Después de muchos meses, hay algo extraño en esta epidemia.
Uno de los mejores artículos que leí desde que comenzó la pandemia
ZEYNEP TUFEKCI is a contributing writer at The Atlantic and an associate professor at the University of North Carolina. She studies the interaction between digital technology, artificial intelligence, and society
Hay algo extraño en esta pandemia de coronavirus. Incluso después de meses de extensas investigaciones por parte de la comunidad científica mundial, muchas preguntas siguen abiertas.
¿Por qué, por ejemplo, hubo un número de muertos tan enorme en el norte de Italia, pero no en el resto del país?
Sólo tres regiones contiguas en el norte de Italia tienen 25.000 de las casi 36.000 muertes totales del país; sólo una región, Lombardía, tiene alrededor de 17.000 muertes. Casi todos ellos se concentraron en los primeros meses del brote.
¿Qué pasó en Guayaquil, Ecuador, en abril, cuando tantos murieron tan rápidamente que los cuerpos fueron abandonados en las aceras y calles?
¿Por qué, en la primavera de 2020, tan pocas ciudades representaban una parte sustancial de las muertes globales, mientras que muchas otras con densidad, clima, distribución de la edad y patrones de viaje similares se salvaron?
¿Qué podemos aprender realmente de Suecia, aclamado como un gran éxito de algunos debido a sus bajos recuentos de casos y muertes, ya que el resto de Europa experimenta una segunda ola, y como un gran fracaso de otros porque no se cerró y sufrió tasas de mortalidad excesivas antes en la pandemia?
¿Por qué no se llevan a cabo las predicciones generalizadas de catástrofe en Japón? Los desconcertantes ejemplos van a seguir.
He escuchado muchas explicaciones para estas trayectorias muy diferentes en los últimos nueve meses —clima, poblaciones de edad avanzada, vitamina D, inmunidad previa, inmunidad del rebaño—pero ninguna de ellas explica el momento o la escala de estas variaciones drásticas. Pero hay una forma potencial y pasada de entender esta pandemia que ayudaría a responder a estas preguntas, reorganizaría muchos de los argumentos acalorados actuales y, lo que es crucial, nos ayudaría a controlar la propagación de COVID-19.
Por ahora muchas personas han oído hablar de Ro, el número reproductivo básico de un patógeno, una medida de su contagio en promedio. Pero a menos que hayas estado leyendo revistas científicas,es menos probable que hayas encontrado k, la medida de su dispersión. La definición de k es un bocado, pero es simplemente una forma de preguntar si un virus se propaga de manera constante o en grandes ráfagas, por lo que una persona infecta a muchos, todo a la vez. Después de nueve meses de recopilar datos epidemiológicos, sabemos que se trata de un patógeno sobredispersado, lo que significa que tiende a propagarse en grupos, pero este conocimiento aún no ha entrado completamente en nuestra forma de pensar sobre la pandemia, o nuestras prácticas preventivas.
El ahora famoso Ro (pronunciado como «r-naught») es una medida promedio del contagio de un patógeno, o el número medio de personas susceptibles que se espera que se infecten después de estar expuestas a una persona con la enfermedad. Si una persona enferma infecta a otros tres en promedio, el Ro es tres. Este parámetro ha sido ampliamente promocionado como un factor clave para entender cómo funciona la pandemia. Los medios de comunicación han producido múltiples explicadores y visualizaciones para ello. Películas elogiadas por su precisión científica en las pandemias son elogiadas por hacer que los personajes expliquen el «todo importante» Ro.
Los paneles rastrean su evolución en tiempo real, a menudo conocida como Ro o Rt, en respuesta a nuestras intervenciones. (Si las personas están enmascarando y aislando o la inmunidad está aumentando, una enfermedad ya no puede propagarse de la misma manera, de ahí la diferencia entre Ro y Rt.) Desafortunadamente, los promedios no siempre son útiles para entender la distribución de un fenómeno, especialmente si tiene un comportamiento muy variable. Si el CEO de Amazon, Jeff Bezos, entra en un bar con 100 personas normales en él, la riqueza promedio en ese bar de repente supera los 1.000 millones de dólares. Si también entro en ese bar, no cambiará mucho. Claramente, el promedio no es tan útil un número para entender la distribución de la riqueza en esa barra, o cómo cambiarla.
