Podemos saber cando xurdiu o primeiro caso de Covid-19?

As análises realizadas converxen en que se produciu arredor de novembro de 2019, aínda que queda bastante por indagar na orixe exacta do virus

Os primeiros casos notificados polas autoridades chinesas apareceron a comezos de decembro de 2019 na cidade de Wuhan. Foto: Pixabay.
Os primeiros casos notificados polas autoridades chinesas apareceron a comezos de decembro de 2019 na cidade de Wuhan. Foto: Pixabay.

* Un artigo de  

Por Matilde Cañelles, Maria Mercedes Jiménez e Nuria Campillo

Atopar ao paciente “cero”, o primeiro caso de Covid-19, é crucial para pescudar a orixe da pandemia. Saber onde e por que puido contraer a enfermidade daranos as pistas necesarias para evitar os riscos de futuros focos, reemerxencias e novas pandemias. Por suposto, preservando a súa identidade, imprescindible para evitar culpabilizar e estigmatizar.

Como se traza a orixe dunha epidemia

Calquera investigación de feitos consumados, ao estilo de detectives policiais, lévanos a mirar cara atrás para atar cabos. Dispoñemos da declaración de 27 casos de pneumonía de causa descoñecida polos servizos sanitarios de Wuhan o 31 de decembro de 2019, con aparición de síntomas o 7 dese mesmo mes. Agora sabemos que o período de latencia presintomática da Covid-19 é dunhas dúas semanas, polo que nos podemos aventurar a situalo en novembro de 2019.

Probablemente non apareceron de golpe e en todos os enfermos á vez, senón que se debería pensar en días atrás. Xa en marzo de 2020 se aventuraba que o primeiro caso podía xurdir na provincia de Hubei o día 17 de novembro de 2019.

Despois da expansión en China, en xaneiro comezaron a aparecer casos en hospitais en Europa, Estados Unidos, Corea… Outro dato para ter en conta é o recoñecemento en abril do pasado ano polo CCAES de que, cando se detectaron os primeiros casos en España, o SARS-CoV-2 xa estaba entre nós. Dato comprobado posteriormente mediante estudos de secuenciación do material xenético do virus e do seu seguimento.

Ata o de agora apareceron varios modelos de predición para dar co paciente cero e situar e precisar a orixe do primeiro contaxio. Un dos máis novos foi publicado moi recentemente na revista PLOS Pathogens nunha colaboración a tres bandas entre a Universidade de Kent (Reino Unido), Chicago (Estados Unidos) e o Centro de Bioloxía da República Checa.

Son fiables os modelos matemáticos para describir a evolución dunha epidemia?

Para poder comprender esta nova investigación, primeiro debemos familiarizarnos cos métodos máis utilizados. Os modelos matemáticos xogan un papel importante no deseño de posibles estratexias de control de enfermidades ao centrarse nos aspectos clave destas, determinar o limiar para a supervivencia da enfermidade e avaliar o efecto das estratexias deseñadas, entre outros aspectos.

A simulación básica é o modelo SIR, desenvolto por Sir Ronald Ross e Anderson Gray McKendrick. Este tipo de modelos baséanse en que a poboación se pode clasificar en tres grupos compartimentados independentes: individuo susceptible (S), individuo infectado (I) e individuo recuperado (R). A partir deste modelo, tanto o número como o tipo de grupos pódense modificar para reflectir o comportamento de cada enfermidade, como se mostra na Figura 1.

Figura 1: Modelos matemáticos. S: Susceptible; I: Infectado; R: Recuperado;E: Exposto; T: Tratado; Q: Corentena; J: Illamento. Autora: Nuria Campillo (CIB Margarita Salgas-CSIC).
Figura 1: Modelos matemáticos. S: Susceptible; I: Infectado; R: Recuperado;E: Exposto; T: Tratado; Q: Corentena; J: Illamento. Autora: Nuria Campillo (CIB Margarita Salgas-CSIC).

Por exemplo, o modelo SEIR inclúe un estado intermedio, individuo exposto (E) co que se trata de simular o período de incubación. Ou o modelo SITR, onde algunhas persoas ou individuos son tratadas (T), entendéndose por “tratadas” illadas ou vacinadas, evitando así que se xeren posibles infeccións desde elas. Ou os modelos SIRS, que son os modelos endémicos que se utilizan para enfermidades como a gripe estacional, onde as persoas recuperadas poden perder a inmunidade e ser susceptibles de volver enfermar.

