Equipos interdisciplinarios en la toma de decisiones es la recomendación a futuro en las pandemias

La medicina trasnacional es una tarea que tiene como objetivo traducir la evidencia científica en beneficio de la comunidad con el fin de elevar el nivel de salud de una sociedad. Es esencial encontrar una manera de traducir los hallazgos científicos en información digerible para el público en general, los profesionales de la salud, las compañías de seguros, los líderes de las instituciones y los responsables de la formulación de políticas gubernamentales. Esto último tiene especial importancia en tiempos de epidemias y crisis humanitarias, cuando los funcionarios gubernamentales tienen poco tiempo para tomar decisiones críticas. Predecir escenarios futuros y enviar información basada en evidencia a los responsables de la formulación de políticas es fundamental durante las pandemias.

Desde el comienzo de la expansión del COVID-19, epidemiólogos, científicos clínicos, sociales y de datos, matemáticos y estadísticos están trabajando juntos en todo el mundo para comprender la propagación de este virus. Este esfuerzo no solo condujo a numerosas publicaciones científicas y recursos en línea, sino que también proporcionó datos y escenarios de predicción para las agencias nacionales de salud y los gobiernos para ayudarlos a tomar las decisiones estratégicas diarias urgentes y las más óptimas a largo plazo. Como era de esperar, países como Israel, Suiza, Alemania, Canadá y Corea del Sur, donde el nivel científico es alto y el gobierno escuchó a los especialistas, manejó el brote de COVID-19 con respeto y obtuvo mejores resultados. En Italia y España, donde la actividad científica es menor, y en Estados Unidos, donde el gobierno no escuchó a los científicos con suficiente antelación, las consecuencias iniciales de la pandemia fueron más devastadoras.

El Fondo Europeo de Desarrollo Regional encargó un análisis especial a un grupo de una veintena de profesionales e diferentes especialidades de la Universidad de Pécs, el Grupo de Investigación en Bioinformática, Instalación Central de Genómica y Bioinformática, el Centro de Investigación Szentágothai, todos de Hungría, para que produjeran un informe a partir de la experiencia local de tareas que pudiera guiar en lo que queda de este tiempo para la pandemia en curso, y para futuros hechos.

Experiencia en estado propio

En Hungría, el primer paciente con COVID-19 fue identificado el 4 de marzo. El gobierno húngaro inició una conversación con científicos expertos y profesionales de diferentes especialidades para evaluar los posibles escenarios futuros antes de que se tomaran decisiones sobre la epidemia. El Grupo de Investigación y Acción Traslacional contra el Coronavirus, llamado KETLAK, entregó 2 documentos directamente al Organismo Nacional de Elaboración de Políticas Epidemiológicas, que fue dirigido por el Primer Ministro de Hungría, para ayudar en el proceso de toma de decisiones.

“Las tareas de la comunidad científica incluyen reconocer los desafíos en circunstancias específicas, realizar investigaciones de alta calidad basadas en la metodología científica, preparar resúmenes basados en evidencia de los resultados científicos y comunicarlos en un lenguaje comprensible a los grupos destinatarios que pueden utilizar el conocimiento -explica Katalin Gombos, una de las investigadoras partícipes del paper-. Este último también incluye comunicación bidireccional entre la comunidad científica y los tomadores de decisiones gubernamentales”. Un excelente ejemplo de esto es el sistema del Mecanismo de Asesoramiento Científico de la Comisión Europea, en el que el Grupo de Asesores Científicos de Alto Nivel 20 y las academias brindan asesoramiento científico oportuno e independiente al más alto nivel político en Europa y para que el público en general apoye su toma de decisiones. Esto es especialmente importante en situaciones en las que hay poco tiempo para optar caminos clave que afectan la vida diaria y la salud de la población.

