Contra las epidemias: datos

El 2009 se vio sacudido por un tumulto de estornudos, dolores de cabeza, escalofríos, mocos, cubre-bocas, visitas masivas a centros de salud y pánico: la epidemia de la influenza H1 N1. El mundo en general no estaba preparado para el ataque y vivimos varios meses de caos y confusión. Algunos modelos exageraron los alcances del brote de invierno y el número de muertes probables; esto último se debió a que no se contaba con información adecuada respecto a la epidemiología del virus y la extensión de la primera epidemia.

“Viajando con fiebre porcina”, fotografía de Diego Cupolo.

Pejman Rohani y Aaron King de la Universidad de Michigan publicaron una revisión en la revista Trends in Ecology and Evolution respecto a la importancia de las bases a largo plazo de datos epidemiológicos. Dicho artículo forma parte de una edición especial de dicha revista dedicada exclusivamente a la discusión y análisis de la investigación ecológica a largo plazo. Esta entrada se refiere a dicha revisión. Recientemente, varias publicaciones han enfatizado la importancia de contar con datos a largo plazo en varias áreas del conocimiento. Dicha importancia es tal vez más clara cuando nuestra vida pudiera depender de ellos, como en el caso de las epidemias. Sala de influenza en el campamento Funston, Kansas, 1918. Fotografía tomada de Wikimedia Commons. Históricamente, sin embargo, la toma de datos cuidadosos a largo plazo no es nueva, principalmente en el área de la medicina. John Graunt fue pionero en ello y estuvo interesado, entre otras cosas, en idear un sistema de alerta temprana contra la peste bubónica durante el siglo XVII. Más tarde, los datos a largo plazo sobre enfermedades infecciosas permitieron sentar las bases de la epidemiología de finales del siglo XIX y el siglo XX, pero no fue hasta 1979 cuando la información a largo plazo y la epidemiología unieron sus caminos de forma definitiva con los trabajos de Anderson y May. A partir de entonces, la ecología de las enfermedades infecciosas se ha convertido en una burbujeante área. De hecho, los modelos epidemiológicos han resultado incluso más acertados para predecir la naturaleza que aquellos utilizados en otros tipos de estudios ecológicos. La razón de esto, sugieren Pejman y King, se debe a que los sistemas de varias enfermedades infecciosas han sido bien estudiados y a que la biología e historia natural de parásitos y hospederos se conoce bastante bien. Conjuntamente, y de forma un poco intrigante, la simplificación de la complejidad de las epidemias parece funcionar a la hora de poner a prueba los modelos matemáticos. Esto último podrá sonar un poco tonto, pero los modelos matemáticos son -necesaria e ineludiblemente- simplificaciones de sistemas complejos, y justo en ello radican sus limitaciones y aplicabilidad. Pero no solo es importante tomar datos respecto a la infección en sí, como edad de los afectados, tiempo de incubación, síntomas y forma de contagio. Otros datos pueden ser útiles en el control de las epidemias como son los factores sociales y ecológicos que las rodean. Se ha visto que, por ejemplo, las epidemias de sarampión en el Reino Unido se relacionan con el inicio y fin de los ciclos escolares. Interesantemente, en Nigeria las migraciones humanas estacionales –resultado de las prácticas agrícolas- han sido la situación clave en las epidemias de sarampión. Podría parecer una situación diferente en ambos países, pero en el fondo es prácticamente la misma: un montón de gente que, después de un periodo de separación, se vuelve a congregar en un mismo sitio. Ahora es más claro que para entender bien los fenómenos epidemiológicos es necesario contar con información respecto a todas las variables que las rodean y esto ha permitido desarrollar modelos relativamente confiables en muchos casos. Después de eso, el paso siguiente ha sido hacer inferencias estadísticas al respecto, es decir, el área de la epidemiología ecológica ha alcanzado una madurez tal que es posible jugar al clarividente de las ronchas y los estornudos. Los cálculos matemáticos para lograrlo son a menudo muy demandantes computacionalmente, pero afortunadamente la madurez en otras áreas, como las ciencias matemáticas, ha permitido a la epidemiología dar el paso que necesitaba. Tiempos emocionantes le esperan a la epidemiología ecológica considerando que las ciencias matemáticas no son la única área del conocimiento que la nutre. Detalles más finos respecto a la genética y ecología de diferentes variedades de hospederos y patógenos, y la integración de dicha información en los modelos epidemiológicos será sin duda fructífero; aún cuando todavía sea considerado como un reto dentro del área. Por supuesto, se espera que un “licuado” de toda la información proveniente de tan variadas y productivas áreas se traduzca en sistemas confiables de alerta temprana. La amenaza de una mortífera epidemia de influenza, por ejemplo, sigue vigente. El cambio climático con seguridad modificará los patrones ya conocidos de ciertas enfermedades. Los análisis biogeográficos que se nutren con los sistemas de información geográfica – y sus bases de datos a largo plazo- cada vez tendrán que ver más con la epidemiología. En resumen, actualmente no solo la información a largo plazo sobre datos epidemiológicos es relevante en el ataque contra las enfermedades infectocontagiosas. Diversas áreas del conocimiento nutren a esta área con sus respectivas bases de datos. Como resultado, las bases de datos a largo plazo se perfilan como el mejor antídoto contra las epidemias. El diminuto virus que nos movió el tapete en el 2009 no resultó ser ni tan letal ni tan contagioso como se pensó al principio, pero si fue un contundente recordatorio de que es buena idea tomar datos sistemáticos y meticulosos como base para la creación e implementación de políticas de salud efectivas y de estrategias para disminuir los efectos de las epidemias que nos esperan en el futuro. Artículo de referencia:

Rohani, P., & King, A. (2010). Never mind the length, feel the quality: the impact of long-term epidemiological data sets on theory, application and policy Trends in Ecology & Evolution, 25 (10), 611-618 DOI: 10.1016/j.tree.2010.07.010