Mapas de riesgo y rastreo de contactos para controlar al covid-19

«—Se trata de que la población se proteja a sí misma. Que cada persona se preocupe de los suyos. Tiene que ser algo sencillo y directo, que apele a la responsabilidad individual, pero sin cargar sobre sus hombros a toda la humanidad. Nadie somos Atlas.

—A ver si lo entiendo, Eva, ¿propones que cada persona avise a su entorno de que se ha infectado? ¿Es que no has visto las pelis de zombies del siglo XX? Siempre alguien acaba con un arañazo y al final la lía porque se acojona y lo oculta.
—No me van los clásicos en 2D y además esto no es una película. Es la realidad. ¿Tú no intentarías proteger a Ana y a las niñas? ¿No me lo dirías a mi? Bueno, a eso no hace falta que contestes—sonrie— ¿A Dani?… sí, a él seguro que se lo cuentas.
—Vale—admite reclinándose peligrosamente en la silla—aceptamos fauna lunar como mascota, sigue.
—Imagina que cada persona solo tiene que avisar a unas pocas, a cinco… diez como mucho. ¿Has oído hablar de la vieja teoría de los seis grados de separación? Pues esto es lo mismo. Con diez contactos es suficiente. Si nos referimos a un planeta seguimos siendo un mundo muy pequeño. Al final del día, por ejemplo, la esfera te escanea buscando síntomas de que el organismo esté en tu cuerpo. El resultado se sincroniza con la esfera de las personas de confianza que hayas elegido. Con esos datos y nuestro algoritmo, al final todo el mundo tendrá un holograma navegable de la colonia, con las zonas de exclusión coloreadas según el grado de infección. Luego, que cada cual decida cómo usar esa información. Habrá quien prefiera quedarse en la residencia asignada por El Comité. Pero, quien no pueda, al menos sabrá que tiene que tomar algunas medidas extra. Si pretendemos que las personas tomen precauciones y se sientan seguras, tienen que tener información. Y a la vez debemos asegurar su privacidad para que El Comité no se de cuenta de que nos estamos autoorganizando.»

(fragmento de Leyes de contagio)

Tecnología para contener epidemias

En entradas anteriores he ido hablando de una alternativa a las aplicaciones de rastreo de contactos para el covid-19 que, por cierto, han ido cayendo en el olvido. Para complear la serie, y aprovechando que acaban de publicarnos los resultados en la revista Entropy, os enseño qué pasaría si combinamos las dos opciones.

La idea la he contado ya un par de veces antes, así que no me enrollo con eso.Se trata de construir mapas de riesgo de forma colaborativa. Hice un análisis a finales del año pasado de los hipotéticos resultados del piloto RadarCOVID en la isla de La Gomera y cómo hubiera funcionado nuestra propuesta en el mismo escenario. Lo que hemos hecho ahora es mezclar las dos aproximaciones.

El problema de usar solo RadarCOVID es que hace falta un número bastante elevado de personas que la tengan instalada. Según la web oficial de RadarCOVID, ha habido 7,3 millones de descargas (un 18% de la población) y se han introducido 62.500 códigos (de 3,6 millones de casos, un 1,7%). Según el estudio con las concluciones del piloto en La Gomera (A population-based controlled experiment assesing the epidemiological impact of digital contact tracing, publicado en Nature communications), a partir del 20% podría tener algún impacto en el control del virus, pero según nuestra simulación la mejora es muy pequeña y habría que llegar casi hasta el 40%.

Por otro lado, el tener disponible un mapa de riesgo de la ciudad y dejar que la ciudadanía elija por dónde desplazarse, apenas afecta al número de casos, aunque sí consigue el efecto de «aplanar la curva» y reducir los picos. Eso al menos ayuda a evitar la saturación de los servicios de salud.