El primer resumen científico revisó la situación internacional y luego modeló el curso y la dinámica de la epidemia de COVID-19. Estos enfoques tomaron en cuenta una métrica crucial, que se refiere al número promedio de personas que una enferma llega a infectar en un grupo que no tiene inmunidad. Los resultados mostraron que las decisiones epidemiológicas podrían ser de gran importancia para la evolución de una epidemia.

“Hubo epidemias recientes causadas por miembros de la familia del coronavirus -aporta Róbert Herczeg, otro de los especialistas participantes-. Estas tuvieron diferentes dinámicas y características. El brote mortal del síndrome respiratorio agudo severo en Toronto, que se cobró 43 vidas entre 253 pacientes infectados, fue contenido con éxito gracias a una respuesta rápida y eficiente de científicos y políticos. La exitosa estrategia contra la pandemia actual de SARS-CoV-2 en Corea del Sur se derivó de su reciente y amarga experiencia con el brote de síndrome respiratorio de Oriente Medio (MERS). Aprendieron la lección de que solo la evidencia científica podía orientar las decisiones políticas en una epidemia”.

Por lo tanto, además de utilizar los datos internacionales disponibles, el equipo de KETLAK incluyó factores de influencia importantes como las diferencias de edad, la disponibilidad de camas en la UCI y las diferencias en el CHDI por separado en el análisis posterior. Debido a que una pandemia no es solo una crisis de salud sino también una crisis socioeconómica, el equipo también tomó en cuenta las diferencias regionales del PIB. “Fue importante porque las estructuras de crisis socioeconómicas que evolucionan después de que termina la pandemia también mostrarán varios patrones derivados de las especificidades anteriores a la crisis y las variables dinámicas observadas durante la misma -explica Bálint Erőss, otro de los autores de la investigación-. El primero se puede cambiar con un proceso lento, mientras que el segundo, una vez comprendido, puede desempeñar un papel clave en la organización espacial”.

Más que salud

En la segunda parte del material publicado, el equipo utilizó simulaciones de modelos de transmisión de enfermedades para diferentes modelos urbanos para respaldar la toma de decisiones sobre cierres institucionales y prácticas de gestión en respuesta a la pandemia de COVID-19.

Estudios de modelos anteriores del brote de SARS de 2003 en China continental, Hong Kong y Singapur, la pandemia de influenza H1N1 de 2009 en Taiwán, así como información limitada de informes clínicos sobre la pandemia de influenza asiática de 1957, donde se estimó que R (la capacidad de transmisión de una persona enferma a otras no inmunizadas) era similar a COVID -19, proporcionan diferentes resultados y aspectos divergentes de la estimación del efecto. Incluso utilizando modelos matemáticos para el mismo brote de SRAS en 2005, se calculó que el efecto estimado del cierre de escuelas era muy diferente de la reducción de la transmisión de la enfermedad.

“Estudios que modelan la pandemia de COVID-19 apoyan las medidas de restricción, incluido el cierre de instituciones educativas a nivel nacional -aporta otra de las profesionales, Attila Gyenesei; sin embargo, existen lagunas en la literatura sobre la estimación de la intervención de cierre de escuelas por separado de otros controles estrictos y generales del distanciamiento social. Nuestro equipo pudo concluir que el cierre de una institución educativa no puede estimarse como un efecto homogéneo sobre la transmisión de enfermedades. Diferentes modelos urbanos con diferente tamaño de población escolar, densidad de contacto y dinámica, y diferentes poblaciones de habitantes pueden moldear la transmisibilidad de la infección y su impacto en la progresión de la epidemia de manera significativa”.

Además de los resultados obtenidos al modelar las estrategias basadas en mitigación y supresión y la dinámica de la red de transmisión de enfermedades, el primer material emitido el 9 de abril también tenía un mensaje nefasto: si no se puede reducir el valor de R, no hay posibilidad de encontrar una buena solución para reiniciar la vida de la población. Por lo tanto, en el segundo material, el equipo de KETLAK se concentró en los métodos que pueden ayudar a disminuir el valor R. En el primer análisis, el equipo reveló que la cantidad de exámenes y pruebas podría tener un gran efecto sobre la mortalidad. Los datos mostraron que Alemania es uno de los países europeos más eficientes para mantener baja la tasa de mortalidad. Por lo tanto, los datos alemanes se utilizaron como punto de referencia para estimar el número óptimo de pruebas necesarias en Hungría.

