Recientemente, un equipo de investigadores de la Universidad de Texas en Austin ha desarrollado una nueva herramienta para mejorar la precisión de las predicciones en el ámbito de la salud pública durante epidemias. Publicado en la revista Proceedings of the National Academy of Sciences, este avance se centra en un enfoque denominado «epimodulación», que busca integrar un entendimiento epidemiológico más profundo en los modelos de predicción tradicionales.
Durante una epidemia, los responsables de la atención sanitaria enfrentan preguntas cruciales, como cuándo alcanzará el pico la epidemia y cuántas personas necesitarán atención médica simultáneamente. Respuestas oportunas a estas interrogantes son esenciales para que los administradores de hospitales y líderes comunitarios puedan gestionar de manera eficiente los recursos y el personal. Sin embargo, muchos modelos de predicción epidemiológica han mostrado dificultades para prever con precisión los casos y las hospitalizaciones en torno a los picos de contagio.
Avances en la predicción epidemiológica
El nuevo modelo de epimodulación proporciona una forma más intuitiva de entender la evolución de las epidemias, en lugar de simplemente extrapolar tendencias de brotes actuales. Según Lauren Ancel Meyers, profesora en el departamento de Biología Integrativa de la Universidad de Texas y directora del centro epiENGAGE, este enfoque permite al modelo anticipar cambios en la curva de contagios a medida que se desarrolla la inmunidad en la población. Esto resulta en predicciones más precisas que pueden ofrecer información valiosa en tiempo real a las instituciones sanitarias.
Las pruebas realizadas con datos de epidemias pasadas, incluyendo la gripe y el COVID-19, han mostrado que la epimodulación puede aumentar la precisión de las predicciones de ingresos hospitalarios en hasta un 55% durante los picos, sin comprometer la exactitud en períodos de baja actividad. Además, la epimodulación mejora la efectividad de los modelos de conjunto, que combinan múltiples enfoques en una sola proyección.
La aplicabilidad de esta metodología se extiende a diversas enfermedades infecciosas que presentan patrones cíclicos, como la gripe aviar, el ébola y el Mpox, así como a patógenos emergentes. Las epidemias suelen seguir patrones reconocibles, creciendo rápidamente en sus inicios y desacelerándose a medida que se construye la inmunidad colectiva o cambian los comportamientos sociales.
El desarrollo de este tipo de herramientas resulta fundamental en un contexto global donde la gestión de crisis sanitarias es cada vez más compleja. La integración de principios epidemiológicos en los modelos de predicción puede ser la clave para mejorar la respuesta sanitaria ante futuros brotes, permitiendo a las autoridades actuar con mayor agilidad y eficacia frente a situaciones críticas.
