas donde vive la gente (y obviamos los datos meteorológicos en zonas desérticas despobladas).
Tuvimos en cuenta el intercambio transfronterizo de mercancías y comercio, ya que para los países sin litoral esta es su vía para conseguir bienes y servicios. Resulta difícil obtener información sobre los movimientos de poblaciones en África, por lo que utilizamos casos del resto de países para comprobar si estos estaban asociados con los de la semana siguiente en las naciones cercanas. El método resultó muy eficaz.
Hemos considerado la economía de los distintos países y la evolución de las medidas restrictivas oficiales en tiempo real, como los confinamientos y los cierres fronterizos. Y luego quedaba por ver si podíamos obtener un resumen comprensible del estado actual de la pandemia en África, y si las predicciones con una semana de antelación eran acertadas en comparación con el número real de casos registrados.
De los pronósticos a las políticas
Los pronósticos fueron mucho más precisos de lo que esperábamos. Utilizamos una manera rigurosa de clasificarlos por países. Solo en algunos casos (Burundi, Camerún, Somalia y Botsuana), resultaron inexactos.
Creamos una serie de herramientas y gráficos muy fáciles de interpretar. Un político necesita ver cuál es la situación actual, cómo se llegó a ella a partir de acontecimientos anteriores y qué pasará en el futuro. Las páginas web que hemos creado permitirán a cualquier persona acceder desde su ordenador a los resultados del modelo en su país o continente. No hace falta ser matemático o tener un doctorado.
Las páginas web que hemos creado permitirán a cualquier persona acceder desde su ordenador a los resultados. No hace falta ser matemático o tener un doctorado
Compartimos nuestro código para que lo utilicen los científicos técnicos de otros países o de agencias mundiales. Está escrito en programas de código abierto, y toda la información que utiliza el modelo es de páginas web también de código abierto, con el fin de que nadie encuentre barreras a la hora de aplicarlo. Nuestros métodos hacen hincapié en datos predictivos, e ignoran de forma automática los que no contribuyen a la comprensión de los casos de la semana siguiente. Este es un truco clásico en economía y comprobamos que funciona muy bien en los pacientes infecciosos.
La publicación contiene enlaces al código informático que ejecuta el modelo y a la visualización gráfica de estos hallazgos, para que cualquiera los use.
A nuestros compañeros en Uganda les resulta práctico el modelo para predecir casos con una semana de antelación. Lo están empleando como base para las políticas sociales y los confinamientos, ya que con el modelo se hace un seguimiento de los efectos de las medidas en la incidencia, y se planifica la desescalada cuando disminuye la presión de los casos. Dado que las medidas de control tardan varias semanas en surtir efecto, los pronósticos permiten planificar mejor. Pero, al igual que muchas otras cosas en la naturaleza, como el clima, los pronósticos para más allá de dos semanas suelen ser muy dudosos.
De cara al futuro
Una de las implicaciones más claras de nuestros hallazgos es que las pandemias son crisis que ningún país puede gestionar mejor por sí solo. Animamos a los países africanos vecinos a que compartan información y cooperen en la gestión de los viajes y las fronteras. Esta pandemia terminará con la vacunación masiva en África. Hasta que se disponga de miles de millones de vacunas seguras y eficaces contra el SARS-CoV-2 para el continente, se necesitarán métodos predictivos como este para elaborar normas.
Este artículo fue originalmente publicado en inglés en The Conversation.
Steven J. Schiff es profesor de la cátedra Brush de Ingeniería, Departamentos de Neurocirugía, Ciencias de la Ingeniería y Mecánica, y Física, en la Universidad Estatal de Pensilvania. Andrew Geronimo es profesor adjunto de investigación, Departamento de Neurocirugía, en la Universidad Estatal de Pensilvania. Claudio Fronterre es profesor de bioestadística, Centro de Informática, Computación y Estadística de la Salud, en la Universidad de Lancaster. Paddy Ssentongo es profesor adjunto de investigación, Centro de Ingeniería Neural, Departamento de Ciencias de la Ingeniería y Mecánica, en la Universidad Estatal de Pensilvania.
![The Conversation](https://counter.theconversation.com/content/164425/count.gif?distributor=republish-lightbox-advanced)
Puedes seguir a PLANETA FUTURO en Twitter, Facebook e Instagram, y suscribirte aquí a nuestra ‘newsletter’.
Tu suscripción se está usando en otro dispositivo
¿Quieres añadir otro usuario a tu suscripción?
Si continúas leyendo en este dispositivo, no se podrá leer en el otro.
FlechaTu suscripción se está usando en otro dispositivo y solo puedes acceder a EL PAÍS desde un dispositivo a la vez.
Si quieres compartir tu cuenta, cambia tu suscripción a la modalidad Premium, así podrás añadir otro usuario. Cada uno accederá con su propia cuenta de email, lo que os permitirá personalizar vuestra experiencia en EL PAÍS.
En el caso de no saber quién está usando tu cuenta, te recomendamos cambiar tu contraseña aquí.
Si decides continuar compartiendo tu cuenta, este mensaje se mostrará en tu dispositivo y en el de la otra persona que está usando tu cuenta de forma indefinida, afectando a tu experiencia de lectura. Puedes consultar aquí los términos y condiciones de la suscripción digital.