A veces, la media no es el mensaje. Mientras tanto, si el bar tiene una persona infectada con COVID-19, y si también está mal ventilada y ruidosa, lo que hace que la gente hable en voz alta a corta distancia, casi todas las personas en la habitación podrían estar potencialmente infectadas, un patrón que se ha observado muchas veces desde que comienza la pandemia, y que de manera similar no es capturado por R. Ahí es donde entra en juego la dispersión
Hay incidentes COVID-19 en los que una sola persona probablemente infectó al 80 por ciento o más de las personas en la habitación en sólo unas horas. Pero, en otras ocasiones, COVID-19 puede ser sorprendentemente mucho menos contagioso. La sobredispersión y la super-difusión de este virus se encuentran en la investigación en todo el mundo. Un número creciente de estudios estima que la mayoría de las personas infectadas pueden no infectar a otra persona. Un documento reciente encontró que en Hong Kong, que tenía pruebas exhaustivas y rastreo de contactos, alrededor del 19 por ciento de los casos eran responsables del 80 por ciento de la transmisión, mientras que el 69 por ciento de los casos no infectaron a otra persona. Este hallazgo no es raro: Múltiples estudios desde el principio han sugerido que tan sólo 10 a 20 por ciento de las personas infectadas pueden ser responsables de tanto como 80 a 90 por ciento de la transmisión, y que muchas personas apenas lo transmiten.
Esta distribución altamente sesgada y desequilibrado significa que una primera racha de mala suerte con algunos eventos super-extendidos, o grupos, puede producir resultados dramáticamente diferentes incluso para países similares. Los científicos examinaron a nivel mundial los acontecimientos conocidos de introducción temprana, en los que una persona infectada entra en un país, y descubrieron que en algunos lugares, esos casos importados no causaban muertes ni infecciones conocidas, mientras que en otros, provocaron brotes considerables. Mediante el análisis genómico, los investigadores de Nueva Zelandia examinaron más de la mitad de los casos confirmados en el país y encontraron 277 introducciones separadas en los primeros meses, pero también que sólo el 19 por ciento de las introducciones llevaron a más de un caso adicional. Una revisión reciente muestra que esto puede incluso ser cierto en los espacios de vida congregados, como los hogares de ancianos, y que pueden ser necesarias varias introducciones antes de que despegue un brote. Mientras tanto, en Daegu, Corea del Sur, sólo una mujer, apodada Paciente 31, generó más de 5.000 casos conocidos en un cúmulo de la megaiglesia.
Como era de esperar, el SARS-CoV, la encarnación anterior del SARS-CoV-2 que causó el brote de SRAS de 2003, también se dispersó en exceso de esta manera: la mayoría de las personas infectadas no lo transmitieron, pero algunos eventos de super propagación causaron la mayoría de los brotes. El MERS, otro primo coronavirus del SRAS, también parece sobredispersado, pero afortunadamente, no transmite bien entre los seres humanos.
Este tipo de comportamiento, alternando entre ser súper infeccioso y bastante no infeccioso, es exactamente lo que k captura, y lo que se centra únicamente en R se esconde.
Samuel Scarpino, profesor asistente de epidemiología y sistemas complejos, me dijo que esto ha sido un gran desafío, especialmente para las autoridades sanitarias de las sociedades occidentales, donde el libro de jugadas pandémico estaba orientado hacia la gripe, y no sin razón, porque la gripe pandémica es una amenaza genuina. Sin embargo, la gripe no tiene el mismo nivel de comportamiento de agrupación en racimos.
Podemos pensar en los patrones de la enfermedad como la inclinación determinista o estocástica:
En el primero, la distribución de un brote es más lineal y predecible; en este último, la aleatoriedad juega un papel mucho más importante y las predicciones son difíciles, si no imposibles, de hacer.
En trayectorias deterministas, esperamos que lo que pasó ayer nos dé una buena idea de lo que se puede esperar mañana.
