Logo de Negocios Inteligentes
Síguenos
empty

¿Por qué los modelos matemáticos mexicanos se equivocaron al predecir la pandemia?

9 julio, 2020

Los modelos matemáticos han ayudado desde siempre a los médicos en cuestiones de salud, entonces ¿por qué en México y en el mundo estos han tenido inconsistencias con respecto al COVID-19?

Si preguntamos a un estudiante cuál es la materia que menos gusta, lo más probable es que la mayoría coincida en que se trata de matemáticas. Incluso existe un término para referirse al miedo de la misma: maths anxiety o ansiedad matemática. Irónicamente una de las materias más odiadas puede ser la clave no sólo para prevenir el curso del coronavirus en el futuro, también para contrarrestarlo, pero, ¿han resultado eficaces estos modelos?

Chris Murray, director de Instituto de Medicina y Evaluación de la Salud de la Universidad de Washington publica cada año el estudio Global Burden of Disease, un informe que cuantifica la incidencia y el impacto de todas las enfermedades de cada uno de los 195 países y territorios en el mundo. En febrero, junto con su equipo de estadistas, informáticos y epidemiólogos, Murray se dispuso a pronosticar cómo el COVID-19 afectaría a los Estados Unidos, esto con el fin de ayudar a los médicos. 

Creando un modelo matemático

En medio de una crisis sanitaria, dar con los datos reales resulta una tarea difícil, y el coronavirus no es la excepción, por ello, a nivel mundial se trabajan en modelos matemáticos para ayudar a los gobiernos durante una crisis sanitaria. Desde el brote de influenza en 2009, los investigadores han confiado cada vez más en modelos matemáticos a nivel mundial. Así las agencias federales estadounidenses como los Centros para el Control y la Prevención de Enfermedades (CDC), y los Institutos Nacionales de Salud tienen equipos de modelado.

¿Cómo funcionan estos modelos? Los epidemiólogos dividen a la población en 3 secciones: susceptible a infección, infectado y recuperado o eliminado (es decir, vivo o inmune, o muerto), a esto se le conoce como modelo SIR. Luego los responsables del modelo se disponen a crear diferentes escenarios en función de la enfermedad. Por ejemplo: cuántas personas infecta una persona antes de recuperarse o morir, cuánto tiempo le toma a una persona infectada infectar a otra (a este rasgo se le conoce como tiempo de generación de intervalo), qué grupos demográficos se recuperan o mueren, y a qué ritmo. 

Helen Jenkins, epidemióloga de enfermedades infecciosas en la Escuela de Salud Pública de la Universidad de Boston, dijo a la revista Wired: “Al principio, todos son susceptibles. Así, tenemos a una pequeña cantidad de personas infectadas, las cuales infectan a personas susceptibles, provocando que el aumento de los infectados sea exponencial. Si descubrimos que el 5% de la población se ha recuperado y es inmune, eso significa que el 95% de la población es propensa, lo cual implica un riesgo mayor de contagios, pero si el 50% de la población está infectada y descubrimos que son asintomáticos, dato que desconocíamos, entonces estamos en una mejor posición”.

Entonces, ¿qué tan bien transmitimos el coronavirus al resto de la población? Este dato se conoce como número reproductivo o R0, y muestra con qué facilidad un virus viaja de persona a persona ya sean asintomáticas o no, la cantidad de tiempo que le toma a una persona infectada infectar a otra persona, el tiempo promedio antes de que una persona susceptible se infecte uno, o si una persona infectada puede recuperarse o morir. Así que contestando a la pregunta ¿qué tan bien transmiten las personas el coronavirus? Muy bien, por desgracia. Por eso, el distanciamiento social ayuda a reducir la tasa de contagios.

¿Los modelos no funcionan en México?

Desde que Hugo López-Gatell se asumiera como el vocero de la pandemia en México, las dudas no dejaron de sobresalir. Por ejemplo, el periódico La Silla Rota detectó que en abril las cifras de decesos, de pruebas realizadas y los datos sobre la nacionalidad desaparecían. Incluso periódicos como The New York Times, Wall Street Journal y El País han desconfiado de los datos del doctor Gatell y sus artículos han sembrado la duda de que quizá el doctor oculte las cifras reales con respecto a la pandemia..

