22/11/19

Combinación de modelos para pronosticar dengue

Crédito de la imagen: Jimmy Chan / Pexels. [Imagen libre de uso].

Por: Fabíola Ortiz

Sin costo alguno, usted o su medio pueden publicar este artículo en línea o de manera impresa, gracias a nuestra Licencia de Atribución de Creative Commons. Lo animamos a hacerlo siguiendo estas sencillas instrucciones:

Dar el crédito a los autores.
Dar el crédito a SciDev.Net y si le es posible incluir nuestro logo y un enlace al final que lleve al artículo original.
Puede también publicar las primeras líneas del artículo y luego añadir: "Lea el artículo completo en SciDev.Net" e incluir un enlace al artículo original.
Si además quiere tomar las imágenes que publicamos en esta historia, deberá confirmar con la fuente original si le permite hacerlo.
El modo más fácil de publicar este artículo en su sitio es usando el código que incluimos a continuación.

ara mayor información revise nuestras instrucciones de reproducción y la página de medios.

The full article is available here as HTML.

Press Ctrl-C to copy

<div class="article-wrap">
<div id="article-introduction">
<h1>Combinación de modelos para pronosticar dengue</h1>
<h4>By: Fabíola Ortiz</h4>
</div>
<br />
<br />

<div id="article-body">
<p>Investigadores de nueve países trabajaron juntos para desarrollar mejores modelos computacionales destinados a pronosticar <a href="https://www.scidev.net/america-latina/salud/enfermedades/">enfermedades</a> infecciosas, en particular dengue, y obtener una herramienta que ayude en la difícil tarea de realizar predicciones precisas.</p>
<p>El estudio determinó que diferentes pronósticos agrupados fueron más certeros que los modelos individuales. “Esto apunta a una clara necesidad de no confiar en un solo modelo de pronóstico. Nuestro hallazgo de que la combinación de los resultados de múltiples modelos generalmente es más precisa significa que es poco probable que un solo modelo sea el mejor en cada situación”, dijo a <em>SciDev.Net</em> el biólogo Michael Johansson, jefe de la Unidad de Análisis Epidémico del CDC en Puerto Rico y líder de la investigación.</p>
<p>La Iniciativa de Predicción de Epidemias de los Centros para el Control y la Prevención de Enfermedades (CDC) fue la responsable de liderar un grupo de trabajo de 16 equipos de científicos de diferents países —Australia, Brasil, España, Francia, India, Japón, Reino Unido, Sudáfrica y Vietnam— que recibieron las mismas cifras sobre incidencia de dengue y datos climáticos de Iquitos (Perú) y San Juan (Puerto Rico) con el fin de comprender qué factores promueven las epidemias de dengue. </p>
<p>Por separado, los equipos combinaron los datos de años anteriores y de la temporada actual y trataron de prever cómo se desarrollaría la temporada antes de la aparición de brotes.</p>
<p>Con esos datos, los equipos participantes tomaron sus propias decisiones sobre qué datos usar y cómo construir posibles modelos que se podrían utilizar, y después los  enviaron al CDC que recopiló modelos construidos.</p>
<p>El estudio —cuyos resultados fueron publicados en la revista <a href="https://www.pnas.org/" target="_blank" rel="noopener noreferrer"><em>Proceedings of the National Academy of Sciences</em></a> (PNAS)— trató de vincular el pronóstico de epidemias a las necesidades de salud pública, además de recopilar y evaluar los pronósticos de manera estandarizada.</p>
<blockquote class="quote list-left">
<h3>
		“(Los pronósticos de epidemias) se pueden usar para la prever recursos, ayudar a los hospitales a planificar el personal ante una oleada de casos y colaborar para que las agencias puedan comprender cuánto tiempo tienen para planificar e implementar intervenciones”.</h3>
<h4>
		Michael Johansson, Unidad de Análisis Epidémico del CDC en Puerto Rico.</h4>
</blockquote>
<p>
El dengue es una infección viral transmitida por mosquitos del género Aedes. La enfermedad es común en más de 100 países, inlcuidos América Latina y el Caribe. Según el CDC, 40 por ciento de la población mundial (tres mil millones de personas) vive en áreas con riesgo de dengue. Cada año, 100 millones se enferman y 22.000 mueren por dengue.</p>
<p>El objetivo del estudio internacional era intentar predecir tres datos que son clave en una epidemia: la cantidad máxima semanal de casos, la semana en la que ocurrirán el pico de la epidemia y el número total de casos en una temporada.</p>
<p>Algunos de los modelos fueron buenos en la producción de pronósticos para temporadas individuales hasta con cuatro meses de anticipación, explicó Johansson.</p>
<p>En tanto, los pronósticos de principios de temporada no fueron precisos. Sin embargo, al final de la temporada, muchos pronósticos mejoraron y “podrían usarse para determinar cuándo ha pasado un pico de la epidemia”, destacó el biólogo.</p>
<p>Por eso, Johansson añadió que los resultados enfatizaron la necesidad de reconstruir múltiples modelos para representar más completamente las trayectorias epidémicas potenciales.</p>
<p>Según Johansson, los pronósticos de epidemias pueden tener muchos usos potenciales, como proporcionar información para ayudar a las comunidades a prepararse y tomar medidas para protegerse de las enfermedades.</p>
<p>“También se pueden usar para la prever recursos, ayudar a los hospitales a planificar el personal ante una oleada de casos y colaborar para que las agencias puedan comprender cuánto tiempo tienen para planificar e implementar intervenciones”, dijo a <em>SciDev.Net</em> el líder de la Iniciativa de Predicción de Epidemias.Por su parte, Hernán Solari, profesor asociado del Departamento de Física de la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires (UBA), criticó que los modelos del estudio no están bien descriptos.</p>
<p>Según dijo a <em>SciDev.Net</em>, el trabajo es “incapaz de predecir y sugerir dónde hay riesgo epidémico cuando las epidemias aún no se han manifestado, tampoco parecen permitir evaluar la efectividad de las medidas de prevención tomadas”.</p>
<p>Solari es también investigador del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) de Argentina y sostuvo que los “buenos modelos matemáticos pueden ayudar a evaluar el impacto de las medidas preventivas y también pueden considerar el problema de las formas en que pueden fracasar estas medidas”.</p>
<p>Por su parte, Fabio Sanchez, director del Departamento de Matemática Aplicada de la Universidad de Costa Rica, comentó a <em>SciDev.Net</em> que si bien la investigación se encuentra aún en sus etapas iniciales, “los resultados obtenidos han sido prometedores”.</p>
<p>Según él, este modelo tiene el potencial de servir de bases para predecir el riesgo de transmisión en países endémicos.</p>
<p>“Este tipo de modelo tiene el potencial de ser ampliado a enfermedades sensibles al clima y transmitidas por vectores, como la malaria, zika, chikungunya, además de otras como la influenza, que al igual que las anteriores cuenta con un alto patrón estacional”, señaló.</p>
<p>
> <strong><a href="https://www.pnas.org/content/early/2019/11/05/1909865116">Enlace al artículo en PNAS</a>.</strong></p>