Los fenómenos estocásticos, sin embargo, no funcionan así: las mismas entradas no siempre producen las mismas salidas y las cosas pueden volcarse rápidamente de un estado a otro. Como Scarpino dijo, «Enfermedades como la gripe son casi deterministas y Ro (mientras que defectuoso) pinta sobre el cuadro correcto (casi imposible para detenerse hasta que haya una vacuna)»
La naturaleza y la sociedad están repletas de fenómenos tan desequilibrados, algunos de los cuales se dice que funcionan de acuerdo con el principio Pareto, que lleva el nombre del sociólogo Vilfredo Pareto. La visión de Pareto a veces se llama el principio 80/20 —el 80 por ciento de los resultados de interés son causados por el 20 por ciento de los insumos— aunque las cifras no tienen que ser tan estrictas. Más bien, el principio de Pareto significa que un pequeño número de eventos o personas son responsables de la mayoría de las consecuencias. Esto no sorprenderá a nadie que haya trabajado en el sector de servicios, por ejemplo, donde un pequeño grupo de clientes problemáticos puede crear casi todo el trabajo adicional. En casos como estos, arrancar sólo a esos clientes del negocio o darles un descuento considerable puede resolver el problema, pero si las quejas se distribuyen uniformemente, serán necesarias diferentes estrategias. Del mismo modo, centrarse solo en la Ro usar un libro de jugadas de pandemia de gripe, no necesariamente funcionará bien para una pandemia sobre dispersada como las que nos toco vivir.
Hitoshi Oshitani, miembro del Grupo de Trabajo nacional de clúster COVID-19 del Ministerio de Salud, Trabajo y Bienestar de Japón y profesor de la Universidad de Tohoku que dijo que Japón se centró en el impacto de la sobre dispersión desde el principio, compara el enfoque de su país para mirar un bosque y tratar de encontrar los cúmulos, no los árboles. Mientras tanto, cree que el mundo occidental se distraía con los árboles y se perdía entre ellos. Para luchar eficazmente contra una enfermedad super escapista, los responsables de la formulación de políticas deben averiguar por qué se produce la super expansión y deben entender cómo afecta a todo, incluidos nuestros métodos de seguimiento de contactos y nuestros regímenes de prueba.
Puede haber muchas razones diferentes por las que un patógeno se súper propaga. La fiebre amarilla se propaga principalmente a través del mosquito Aedes aegypti, pero hasta que se descubrió el papel del insecto, su patrón de transmisión confundió a muchos científicos. Se pensaba que la tuberculosis se extendió por gotas de corta distancia hasta que un ingenioso conjunto de experimentos demostró que estaba en el aire. Todavía se desconoce mucho sobre la super-difusión del SARS-CoV-2. Puede ser que algunas personas sean super emisores del virus, ya que lo propagan mucho más que otras personas. Al igual que otras enfermedades, los patrones de contacto seguramente juegan un papel: un político en la campaña o un estudiante en un dormitorio universitario es muy diferente en cuántas personas podrían exponer potencialmente en comparación con, por ejemplo, una persona mayor que vive en un hogar pequeño. Sin embargo, mirando nueve meses de datos epidemiológicos, tenemos pistas importantes sobre algunos de los factores. En estudio tras estudio, vemos que los grupos super-extendidos de COVID-19 ocurren casi abrumadoramente en ambientes interiores mal ventilados donde muchas personas se congregan con el tiempo —bodas, iglesias, coros, gimnasios, funerales, restaurantes y cosas así— especialmente cuando hay hablar fuerte o cantar sin máscaras. Para que se produzcan eventos de super expansión, deben estar sucediendo varias cosas al mismo tiempo, y el riesgo no es igual en todos los entornos y actividades, me dijo Muge Cevik, profesor clínico de enfermedades infecciosas y virología médica en la Universidad de St. Andrews y coautor de una revisión reciente y extensa de las condiciones de transmisión para COVID-19.
Cevik identifica el «contacto prolongado, la mala ventilación, [una] persona altamente infecciosa, [y] el hacinamiento» como los elementos clave para un evento super-difusor. La super-difusión también puede ocurrir en interiores más allá de la directriz de seis pies, porque SARS-CoV-2, el patógeno causante de COVID-19, puede viajar a través del aire y acumularse, especialmente si la ventilación es deficiente. Dado que algunas personas infectan a otras antes de que muestren síntomas, o cuando tienen síntomas muy leves o incluso sin síntomas, no siempre es posible saber si somos altamente infecciosos nosotros mismos. Ni siquiera sabemos si hay más factores por descubrir que influyen en la super-difusión. Pero no necesitamos conocer todos los factores suficientes que entran en un evento de super-difusión para evitar lo que parece ser una condición necesaria la mayor parte del tiempo: muchas personas, especialmente en un entorno interior mal ventilado, y especialmente no usar máscaras. Como me dijo Natalie Dean, una bioestadística de la Universidad de Florida, dada la enorme cantidad asociada con estos grupos, apuntar a ellos sería muy eficaz para reducir nuestros números de transmisión.