O desenvolvemento dos modelos ten dúas fases, a primeira de axuste ou adestramento e a segunda de predición. Na primeira determínase a función ou modelo matemático e os valores dos parámetros que son compatibles cos datos que se observan coa evolución da epidemia (enfoque baiesiano).

Unha vez que se ten o modelo que mellor se axusta aos datos pásase á segunda fase, a de predición. O problema, nalgunhas ocasións, como nesta pandemia, foi a falta de datos. Nos primeiros meses da pandemia descoñecíase o número real de infectados, polo que a incerteza era moi alta. Con todo, a medida que se foron obtendo datos, os modelos matemáticos axudáronnos a entender como se está desenvolvendo esta epidemia e a deseñar estratexias para controlala dunha forma eficaz.

Saber como desaparece para indagar como apareceu

Os modelos que describimos no apartado anterior poden ser útiles para predicir a evolución da enfermidade, pero non para trazar cara atrás a aparición do primeiro caso. Para alcanzar este obxectivo, os investigadores do noso artigo de interese utilizaron de forma innovadora un modelo matemático desenvolvido para a extinción de especies.

Orixinalmente, o modelo axuda a predicir cando desaparecerá unha especie en base ao número de organismos detectados. Pero neste caso utilizouse un intelixente enfoque. O modelo inverteuse de maneira que funciona na dirección contraria para chegar ao primeiro caso, tendo en conta os que se detectaron tempo máis tarde e mesmo aqueles que pasaron desapercibidos nun inicio.

As conclusións deste artigo coinciden coas doutros estudos publicados previamente: os autores volven indicar a data do 17 de novembro de 2019 á que aludiamos anteriormente.

Se están no certo, cando a OMS reaccionou a finais de xaneiro de 2020, a infección atopábase xa en medio mundo. A Figura 2 mostra unha aproximación temporal de como a pandemia se foi estendendo polo mundo. A epidemia xurdiu antes do estimado e tamén se transmitiu máis velozmente.

Existen dous factores que puideron influír: (1) descoñecíase a transmisión entre individuos asintomáticos e (2) ignorábase a transmisión por aerosois (ver PDF). Como comentamos, faltaban datos.

Figura 2: Mapa das datas de orixe estimadas por país. Fonte: https://journals.plos.org/ plospathogens/article?ide=10.1371/ journal.ppat.1009620.
Figura 2: Mapa das datas de orixe estimadas por país. Fonte: https://journals.plos.org/ plospathogens/article?ide=10.1371/ journal.ppat.1009620.

Todo converxe en novembro de 2019

O feito de que tanto as investigacións sobre casos concretos como un modelo matemático indiquen unha data determinada para a aparición do primeiro caso de Covid-19 é moi alentador e indícanos que se vai polo bo camiño nesta detectivesca investigación.

Unha posible debilidade do modelo podería ser a existencia dalgún tipo de nesgo á hora de detectar os casos ao comezo da pandemia, especialmente ao tratarse dun só país. Quizá no futuro poida obterse máis información, ou crear un modelo que teña en conta este aspecto. Ou quizais realmente xa demos co caso orixinal.

En calquera caso, despois do balbordo creado pola crise sanitaria, agora xa albiscamos a etapa na que miraremos atrás con máis tranquilidade e poderemos escribir a historia da pandemia.


* Matilde Cañelles é investigadora no Instituto de Filosofía (IFS-CSIC), Mercedes Jiménez e Nuria Campillo son científicas no Centro de Investigacións Biolóxicas Margarita Salas (CIB-CSIC)

Cláusula de divulgación: as autoras participan no proxecto BIFISO, PIE CSIC-COVID-19-027, financiado polo CSIC, para a loita contra a Covid-19 no marco da PTI Saúde Global.

DEIXAR UNHA RESPOSTA

Please enter your comment!
POLÍTICA DE COMENTARIOS:

GCiencia non publicará comentarios ofensivos, que non sexan respectuosos ou que conteñan expresións discriminatorias, difamatorias ou contrarias á lexislación vixente.

GCiencia no publicará comentarios ofensivos, que no sean respetuosos o que contentan expresiones discriminatorias, difamatorias o contrarias a la ley existente.

Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.