Investigadores de la <a href="http://www.unizar.es/" title="Universidad de Zaragoza" alt="Universidad de Zaragoza" target="_blank">Universidad de Zaragoza</a> (UNIZAR) y de la <a href="https://www.urv.cat/es/" title="Universitat Rovira i Virgili" alt="Universitat Rovira i Virgili" target="_blank">Universitat Rovira i Virgili</a> (URV) diseñan un modelo matemático que permite hacer predicciones sobre el alcance enfermedades en situaciones de movilidad habitual.
Moverse o aislarse, ¿cuál es la mejor estrategia para evitar una epidemia? Parece obvio que restringir la movilidad debería ser suficiente para controlar y evitar la propagación de las epidemias. Sin embargo, un nuevo análisis matemático ha puesto de manifiesto que esta movilidad, a menudo, reduce la heterogeneidad de la distribución de la población y, por tanto, disminuye el riesgo epidémico.
Por tanto, la movilidad recurrente entre diferentes poblaciones o distritos de una gran ciudad, de casa al puesto de trabajo y de regreso a casa, por ejemplo, puede minimizar los efectos de una epidemia, contrariamente a lo que se podría intuir. Este sorprendente resultado es el producto de una investigación llevada a cabo por los investigadores Jesús Gómez y David Soriano, de la Universidad de Zaragoza, y Àlex Arenas, de la Universitat Rovira i Virgili y que se acaba de publicar en la revista Nature Physics.
Los patrones de movilidad a escala mundial permiten explicar recientes brotes epidémicos de enfermedades autóctonas como el Zika o el Ébola. Por otro lado, a escala local, observamos en nuestro entorno cadenas de propagación de procesos víricos determinadas por nuestros movimientos. Por ejemplo, virus del colegio de los niños son importados a nuestro domicilio y de nuestra casa pasan a nuestro entorno laboral donde la cadena de propagación se ramifica, repitiéndose, dando lugar a una epidemia.
¿Cómo detener estas cadenas y disminuir la incidencia de una epidemia? El sentido común nos aconsejaría aislarnos del resto de la población o, al menos, reducir nuestra movilidad para disminuir las probabilidades de contagio. Sin embargo, esta medida de aislamiento no es siempre efectiva. Al contrario, lejos de mejorar la situación, en la mayoría de los casos disminuir la movilidad de las personas conlleva un aumento de las probabilidades de contagio, agravando la situación epidémica.
A través de un estudio realizado con datos de una gran ciudad como Cali (Colombia), han demostrado que la movilidad diaria entre distritos reduce la incidencia de la propagación de una epidemia, al contrario de lo que se podría pensar. Los autores han elaborado un nuevo modelo matemático, capaz de incorporar los datos reales disponibles sobre hábitos de movilidad humana en ciudades y regiones. Esta nueva herramienta permite evaluar cómo los patrones de movilidad influyen en la propagación de virus y, en particular, verificar qué impacto tiene un aumento o disminución de la movilidad en el número de contagios.
Según Gómez Gardeñes, "con los datos disponibles en varias ciudades y observamos, para nuestra sorpresa, que un aumento de la movilidad no siempre conlleva un aumento de la incidencia epidémica, como sugerían resultados anteriores". Al contrario, en este trabajo los autores observan que existen tres comportamientos posibles: uno el que la incidencia epidémica disminuye al aumentar la movilidad, otro en el que esta incidencia aumenta y un tercero en el que estos dos comportamientos anteriores se combinan, de forma que para movilidad pequeña un aumento de la misma disminuye la incidencia pero la situación se revierte cuando la movilidad pasa a ser grande.
¿Qué determina el comportamiento de una ciudad o región? Según los investigadores "es un equilibrio entre la distribución demográfica de la población y los flujos de personas entre las distintas partes de las mismas (los barrios). Estos dos factores determinan el tipo de comportamiento de una población". De esta forma, una medida de contención beneficiosa para una ciudad puede ser perjudicial para otra. Esta herramienta permite determinar, de forma "personalizada" para cada población, la estrategia de contención más conveniente a partir de datos básicos sobre demografía y movilidad.
Referencia bibliográfica:
Gómez-Gardeñes, J., Soriano-Paños, D., Arenas, A. 2018 Critical regimes driven by recurrent mobility patterns of reaction–diffusion processes in networks. Nature Physics. DOI: 10.1038/s41567-017-0022-7