Entonces, ¿quién miente?, ¿Gatell?, ¿los modelos matemáticos? o ¿ambos? Para responder a esto debemos entender cómo operan los modelos matemáticos mexicanos. Como se lee en Nexos, en nuestro país los datos sobre la COVID-19 se realizan a partir de métodos estadísticos procesados por especialistas mexicanos. La Secretaría de Salud utiliza los creados por Marcos Capistrán y Andrés Chisten, que operan en el Centro de Investigación en Matemáticas (CIMAT), uno de los 26 Centros Públicos de Investigación adscritos al Consejo Nacional de Ciencia y Tecnología (CONACYT); y Antonio Capella, investigador del Instituto de Matemáticas de la Universidad Nacional Autónoma de México (UNAM). 

Juntos han creado el modelo AMA (siglas que corresponden a sus nombres, Antonio, Marcos y Andrés). El proyecto forma parte del “Grupo de Respuesta COVID-19” del CONACYT, coordinado por Paola Villareal Rodríguez, y María Elena Álvarez-Buylla Roces, coordinadora de Proyectos de Ciencia de Datos y directora general de ese organismo, respectivamente. Por desgracia, a medida que los datos se volvían más inconsistentes, se le fue restando valor al modelo matemático mexicano. Arturo López-Gatell dijo a través de su conferencia vespertina del pasado 13 de junio: “Las predicciones o proyecciones matemáticas no son un acto de magia, son una proyección, una predicción que utiliza métodos robustos para intentar tener una representación de un fenómeno que en sí mismo tiene una gran incertidumbre, igual que la predicción de huracanes, igual que la predicción de terremotos”. Días después, las curvas estimadas con el modelo AMA y los datos en varios parámetros se volvían aún más inconsistentes, provocando el fallo del modelo.

¿Por qué AMA no funcionó?

El 18 de junio, Capella, Capistrán y Christen presentaron un informe en donde explicaron que su modelo no funcionó a medida que la pandemia del coronavirus fue avanzado por nuestro país. “A partir de los últimos reportes es claro que el modelo AMA ha perdido capacidad predictiva y no ajusta bien la dinámica de la epidemia después de los acmés”. Pero, ¿por qué no funcionó?

Javier Flores de Nexos, considera tres elementos que llevaron al modelo a fracasar: las limitaciones del modelo mismo, los cambios en la conducta social y los datos suministrados. Acerca del punto uno, los 3 investigadores reconocieron desde un principio que su modelo presentaba limitaciones como que el modelo no tenía un alcance nacional, si bien funciona en algunas ciudades como el Valle de México presentaba inconsistencias. Con respecto a los cambios en la conducta social, el modelo AMA no consideraba la percepción de riesgo que pueden tener los individuos, además del incremento en la movilidad.

Por ejemplo el 01 de junio, tras concluir el confinamiento la reducción de movilidad era del -64%, pero este dato no quedaba claro si incluía a los municipios del Estado de México que integran la zona conurbada, pero si se analizaba este este estado por separado los resultado de disminución de movilidad representaban un -49%. Mientras que respecto a los datos suministrados, los creadores del modelo identificaron problemas desde el registro de los datos hasta la actualización del mismo, por ejemplo los investigadores dijeron que los días 22 y 27 de mayo, se actualizaron los casos confirmados y los decesos de un mes antes, “algo que no se había observado con anterioridad durante el brote”.

En resumen, en México no sabemos cuántas personas se han contagiado, y en realidad la falta de este dato recae en todos los gobiernos del mundo. “Los modelos son tan buenos como los datos que tú tienes. Y en el coronavirus, los modelos van a tener un índice de error bastante alto porque los datos que tenemos son en general muy malos”, explicó a BBC Mundo el investigador del Instituto de Salud Pública y Psiquiatría de la Universidad de Cambridge, Andrés Roman-Urrestarazu.

Kit Yates, investigador y profesor de biología matemática de la Universidad de Bath, dijo que comparar las estadísticas entre países es un gran error, “porque si no están haciéndole pruebas a muchas personas, entonces no encontrarás muchos casos y los números se verán más pequeños que en otros países”, como dice Roman-Urrestarazu, ”puede que parte del problema sea que la gente hoy quiere respuestas que, para la ciencia, demoran mucho tiempo”.

 

TE PUEDE INTERESAR:

Lo que nos faltaba: el diseño urbano de la CDMX incrementa los contagios de COVID-19

¿Cuánto costará a México la vacuna contra el COVID-19?


Suscríbete a El Fiscoanalista (novedades y jurisprudencias en materia comercial, fiscal y laboral), la Agenda Inteligente (las noticias de negocios más relevantes) y a nuestro canal de YouTube



Recibe GRATIS las noticias relevantes de negocios y empresas

9 julio, 2020
¿Qué opinas?