Únete á nosa canle de Whatsapp
Un equipo de investigadores, no que figuran Manuel Oviedo, investigador do Instituto Tecnolóxico de Matemática Industrial (Itmati) e Manuel Febrero, catedrático de Estatística da USC, acaba de publicar na revista Plos One un artigo que presenta un modelo estatístico para predicir a incidencia da gripe con semanas de antelación a través da información meteorolóxica. Este modelo, segundo explican desde a USC, achega unha nova ferramenta á sanidade para xestionar mellor os brotes epidémicos de gripe.
O modelo consigue predicións de gran exactitude mediante variables meteorolóxicas
Tal e como amosan os datos, as epidemias ocorren durante os meses máis fríos do inverno. Xunto a estas cifras, como expón un estudo sobre a actividade da influenza ao longo de oito temporadas (entre 1999 e 2007), a duración media das epidemias en 23 países europeos foi de 15,6 semanas (cunha mediana de 15 semanas e un rango de duración que oscilou entre un mínimo de 12 e un máximo de 19). Como curiosidade e tamén en clave estatística, o período típico de incubación da gripe oscilaría segundo diversos estudos entre 1 e 4 días, o que deixa unha media de 2 días.
Con estas cifras na man, os matemáticos preguntáronse como podía contribuír a estatística a combater a gripe. E viron que os brotes epidémicos poderían relacionarse, tal e como xa suxiren numerosos estudos, con condicionantes ambientais máis favorables para a supervivencia do virus. Tal e como explican no artigo, varias investigacións sinalan unha mellor supervivencia do virus a baixas temperaturas, baixa humidade e baixos niveis de radiación ultravioleta, o que explicaría o patrón de comportamento do virus nas zonas temperadas.
Varios estudos sinalan a influencia de determinadas condicións meteorolóxicas na supervivencia do virus
A predición deste modelo matemático corrixe a dependencia temporal – reaxustando os erros cometidos no pasado recente- e é capaz de ter en conta a dependencia espacial –os valores de incidencia en municipios ou comarcas próximas-. En conxunto, o equipo da USC apunta como unha das conclusións máis interesantes que “a corrección da dependencia temporal ou espacial pode conseguir que só con variables meteorolóxicas se consigan resultados de predición tan bos como os que se conseguen con variables máis difíciles de obter como pode ser a propia taxa de gripe da semana pasada”, expoñen Oviedo e Febrero, membros do grupo Modestya da USC (Modelos de Optimización, Decisión, Estatística e Aplicacións).
Os modelos propostos “son útiles cando a historia recente da incidencia da gripe non está dispoñible, por exemplo por retrasos na comunicación cos informantes, e na que a predición debe construírse corrixindo a dependencia temporal dos residuos e utilizando as variables con mellor información dispoñible en cada momento”, explican dende o equipo de investigación.
Un modelo eficaz para a prevención
Dado que a gripe é altamente contaxiosa e posúe unha morbilidade maior que a de calquera outra enfermidade evitable por vacina, en opinión dos investigadores “os sistemas de vixilancia requiren indicadores precisos que detecten posibles epidemias por adiantado”. Neste senso, lembran que “las estimacións precisas da incidencia da influenza son esenciais, tanto para os servizos de saúde pública como para a cidadanía, para proporcionar unha advertencia previa de epidemias e permitir medidas preventivas que axuden a reducir o contaxio”.
O artigo mostra que os estimadores propostos polo equipo de investigación “melloran o enfoque clásico con resultados extremadamente bos dende o punto de vista preditivo”. Este tipo de modelos axudan aos servizos de saúde a determinar por adiantado os recursos precisos para facer fronte aos brotes epidémicos. De feito, e froito da colaboración entre o Instituto Tecnolóxico de Matemática Industrial da USC e o Departamento de Saúde da Generalitat de Cataluña, xa se emprega para realizar semanalmente as predicións da gripe nas diferentes rexións sanitarias catalás.
No estudo tamén participaron María Pilar Muñoz, da Universidade Politécnica de Cataluña, e Ángela
Domínguez, da Universidade de Barcelona. O traballo foi financiado pola Axencia Catalá de Xestión de Axudas para a Investigación Universitaria e polo Ministerio de Economía e Competitividade, coa colaboración do Servizo de Epidemioloxía da Dirección Xeral de Saúde Pública (Sergas) da Consellaría de Sanidade da Xunta de Galicia, que facilitou parte da información utilizada.
