Thread by @ZulmaCucunuba

Entendible que muchas personas no comprendan modelos, supuestos, escenarios (sin medidas, o medidas x, y, z) y limitaciones

Que personas con formación suficiente pretendan que un modelo es malo cuando escenario sin intervenciones no se cumple, me parece una situación muy difícil

Voy a explicar algunas cosas que tal vez no son evidentes para todo el mundo.

Aceves los estudios dicen una cosa pero lo que se mediatiza es otra.

1. Los modelos, de grupos con experiencia, siempre fueron claros en que con medidas de control esta sería una situación de largo plazo.

Nunca se habló de “un pico”.

Hablamos de excesos de capacidad. Necesidad de preparación. Necesidad de tomar medidas conocidas en el momento.

2. Algunos países y regiones (muchos) sí lograron supresión con las medidas que tomaron. Muchos otros solo redujeron transmisión pero no lograron supresión.

No es fácil en este momento aún determinar los factores que llevaron a uno y otro descenlace inicial.

2. Aún seguimos sin saber muchas cosas. Otras hoy las sabemos un poco mejor:

- Efectividad de máscaras. Sabíamos que algun efecto tendrían ¿cuánto exactamente? Bueno, hasta la semana pasada se publicó el primer meta-analisis de ese tema. Igual pasa con protección ocular.

3. Efectividad de TTI (rastreo contactos)

Aún seguimos sin conocerla bien. Pero algunos modelos sugieren que puede reemplazar en cierta proporción el distanciamiento físico. Actúan sinergicamente.

Ciertamente regiones que implementaron TTI más temprano tienen más control.

4. Susceptibilidad poblacional

Algunas hipótesis sugieren que podría no existir 100% de susceptibilidad poblacional, debido a protección cruzada con otros virus.

Puede ser, pero no tenemos cómo saber por ahora cuánto equivale eso (¿1%, 50%, depende de contexto?) Ni idea!

5. Letalidad

Primeras estimaciones de IFR en marzo al rededor de 0.5 - 1%.

Estimaciones a hoy ya con estudios de seroprevalencua siguen en un rango similar.

Hay limitaciones en estimar denominador (baja sensibilidad de tests), pero estimaciones siguen en el mismo rango.

6. Patrones demográficos

Algunas regiones o países tienden a tener contactos ínter generacionales más o menos estrechos. Esto se incorpora en los modelos. Pero la información de esos patrones de contacto no existe para todos los países y circunstancias.

De forma tal que contextos donde se combina alto contacto intergeneracional y alta proporción de adultos mayores pueden tener más impacto en muertes que otros que no. Eso se puede incluir en modelos. Pero hay que tener los datos. Para muchos lugares, apenas se empiezan a recoger.

7. La epidemia no arranca y se propaga exactamente igual en todos los lugares.

Hay muchos factores que determinan ese inicio. Sin intervenciones depende del “seed” y de patrones sociales y culturales. Ya con (varias) intervenciones esas variables son más difíciles de determinar

8. Un escenario totalmente sin intervenciones no existe. Siempre hay una intervención por pequeña que sea que puede tener algún efecto. Por ejemplo las personas toman medidas de cuidado sin que nadie se los “ordene”.

Cuantificar esa “voluntad” es algo tan complejo como variable

9. Ejemplos de regiones donde se tomaron menos medidas abundan.

Que algunas personas piensen que haber seguido esos ejemplos era un mejor escenario no necesariamente tiene consenso. Habría que preguntar si las personas quisieran un escenario más similar a Brasil por ejemplo.

10. La lista de temas por estudiar y entender es larga.

La ciencia apenas logra entender un pedazo de la realidad.

La “ciencia en tiempo real” es una tarea muy difícil. Ojalá ya supiéramos todo del virus, pero no lo sabemos. Lo poco que sabemos lo usamos en nuestros modelos.

11. Una cosa que pasaba por alto. Los eventos de super-propagación

Hay infecciones que conocemos tienden a ser más más homogéneas en (R) transmisión. Mientras que hay otras donde R tiende a tener sobredispersión. En este último caso es cuando aparece la super-propagación.

Al comienzo de esta pandemia se sugirió que tal vez al ser un coronavirus podría tener super-propagación como por ejemplo tienen de forma evidente SARS y MERS. Pero incialmente esto no era evidente.

Hoy tenemos indicios, muy lógicos de que esto puede estar ocurriendo en COVID.

Varios estudios (en lugares muy distintos) han evidenciado que hasta el 80% de las infecciones podrían ser causadas por el 20% de los casos. Eso, entre otras cosas las sabemos hoy gracias a las estrategias de TTI que realizan varios países.

Entender cómo ocurren los eventos de super-propagación en cada contexto (region, circunstancia) es una de las tareas más importantes actualmente. Hipotéticamente controlarlos podría reducir drásticamente la transmisión.

En términos generales estos se caracterizan por las 3C.

Incorporar super-propagación es hoy una de las prioridades de los modelos.

Para hacerlo se requiere entender cómo ocurre en diferentes contextos.

Mientras tanto, igual con esta evidencia la sugerencia es actuar sobre la super-propagación.

Pero aún no podemos cuantificarlo.

12. Para finalizar, los modelos (aun con la mejor evidencia posible) no son el único insumo para toma de decisiones. Modelos de transmisión solo consideran consecuencias directas.

Hay consecuencias indirectas que deben evaluarse por otras áreas del conocimiento y la sociedad.

Pretender que un modelo de transmisión responde todas las preguntas no es procedente.

La gran variedad de respuestas gubernamentales de países indica que las decisiones son tomadas por una combinación de factores donde, en este caso, los modelos son solo uno de los insumos.