La dispersión excesiva también debe acentuar nuestros esfuerzos de seguimiento de contactos (cosa que no hemos hecho en Argentina). De hecho, tal vez necesitemos ponerlos patas arriba. En este momento, muchos estados y naciones participan en lo que se llama rastreo de contactos prospectivos o prospectivos. Una vez que se identifica a una persona infectada, tratamos de averiguar con quién interactuaron después para que podamos advertir, probar, aislar y poner en cuarentena estas posibles exposiciones. Pero esa no es la única manera de rastrear contactos. Y, debido a la sobre dispersión, no es necesariamente donde está el mayor golpe por el dinero. En cambio, en muchos casos, deberíamos tratar de trabajar hacia atrás para ver quién infectó por primera vez al sujeto.
Debido a la dispersión excesiva, la mayoría de las personas habrán sido infectadas por alguien que también infectó a otras personas, porque sólo un pequeño porcentaje de personas infectan a muchas a la vez, mientras que la mayoría infectan a cero o tal vez a una persona. Como me explicó Adam Kucharski, epidemiólogo y autor del libro Las reglas del contagio, si podemos utilizar el rastreo de contacto retrospectivo para encontrar a la persona que infectó a nuestro paciente, y luego rastrear los contactos directos de la persona infectante, generalmente vamos a encontrar muchos más casos en comparación con los contactos de seguimiento hacia adelante del paciente infectado, que simplemente identificará exposiciones potenciales, muchas de las cuales no ocurrirán de todos modos, porque la mayoría de las cadenas de transmisión mueren por sí solas.
La razón de la importancia del rastreo hacia atrás es similar a lo que el sociólogo Scott L. Feld llamó la paradoja de la amistad: Tus amigos van, en promedio, a tener más amigos que tú. (Lo siento!) Es sencillo una vez que se toma la vista de nivel de red. Las amistades no se distribuyen por igual; algunas personas tienen muchos amigos, y su círculo de amigos es más propenso a incluir esas mariposas sociales, porque ¿cómo no? Te hicieron amigos a ti y a otros. Y esas mariposas sociales aumentarán el número promedio de amigos que tus amigos han comparado contigo, una persona normal. (Por supuesto, esto no se mantendrá para las mariposas sociales en sí, pero la dispersión excesiva significa que hay mucho menos de ellas.) Del mismo modo, la persona infecciosa que transmite la enfermedad es como la mariposa social pandémica: El número medio de personas que infectan será mucho mayor que la mayoría de la población, que transmitirá la enfermedad con mucha menos frecuencia. De hecho, como Kucharski y sus coautores muestran matemáticamente,la sobre dispersión significa que «el rastreo hacia adelante por sí solo puede, en promedio, identificar a lo sumo el número medio de infecciones secundarias (es decir, R)»; en cambio, «el seguimiento hacia atrás aumenta este número máximo de individuos trazables en un factor de 2-3, ya que es más probable que los casos de índice provienen de clústeres que un caso para generar un clúster». Pero no tiene sentido realizar el seguimiento hacia delante sin dedicar suficientes recursos para realizar el seguimiento hacia atrás y encontrar clústeres, que causan tanto daño.
Otra consecuencia significativa de la dispersión excesiva es que pone de relieve la importancia de ciertos tipos de pruebas rápidas y baratas. Considere el modelo dominante actual de prueba y seguimiento. En muchos lugares, las autoridades sanitarias tratan de rastrear y encontrar contactos directos de una persona infectada: todas las personas con las que estaban en contacto desde que se infectaron. A continuación, tratan de probar todos ellos con pruebas de PCR (reacción en cadena de la polimerasa) costosas, lentas pero de alta precisión. Pero esa no es necesariamente la mejor manera cuando los grupos son tan importantes en la propagación de la enfermedad.
Las pruebas de PCR identifican segmentos de ARN del coronavirus en muestras de hisopos nasales, como buscar su firma. Estas pruebas diagnósticas se miden en dos dimensiones diferentes: ¿son buenas para identificar a las personas que no están infectadas (especificidad) y son buenas para identificar a las personas infectadas (sensibilidad)? Las pruebas de PCR son muy precisas para ambas dimensiones. Sin embargo, las pruebas de PCR también son lentas y costosas, y requieren un largo e incómodo frotamiento en la nariz en un centro médico. Los tiempos de procesamiento lentos significan que las personas no obtienen información oportuna cuando la necesitan. Peor aún, las pruebas de PCR son tan receptivas que pueden encontrar pequeños restos de firmas de coronavirus mucho después de que alguien haya dejado de ser contagioso,lo que puede causar cuarentenas innecesarias.
En un régimen sobre dispersado, identificar los eventos de transmisión (alguien infectó a otra persona) es más importante que identificar a las personas infectadas. Considera a una persona infectada y sus 20 contactos directos, personas que conocieron desde que se infectaron. Digamos que probamos 10 de ellos con una prueba barata y rápida y recuperamos nuestros resultados en una o dos horas. Esta no es una gran manera de determinar exactamente quién está enfermo de esos 10, porque nuestra prueba se perderá algunos aspectos positivos, pero eso está bien para nuestros propósitos. Si todo el mundo es negativo, podemos actuar como si nadie estuviera infectado, porque la prueba es bastante buena para encontrar negativos. Sin embargo, en el momento en que encontramos algunas transmisiones, sabemos que podemos tener un evento super-difusor, y podemos decirle a las 20 personas que asuman que son positivas y que se autoaislen, si hay una o dos transmisiones, es probable que haya más, exactamente debido al comportamiento de agrupación en clústeres. Dependiendo de la edad y otros factores, podemos probar a esas personas individualmente usando pruebas de PCR, que pueden identificar quién está infectado, o pedirles a todos que lo esperen.
Para volver a los misterios de esta pandemia, ¿Qué sucedió desde el principio para causar trayectorias tan drásticamente diferentes en lugares similares? ¿Por qué nuestras herramientas analíticas habituales (estudios de casos, comparaciones entre países) nos han dado mejores respuestas? No es intelectualmente satisfactorio, pero debido a la sobre dispersión y su estocástica, puede que no haya una explicación más allá de que las regiones más afectadas, al menos inicialmente, simplemente tuvieron algunos eventos de gran probabilidad de super-difusión temprana. No fue sólo pura suerte: las poblaciones densas, los ciudadanos mayores y la vida congregada, por ejemplo, hicieron que las ciudades de todo el mundo fueran más susceptibles a los brotes en comparación con los lugares rurales, menos densos y aquellos con poblaciones más jóvenes, menos transporte público o ciudadanía más saludable. Pero, ¿por qué Daegu en febrero y no Seúl, a pesar de que las dos ciudades están en el mismo país, bajo el mismo gobierno, la gente, el clima y más? Por frustrante que pueda ser, a veces, la respuesta es simplemente donde el Paciente 31 y la mega-iglesia a la que asistió resultaron estar.
La dispersión excesiva nos dificulta absorber las lecciones del mundo, porque interfiere con la forma en que normalmente pensamos en la causa y el efecto. Por ejemplo, significa que los eventos que resultan en la propagación y no propagación del virus son asimétricos en su capacidad de informarnos. Tomemos el caso altamente publicitado en Springfield, Missouri, en el que dos peluqueros infectados, ambos llevaban máscaras, continuaron trabajando con los clientes mientras estaban sintomáticos. Resulta que no se encontraron infecciones aparentes entre los 139 clientes expuestos (67 fueron probados directamente; el resto no reportó enfermarse). Si bien hay mucha evidencia de que las máscaras son cruciales para amortiguar la transmisión, ese evento por sí solo no nos diría si las máscaras funcionan. Por el contrario, estudiar la transmisión, el evento más raro, puede ser bastante informativo. Si esos dos estilistas hubieran transmitido el virus a un gran número de personas a pesar de que todos llevaban máscaras, sería una evidencia importante de que, tal vez, las máscaras no son útiles para prevenir la super-difusión.