</div>
<div class="quick-links-wrapper">
<h3>You might also like</h3>
[related-articles]
</div>
<p>This article was originally published on <a href="https://www.scidev.net" target="_blank">SciDev.Net</a>. Read the <a href="https://www.scidev.net/america-latina/news/combinacion-de-modelos-para-pronosticar-dengue/" target="_blank">original article</a>.</p>
<script type="text/javascript">
(function(e,t,n,r,i,s,o){e["GoogleAnalyticsObject"]=i;e[i]=e[i]||function(){(e[i].q=e[i].q||[]).push(arguments)},e[i].l=1*new Date;s=t.createElement(n),o=t.getElementsByTagName(n)[0];s.async=1;s.src=r;o.parentNode.insertBefore(s,o)})(window,document,"script","//www.google-analytics.com/ga.js","ga");var _gaq=_gaq||[];var _gaq=_gaq||[];_gaq.push(["_setAccount","UA-3223906-8"],["_trackEvent","article interaction","republished","https://www.scidev.net/america-latina/news/combinacion-de-modelos-para-pronosticar-dengue/",null,true])
</script>
</div>

Investigadores de nueve países trabajaron juntos para desarrollar mejores modelos computacionales destinados a pronosticar enfermedades infecciosas, en particular dengue, y obtener una herramienta que ayude en la difícil tarea de realizar predicciones precisas.

El estudio determinó que diferentes pronósticos agrupados fueron más certeros que los modelos individuales. “Esto apunta a una clara necesidad de no confiar en un solo modelo de pronóstico. Nuestro hallazgo de que la combinación de los resultados de múltiples modelos generalmente es más precisa significa que es poco probable que un solo modelo sea el mejor en cada situación”, dijo a SciDev.Net el biólogo Michael Johansson, jefe de la Unidad de Análisis Epidémico del CDC en Puerto Rico y líder de la investigación.