El modelo SEIR de propagacion de epidemias

Los modelos matemáticos de la propagación de enfermedades tienen ya casi 100 años. Lo que hacen es clasificar a la población en tipos según su grado de infección y dan unas ecuaciones para saber como las personas pasan de un estado a otro. El modelo SEIR usa cuatro estados:

  • Susceptible (S): una persona que no tiene la enfermedad a quien se puede infectar;
  • Expuesta (E): alguien que ha estado en contacto con una persona infectada. Aún no contagia a otras;
  • Infectada (I): persona con síntomas que puede infectar a otras;
  • Recuperada (R): alquien que ya se ha curado y es inmune a la enfermedad.
    Normalmente, para el covid-19, se asume que se incuba en 7 días de media y la infección dura dos semanas.

Por ejemplo, esta sería la evolución de cada una de estos grupos. Inicialmente, habría un 10% de personas infecadas. Cada línea indica la evolución del número de personas en cada estado. A partir del día 60, no se producen más contagios y la epidemia se detiene.

Combinando aplicaciones

¿Qué pasa si combinamos las dos cosas? Eso es lo que hemos hecho en el nuevo trabajo. La idea es usar una aplicación de rastreo de contactos para registrar el riesgo con alguien desconocido (15 minutos a menos de 2 metros) combinada con la construción de mapas de riesgo compartiendo información con unas pocas personas de confianza (familia, amistades y colegas de trabajo). Con esos datos

  1. alguien que vive en una zona de riesgo medio o alto no sale de ella (se autoconfina)
  2. quien vive en zonas de riesgo bajo se mueve libremente a otras zonas iguales, sin entrar en zonas de alto riesgo (o haciéndolo tan protegida que no se contagia)
  3. la aplicación notifica un contacto sospechoso en un máximo de 48 horas. Las personas que reciban un aviso se aislan y permanecen en su casa.

Hemos simulado cinco escenarios: sin aislamiento, aislamiento según RadarCOVID, asilamiento según el mapa de riesgo, aislamiento combinado y aislamiento completo (asumiendo que todas las personas se aislan cuando manifiestan algún síntoma). Consideramos que 3.000 personas en la isla de La Gomera (el 15% de su población) usan la aplicación (el resto hacen vida normal sin restricciones).

En estas gráficas se ve la comparación de los resultados. El efecto de los mapas de riesgo (solos o combinados) es la reducción del pico, aunque aparece una segunda ola posterior. En el pico de la ola, estamos hablando de una reducción de más de 1.000 casos.

Si examinamos el número total de casos, el margen de mejora es pequeño: de 8.900 casos en el peor caso a 7.600 en el mejor. Las estrategias de rastreo o de mapas de riesgo solo consiguen una reducción de 300 casos cada una. Sin embargo, al combinarlas doblamos esta cantidad.

Conclusiones

Con esto, en principio, doy por terminado este trabajo. La combinación de los dos tipos de aplicación proporcionan una mejor protección que el uso de una de ellas solo, incluso con un porcentaje relativamente pequeño de la población. El efecto que se observa es una reducción significativa de casos y el pico de contagios se suaviza, siendo más bajo aunque dure más tiempo. De esta forma es posible que se evite la saturación de los servicios sanitaios.

No hemos sabido aprovechar los beneficios de la tecnología en el control de la transmisión del virus. Espero que al menos quien toma las decisiones haya aprendido algo. Nuestra propuesta es del 16 de marzo de 2020 (sí, el año está bien). Radarcovid estaba listo en mayo (hubo versiones anteriores). En agosto ya había más de 3,5 millones de descargas, pero no funcionaba. El resultado: escepticismo sobre la eficacia de las aplicaciones. Cuando en otros países se ha visto que la tecnología, combinada con otras medidas como los test rápidos y el aislamiento de las personas contagiadas, han sido clave.

Esta partida aún no ha terminado, pero ya hemos visto cual ha sido el resultado de nuestras decisiones. Cuando venga la próxima (que vendrá), tendremos que hacer algo distinto: Ready, player two.

Artículo completo disponible en abierto:

Rebollo M, Benito RM, Losada JC, Galeano J. Improvement of Contact Tracing with Citizen’s Distributed Risk Maps. Entropy. 2021; 23(5):638. https://doi.org/10.3390/e23050638