Las comparaciones, también, nos dan menos información en comparación con los fenómenos para los que la entrada y la salida están más estrechamente acopladas. Cuando ese es el caso, podemos comprobar la presencia de un factor (por ejemplo, sol o vitamina D) y ver si se correlaciona con una consecuencia (tasa de infección). Pero eso es mucho más difícil cuando la consecuencia puede variar ampliamente dependiendo de unos pocos golpes de suerte, la forma en que la persona equivocada estaba en el lugar equivocado en algún momento a mediados de febrero en Corea del Sur. Esa es una de las razones por las que las comparaciones entre países han tenido dificultades para identificar dinámicas que expliquen suficientemente las trayectorias de diferentes lugares.
Una vez que reconocemos la superdifusión como una palanca clave, los países que parecen demasiado relajados en algunos aspectos parecen muy diferentes, y nuestros habituales debates polarizados sobre la pandemia también están revueltos. Tomemos Suecia, un supuesto ejemplo del gran éxito o del terrible fracaso de la inmunidad del rebaño sin encierros, dependiendo de a quién preguntes. En realidad, aunque Suecia se une a muchos otros países para no proteger a las poblaciones de edad avanzada en las instalaciones de vida congregada, sus medidas que se dirigen a la super-difusión han sido más estrictas que muchos otros países europeos. Aunque no tuvo un cierre completo, como Kucharski me señaló, Suecia impuso un límite de 50 personas en las reuniones en interiores en marzo, y no se quitó la tapa, incluso cuando muchos otros países europeos aliviaron tales restricciones después de vencer a la primera ola. (Muchos están restringiendo una vez más los tamaños de las reuniones después de ver un resurgimiento.) Además, el país tiene un tamaño de hogar pequeño y menos hogares multigeneracionales en comparación con la mayor parte de Europa, lo que limita aún más las posibilidades de transmisión y racimo. Mantuvo las escuelas completamente abiertas sin distanciamientos ni máscaras, pero sólo para niños menores de 16 años, que es poco probable que sean super difusores de esta enfermedad. Tanto la transmisión como la enfermedad corren el riesgo de subir con la edad, y Suecia se puso en línea para estudiantes de secundaria y universitarios de mayor riesgo, lo contrario de lo que hicimos en los Estados Unidos. También alentó el distanciamiento social y cerró los lugares interiores que no observaron las reglas. Desde un punto de vista de la excesiva dilación y la super-difusión, Suecia no necesariamente sería clasificada como uno de los países más laxos, pero tampoco es la más estricta. Simplemente no merece este lugar de gran tamaño en nuestros debates evaluando diferentes estrategias.
Los estudios de caso más informativos bien pueden ser aquellos que tuvieron terrible suerte inicialmente, como Corea del Sur, y sin embargo lograron llevar a cabo una supresión significativa. En contraste, Europa fue ampliamente elogiada por su apertura desde el principio, pero eso fue prematuro; muchos países están experimentando aumentos generalizados en los casos y se parecen a los Estados Unidos en algunas medidas. De hecho, el logro de una medida de éxito este verano y de relajación, incluida la apertura de eventos en interiores con mayor número, es instructivo en otro aspecto importante de la gestión de un patógeno sobre dispersión: En comparación con un régimen más estable, el éxito en un escenario estocástico puede ser más frágil de lo que parece.
Una vez que un país tiene demasiados brotes, es casi como si la pandemia cambiara al «modo de gripe», como dijo Scarpino, lo que significa altos y sostenidos niveles de propagación comunitaria, aunque la mayoría de las personas infectadas no estén transmitiendo en adelante. Scarpino explicó que salvo medidas realmente drásticas, una vez en ese modo generalizado y elevado, COVID-19 puede seguir propagándose debido al gran número de cadenas que ya existen. Además, las abrumadoras cifras pueden eventualmente desencadenar más clústeres, empeorando aún más la situación.
Como dijo Kucharski, un período relativamente tranquilo puede ocultar la rapidez con la que las cosas pueden convertirse en grandes brotes y cómo unos pocos eventos de amplificación encadenados pueden convertir rápidamente una situación aparentemente bajo control en un desastre. A menudo se nos dice que si Rt, la medida en tiempo real de la propagación promedio, está por encima de la otra, la pandemia está creciendo, y que por debajo de uno, se está extinguiendo. Eso puede ser cierto para una epidemia que no está sobre dispersada, y aunque un Rt debajo de uno es ciertamente bueno, es engañoso tomar demasiado consuelo de un Rt bajo cuando sólo unos pocos eventos pueden reavivar números masivos. Ningún país debe olvidar al Paciente 31 de Corea del Sur.