Sin embargo, para ser específico a las condiciones de las regiones, la cantidad de pruebas que probablemente se requirieran se corrigieron para cada condado por capacidades hospitalarias regionales, como camas de UCI, PIB e índice CHDI. El equipo admite que el CHDI (el desarrollo de salud comunitario) necesitará más modificaciones en el futuro. “Puede ampliarse con nuevos sistemas de indicadores e índices individuales (por ejemplo, número de población, índice de envejecimiento, densidad de población, ingresos, capacidad humana y material de salud en la atención de la salud) -explica Gyenesei-. La modificación del CHDI también es adecuada para analizar estos indicadores en diferentes niveles territoriales (por ejemplo, en áreas urbanas en el contexto de una ciudad y sus barrios)”.

Estos posibles indicadores adicionales basados en la aplicación de niveles territoriales diversificados se pueden resumir en una matriz de riesgo para definir los riesgos socioeconómicos y de salud más importantes y sus grupos de vulnerabilidad, especialmente durante una pandemia. Sin embargo, dado el tiempo limitado disponible para compilar el material, el equipo no tuvo tiempo para incorporar los cambios en el modelo actual.

Un proyecto que proyecta

En el análisis final, para brindar la asistencia más detallada a los tomadores de decisiones, el equipo de KETLAK también analizó la cantidad de pruebas necesarias para resolver las restricciones por región. En la fase actual de la pandemia de COVID-19, la herramienta de diagnóstico adecuada para identificar a las personas que potencialmente pueden transferir la infección es el ensayo molecular basado en la reacción en cadena de la polimerasa (PCR), que detecta las regiones diana de ácido ribonucleico del SARS-CoV-2, ácido nucleico del patógeno. El protocolo quirúrgico nacional en Hungría especifica el muestreo in situ del tracto respiratorio superior (hisopado nasofaríngeo y orofaríngeo o bucal) y la prueba de PCR, que está de acuerdo con las recomendaciones de la Organización Mundial de la Salud.

Teniendo en cuenta las capacidades disponibles para PCR, 4000–6000 pruebas es el límite máximo de viabilidad exitosa calculada el 18 de abril. Durante la elaboración de una estrategia compleja de pruebas y detección, el equipo apuntó a ajustarla a la accesibilidad en lugar de hacerlo para alcanzar la perfección. “Sin embargo -recalca Gyenese-i, debe tenerse en cuenta que se debe hacer un esfuerzo continuo para mejorar estratégicamente el rendimiento de las pruebas y el cribado de PCR de COVID-19 en esta etapa”. Las pruebas serológicas también deberían ser un problema de testeo a medida que COVID-19 comienza a disminuir para detectar el estado inmunizado de la población. Por lo tanto, el equipo recomendó enfoques de prueba para pacientes sintomáticos y profesionales de la salud y destacó la importancia de la detección representativa de la base residencial.

Al igual que en la Comisión Europea, de 4 a 5 grupos de asesores científicos de alto nivel ayudan a los responsables de la toma de decisiones en Hungría, por lo que es difícil juzgar qué análisis tiene un impacto decisivo en las decisiones finales. Hubo varias similitudes y diferencias en los análisis de los grupos de investigación. Por ejemplo, aunque el Grupo de Epidemiología Matemática de la Red ITM fue único en el análisis de números de contacto, el consorcio multidisciplinario KETLAK destacó la necesidad de un pensamiento regional y el cálculo del efecto de las capacidades de salud reales en escenarios de mortalidad.

SEGUÍ LEYENDO: