Avances en la modelación de la propagación del virus SARS-CoV-2 que permitan la obtención de parámetros para evaluar la eficacia de acciones preventivas, desarrolla la investigación en la que participa Sebastián Contreras, ex alumno del Departamento de Ingeniería de Minas de la Universidad de Chile, Magíster en Metalurgia Extractiva del mismo, y actual estudiante de doctorado en física de la Georg-August-Universität y del Max Planck Institute (MPI) for Dynamics and Self-Organization (Gotinga, Alemania).
Este trabajo de investigación plantea entender los factores que determinan la dinámica propagativa del SARS-CoV-2, para así poder comprender cuáles son los elementos que favorecen el contagio y luego diseñar estrategias para su mitigación.
El profesional abordó la relevancia de este estudio.
– ¿En qué consiste la investigación que estás desarrollando?
– De manera general, buscamos entender los factores que determinan la dinámica propagativa del SARS-CoV-2. Si podemos comprender cuáles son los elementos que favorecen el contagio, podríamos diseñar estrategias para su mitigación. En un principio, nuestro interés fue la obtención de parámetros para evaluar la eficacia de acciones preventivas (por medio de la estimación del número reproductivo efectivo Rt) [1], y el desarrollo de un modelo que nos permitiese entender la propagación del virus en un país tan particular como Chile. Dichas particularidades tienen relación con la distribución geográfica de los centros urbanos principales [2], y la forma (y temporalidad) en que se reportan/ban los casos [3]. Esta investigación la desarrollé cuando aún estaba afiliado al Laboratorio de Reología y Fluidodinámica del Departamento de Ingeniería de Minas y AMTC, junto con el Prof. Álvaro Olivera y colegas del Centro de Biotecnología y Bioingeniería, CeBiB.
Actualmente, me dedico a incorporar distintas modalidades de testeo-trazado-aislamiento (TTI, por la sigla en inglés) en los modelos matemáticos clásicos, para así poder diseñar estrategias óptimas para el control del COVID-19. Bajo la supervisión de la Dr. Viola Priesemann (Group Leader, Max Planck Institute for Dynamics and Self-Organization), demostramos la existencia de un equilibrio estable para los casos cuando la incidencia diaria es baja, donde TTI permite encontrar las cadenas de contagio a tiempo y así el control de la pandemia [4].
– ¿Cuál es la conexión entre Minas y SARS-CoV-2?
– A simple vista, ninguna. Sin embargo, las ecuaciones que representan la propagación de una enfermedad y las que usamos para modelar distintos fenómenos de transferencia son muy similares. Para poder dar este salto, un ingrediente crucial fue la fuerte formación matemática y física del plan común, y el factor multidisciplinario transversal a las ingenierías que se imparten en la Facultad de Ciencias Físicas y Matemáticas.
– ¿Qué implicancias conlleva el estudio?
– El entendimiento y uso de este equilibrio permite diseñar una estrategia a largo plazo, donde solo medidas moderadas de distanciamiento serían necesarias para mantener los casos bajos [5]. Esta estrategia sería positiva no solo para la economía, sino para el bienestar general de las personas y el cuidado de los grupos vulnerables. La implementación coordinada de planes de acción orientados a mantener los números en ese equilibrio permitiría la apertura de fronteras, lo que es relevante en zonas donde Estados independientes interactúan intensamente (como en Europa). La estrategia y la descripción de meta-estabilidad asociada a TTI ha impactado fuertemente en la toma de decisiones a nivel local (Alemania) y Europeo, además de ser reconocida y celebrada por la comunidad científica [4-5].
– ¿Qué resultados esperan obtener?
– En el marco de mi tesis doctoral, busco generalizar nuestros hallazgos para el caso de enfermedades arbitrarias, y así contar con herramientas prácticas para el control oportuno de futuros outbreaks. En particular, intento describir desde las ecuaciones los puntos donde las características generales de la dinámica propagativa cambian: tipping-points. Al describirlos y estudiar la sensibilidad de los parámetros determinantes en torno a ellos, podemos generar un ranking del potencial éxito que distintas estrategias mitigativas tendrían, y así poder plantear el control pandémico como la solución de un problema de optimización.
Referencias:
[1] Contreras, S., Villavicencio, H. A., Medina-Ortiz, D., Saavedra, C. P., & Olivera-Nappa, A. «Real-time estimation of Rt for supporting public-health policies against COVID-19». Frontiers in Public Health 8, 556689. doi:10.3389/fpubh.2020.556689
[2] Contreras, S., Villavicencio, H. A., Medina-Ortiz, D., Biron-Lattes, J. P., & Olivera-Nappa, A. «A multi-group SEIRA model for the spread of COVID-19 among heterogeneous populations». Chaos, Solitons & Fractals 136(2020), 109925. doi:10.1016/j.chaos.2020.109925
[3] Contreras, S., Biron-Lattes, J. P., Villavicencio, H. A., Medina-Ortiz, D., Llanovarced-Kawles, N., & Olivera-Nappa, A. «Statistically-based methodology for correcting delay-induced errors on the evaluation of COVID-19 pandemic». Chaos, Solitons & Fractals 139(2020), 110087. doi:10.1016/j.chaos.2020.110087
[4] Contreras, S., Dehning, J., Loidolt, M. et al. «The challenges of containing SARS-CoV-2 via test-trace-and-isolate». Nat Commun 12, 378 (2021). https://doi.org/10.1038/s41467-020-20699-8
[5] Contreras, S., Dehning, J., Mohr, SB., Spitzner, FP., & Priesemann, V. «Low case numbers enable long-term stable pandemic control without lockdowns». arxiv.org/abs/2011.11413