Dicho esto, la sobre dispersión también es motivo de esperanza, como muestra la respuesta agresiva y exitosa de Corea del Sur a ese brote, con un régimen masivo de pruebas, rastreo y aislamiento. Desde entonces, Corea del Sur también ha estado practicando una vigilancia sostenida, y ha demostrado la importancia de trazar hacia atrás. Cuando recientemente, una serie de grupos vinculados a clubes nocturnos estallaron en Seúl, las autoridades sanitarias rastrearon y probaron agresivamente a decenas de miles de personas vinculadas a los lugares, independientemente de sus interacciones con el caso del índice, a seis pies de distancia o no, una respuesta sensata, dado que sabemos que el patógeno está en el aire.
Tal vez uno de los casos más interesantes ha sido Japón, un país con mala suerte que fue golpeado desde el principio y seguido de lo que parecía ser un modelo no convencional, no desplegando pruebas en masa y nunca se cerró por completo. A finales de marzo, economistas influyentes estaban publicando informes con terribles advertencias, prediciendo sobrecargas en el sistema hospitalario y enormes picos de muertes. Sin embargo, la catástrofe pronosticada nunca llegó a serlo, y aunque el país se enfrentó a algunas olas futuras, nunca hubo un gran aumento de las muertes a pesar de su envejecimiento de la población, el uso ininterrumpido del transporte masivo, las ciudades densas y la falta de un cierre formal.
Oshitani me dijo que en Japón habían notado las características de sobredispersión de COVID-19 ya en febrero, y así crearon una estrategia centrada principalmente en el descalabro de racimos, que trata de evitar que un grupo encienda a otro. Oshitani dijo que cree que «la cadena de transmisión no puede sostenerse sin una cadena de racimos o un megacluster». Por lo tanto, el Japón llevó a cabo un enfoque de desprende las agrupaciones, incluida la realización de un seguimiento hacia atrás agresivo para descubrir grupos. Japón también se centró en la ventilación, aconsejando a su población que evite los lugares donde las tres C se unen —multitudes en espacios cerrados en contacto cercano, especialmente si se habla o cantando— reuniendo la ciencia de la sobre dispersión con el reconocimiento de la transmisión de aerosoles en el aire, así como la transmisión presintomática y asintomática.
Oshitani contrasta la estrategia japonesa, clavando casi todas las características importantes de la pandemia desde el principio, con la respuesta occidental, tratando de eliminar la enfermedad «uno por uno» cuando esa no es necesariamente la forma principal en que se propaga. De hecho, Japón bajó sus casos, pero mantuvo su vigilancia: cuando el gobierno comenzó a notar un repunte en los casos comunitarios, inició un estado de emergencia en abril y se esforzó por incentivar temporalmente los tipos de negocios que podrían llevar a eventos de superesp difundir, como teatros, lugares de música y estadios deportivos. Ahora las escuelas están de vuelta en sesión en persona, e incluso los estadios están abiertos, pero sin cantar.
No siempre es el restrictivo de las reglas, sino si apuntan a los peligros correctos. Como dijo Morris, «el compromiso de Japón con el ‘cluster-busting’ le permitió lograr una mitigación impresionante con restricciones elegidas juiciosamente. Los países que han ignorado la super-difusión han corre el riesgo de obtener lo peor de ambos mundos: restricciones gravosas que no logran una mitigación sustancial. La reciente decisión del Reino Unido de limitar las reuniones al aire libre a seis personas mientras permite que los pubs y bares permanezcan abiertos es sólo uno de esos ejemplos».
¿Podríamos volver a una vida mucho más normal centrándonos en limitar las condiciones de los eventos super-extendidos, participar agresivamente en la descomposición de clústeres y desplegar pruebas masivas baratas y rápidas, es decir, una vez que consigamos que los números de casos bajen a números lo suficientemente bajos para llevar a cabo una estrategia de este tipo? (Muchos lugares con baja transmisión comunitaria podrían comenzar inmediatamente.) Una vez que buscamos y vemos el bosque, se hace más fácil encontrar la salida.
31154-5&id=gr1.jpg){kind=link}