PANDEMIA

Un nuevo sistema pretende reducir incertidumbre y proporcionar mejores herramientas para tomar decisiones

Un equipo internacional de investigadores ha desarrollado un nuevo proceso para aprovechar los modelos de múltiples enfermedades para el estudio de brotes de virus para facilitar el trabajo de los responsables políticos a la hora de decidir qué modelo de covid-19 utilizar.

El equipo describe el proceso en un artículo que publica en la revista 'Science' y que recibió una Beca para la Investigación de Respuesta Rápida (RAPID) de la National Science Foundation para implementar de inmediato el proceso para ayudar a informar las decisiones de política para el brote de covid-19.

Durante un brote de enfermedad, muchos grupos de investigación generan modelos de forma independiente, por ejemplo, proyectando cómo se propagará la enfermedad, qué grupos se verán más afectados o cómo la implementación de una acción de manejo particular podría afectar estas dinámicas. Estos modelos ayudan a informar la política de salud pública para manejar el brote.

"Si bien la mayoría de los modelos tienen sólidos fundamentos científicos, a menudo difieren mucho en sus proyecciones y recomendaciones de política --recuerda Katriona Shea, profesora de biología y profesora de exalumnos en Ciencias Biológicas de a Universidad Estatal de Pensilvania (Penn State)--. Esto significa que los responsables políticos se ven obligados a confiar en el consenso cuando aparece, o en una única fuente confiable de asesoramiento, sin la confianza de que sus decisiones serán las mejores posibles".

Al comienzo de un brote, particularmente para una nueva enfermedad, a menudo no hay una gran cantidad de información o se desconoce todo, y los investigadores deben tomar decisiones sobre cómo incorporar esta incertidumbre en sus modelos, lo que lleva a proyecciones diferentes.

Para el brote de covid-19, por ejemplo, la incertidumbre está presente en una amplia serie de áreas, desde la tasa de infección hasta los detalles de transmisión y la capacidad de los sistemas de atención médica. Los diseñadores de cada modelo aportan su propia perspectiva y enfoque para abordar estas incertidumbres.

"Para mejorar el modelado y el análisis de la enfermedad epidémica, es esencial desarrollar protocolos que generen y evalúen deliberadamente ideas individuales valiosas de toda la comunidad de modelos --explica Michael Runge, ecólogo investigador del Centro de Investigación de Vida Silvestre Patuxent del Servicio Geológico de los Estados Unidos, especializado en análisis de decisiones para el manejo de la vida silvestre--. Hemos identificado las mejores prácticas que permiten la síntesis y evaluación de los aportes de múltiples grupos de modelos de manera eficiente y oportuna".

En un proceso de tres partes, múltiples grupos de investigación primero crean modelos para escenarios de gestión específicos, por ejemplo, abordando cómo se vería afectada la carga de trabajo si se levantaran las medidas de aislamiento social este verano, o cómo cambiaría la duración del brote si los estudiantes regresan a la escuela en el otoño.

Los grupos de investigación trabajan de forma independiente durante este paso para fomentar una amplia gama de ideas sin ajustarse prematuramente a una determinada forma de pensar. Luego, los grupos discuten formalmente sus modelos entre sí, una suma importante a los métodos de modelos múltiples anteriores, que les permite examinar por qué sus modelos podrían estar en desacuerdo. Finalmente, los grupos vuelven a trabajar de forma independiente para refinar sus modelos, en base a las ideas de la etapa de discusión y comparación.

Después de la discusión grupal y de afinar el modelo individual, los modelos se combinan en una proyección general para cada estrategia de gestión, que puede usarse para ayudar a guiar el análisis de riesgos y la deliberación de políticas. En esta etapa, los métodos del campo del análisis de decisiones pueden permitir al tomador de decisiones, por ejemplo, una agencia de salud pública, comprender los méritos de las diferentes opciones de gestión frente a la incertidumbre existente.

Además, los resultados combinados pueden ayudar a identificar qué incertidumbre, qué piezas de información faltan, son las más críticas para aprender a fin de mejorar los modelos y, por lo tanto, mejorar la toma de decisiones, proporcionando una forma de priorizar las direcciones de investigación.

"Este proceso nos permite aceptar la incertidumbre, en lugar de apresurarnos a un consenso prematuro que podría descarrilar o desviar los esfuerzos de gestión --señala Shea--. El proceso fomenta una conversación saludable entre los científicos y los encargados de la toma de decisiones, lo que permite a las agencias de política alcanzar sus objetivos de gestión de manera más efectiva".

Incluso después de tomar las decisiones iniciales, el proceso puede continuar a medida que se disponga de nueva información sobre el brote y la gestión. Esta estrategia de "manejo adaptativo" puede permitir a los investigadores refinar sus modelos y hacer nuevas predicciones a medida que avanza el brote.

Para el covid-19, este proceso podría informar cómo y cuándo se levanta el aislamiento y las prohibiciones de viaje, y si estas u otras medidas podrían ser necesarias nuevamente en el futuro.

El equipo de investigación planea implementar este proceso inmediatamente para covid-19. Al aprovechar los muchos grupos de investigación que ya producen modelos para el brote actual, la estrategia debería ser fácil de implementar y producir resultados más sólidos del proceso existente. El equipo compartirá los resultados con los Centros para el Control y la Prevención de Enfermedades de Estados Unidos a medida que se generen.

"Esperamos que este proceso alimente activamente la política para la respuesta al covid-19 en Estados Unidos --destaca Shea--. También proporciona un marco para futuros escenarios de brotes, incluidas enfermedades emergentes y especies de plagas agrícolas, y el manejo de enfermedades infecciosas endémicas, incluidas estrategias de vacunación y vigilancia de enfermedades".