La Iniciativa de Predicción de Epidemias de los Centros para el Control y la Prevención de Enfermedades (CDC) fue la responsable de liderar un grupo de trabajo de 16 equipos de científicos de diferents países —Australia, Brasil, España, Francia, India, Japón, Reino Unido, Sudáfrica y Vietnam— que recibieron las mismas cifras sobre incidencia de dengue y datos climáticos de Iquitos (Perú) y San Juan (Puerto Rico) con el fin de comprender qué factores promueven las epidemias de dengue.

Por separado, los equipos combinaron los datos de años anteriores y de la temporada actual y trataron de prever cómo se desarrollaría la temporada antes de la aparición de brotes.

Con esos datos, los equipos participantes tomaron sus propias decisiones sobre qué datos usar y cómo construir posibles modelos que se podrían utilizar, y después los enviaron al CDC que recopiló modelos construidos.

El estudio —cuyos resultados fueron publicados en la revista Proceedings of the National Academy of Sciences (PNAS)— trató de vincular el pronóstico de epidemias a las necesidades de salud pública, además de recopilar y evaluar los pronósticos de manera estandarizada.

“(Los pronósticos de epidemias) se pueden usar para la prever recursos, ayudar a los hospitales a planificar el personal ante una oleada de casos y colaborar para que las agencias puedan comprender cuánto tiempo tienen para planificar e implementar intervenciones”.

Michael Johansson, Unidad de Análisis Epidémico del CDC en Puerto Rico.

El dengue es una infección viral transmitida por mosquitos del género Aedes. La enfermedad es común en más de 100 países, inlcuidos América Latina y el Caribe. Según el CDC, 40 por ciento de la población mundial (tres mil millones de personas) vive en áreas con riesgo de dengue. Cada año, 100 millones se enferman y 22.000 mueren por dengue.

El objetivo del estudio internacional era intentar predecir tres datos que son clave en una epidemia: la cantidad máxima semanal de casos, la semana en la que ocurrirán el pico de la epidemia y el número total de casos en una temporada.

Algunos de los modelos fueron buenos en la producción de pronósticos para temporadas individuales hasta con cuatro meses de anticipación, explicó Johansson.

En tanto, los pronósticos de principios de temporada no fueron precisos. Sin embargo, al final de la temporada, muchos pronósticos mejoraron y “podrían usarse para determinar cuándo ha pasado un pico de la epidemia”, destacó el biólogo.

Por eso, Johansson añadió que los resultados enfatizaron la necesidad de reconstruir múltiples modelos para representar más completamente las trayectorias epidémicas potenciales.

Según Johansson, los pronósticos de epidemias pueden tener muchos usos potenciales, como proporcionar información para ayudar a las comunidades a prepararse y tomar medidas para protegerse de las enfermedades.

“También se pueden usar para la prever recursos, ayudar a los hospitales a planificar el personal ante una oleada de casos y colaborar para que las agencias puedan comprender cuánto tiempo tienen para planificar e implementar intervenciones”, dijo a SciDev.Net el líder de la Iniciativa de Predicción de Epidemias.Por su parte, Hernán Solari, profesor asociado del Departamento de Física de la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires (UBA), criticó que los modelos del estudio no están bien descriptos.

Según dijo a SciDev.Net, el trabajo es “incapaz de predecir y sugerir dónde hay riesgo epidémico cuando las epidemias aún no se han manifestado, tampoco parecen permitir evaluar la efectividad de las medidas de prevención tomadas”.

Solari es también investigador del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) de Argentina y sostuvo que los “buenos modelos matemáticos pueden ayudar a evaluar el impacto de las medidas preventivas y también pueden considerar el problema de las formas en que pueden fracasar estas medidas”.

Por su parte, Fabio Sanchez, director del Departamento de Matemática Aplicada de la Universidad de Costa Rica, comentó a SciDev.Net que si bien la investigación se encuentra aún en sus etapas iniciales, “los resultados obtenidos han sido prometedores”.

Según él, este modelo tiene el potencial de servir de bases para predecir el riesgo de transmisión en países endémicos.

“Este tipo de modelo tiene el potencial de ser ampliado a enfermedades sensibles al clima y transmitidas por vectores, como la malaria, zika, chikungunya, además de otras como la influenza, que al igual que las anteriores cuenta con un alto patrón estacional”, señaló.

> Enlace al artículo en PNAS.