“Consideramos los datos compartidos por el gobierno chileno entre el 3 de marzo de 2020 y el 27 de julio de 2020, asumiendo las medidas de control declaradas hasta esa fecha, antes del plan Paso a Paso”, detalla Yissedt. “Entonces”, continúa, “considerando esa línea temporal de datos, realizamos un análisis regional de casos positivos para COVID-19, estableciendo un estudio desacoplado para el modelo epidemiológico por compartimentos, planteado para la propagación del virus, el cual tiene en cuenta si la población involucrada se encuentra en cuarentena, y si el diagnóstico se presenta para pacientes con o sin síntomas, así como los notificados de forma tardía”. 

En cuanto a la medición del contagio, la investigadora destaca que, en el estudio, “se prestó especial atención al cálculo del número reproductivo básico R_0, al cual se le incorpora un estudio de sensibilidad con los parámetros estimados que lo definen por cada región. Dentro de ese mismo estudio de sensibilidad e identificabilidad, se considera para cada región los periodos particulares que se establecieron de cuarentena, donde para algunos casos se entiende como medidas consecutivas de relajación y otras de refuerzo”. 

Lara-Díaz destaca que cada región del país presenta sus propias particularidades, por lo que decidieron desagregar el estudio territorialmente, “además de los diferentes periodos de inicio, momento peak de los contagios y las diferentes medidas de control establecidas a cada una”. 

Es así que, por ejemplo, afirma, “en el periodo que estudiamos se veían cuarentenas aplicadas de forma preventiva como fue el caso de las regiones de Aysén y del Bío-Bío, caso contrario a las cuarentenas que fueron aplicadas en la región Metropolitana y de Valparaíso, que se declararon en medio de un momento de emergencia y creciente de casos, situación que cambió con la actual estrategia considerada por el Gobierno llamada Paso a Paso, que considera, por ejemplo, el porcentaje de positividad de las pruebas PCR por comunas, como un criterio para aplicar la medida de cuarentena”, detalla.

En el mismo sentido, explica Lara-Díaz, “logramos observar diferencias claras en la propagación de la enfermedad en las regiones. Por ejemplo, el dato más destacable que encontramos fue la forma en que se aplicaron las cuarentenas, en diferentes periodos de la propagación de la enfermedad a nivel regional. En la Región de la Araucanía, se aplicó una medida de cuarentena inicialmente a cerca del 80% de la población para luego relajar la medida hasta dejar en la última declaración a cerca del 10% de la población. Estas medidas, por ejemplo, fueron aplicadas en periodos diferentes de la propagación regional, desarrollando curvas de contagios muy diferentes, con un peak bien claro en la región Metropolitana y en la región de Araucanía, un crecimiento más lento sin un peak bien definido”. 

Por ejemplo, detalla la investigadora, en “la región Metropolitana, para el periodo de nuestro estudio, presentó medidas de reforzamiento, es decir, había un aumento en la población de la región bajo cuarentena casi hasta alcanzar cerca del 98%”.  Por otro lado, “en la Región de la Araucanía, se aplicó una medida de cuarentena inicialmente a cerca del 80% de la población para luego relajar la medida hasta dejar en la última declaración a cerca del 10% de la población. Estas medidas, por ejemplo, fueron aplicadas en periodos diferentes de la propagación regional, desarrollando curvas de contagios muy diferentes, con un peak bien claro en la región Metropolitana y en la región de Araucanía, un crecimiento más lento sin un peak bien definido”. 

Una primera aproximación a los resultados de este estudio -financiado por los proyectos Fondecyt 1170473 y 1210610; y ANID/PIA/AFB170001, ANID/FONDAP/15130015, y ANID/MEC80170119- está contenida en el artículo Sensitivity and identifiability analysis for a model of COVID-19 in Chile ya enviado para revisión editorial y pronta publicación en una revista especializada. 

Resultados y proyecciones 

La científica explica, a pesar de que no les fue posible desarrollar un modelo predictivo para el contagio –debido, principalmente, a que la autoridad sanitaria ha modificado diversos conceptos y criterios de evaluación epidemiológica (trazabilidad, casos positivos y de muertes por COVID-19, por ejemplo)– sí lograron formular un modelo de estudio para un caso epidemiológico que presenta importantes potencialidades.  “Nosotros pretendemos continuar con el estudio, para mejorar o perfeccionar nuestro modelo para los demás periodos de evolución del virus, más ahora que se involucran las campañas de vacunación, donde posiblemente también incorporemos datos de movilidad, hechos que esperamos nos permitan llegar a un buen modelo predictivo”. 

“Nuestro estudio contempló un periodo en el que el coronavirus SARS Cov-2 desafío muchos sistemas de vigilancia, ya que se ha comportado de manera muy diferente a lo que se conocía de otros virus, pero puede que lo que logramos estudiar sirva como evidencia para entender el efecto de las cuarentenas, dependiendo el modo y los momentos de aplicación, quedando, además, clara la necesidad de incorporar más dinámicas que influyen en la propagación, como las características ambientales , demográficas y geográficas, así como la conectividad que mantienen entre diferentes regiones del país”, detalla. 

En cuanto a los aspectos más técnicos del modelo propuesto, la investigadora UdeC destaca que “los métodos numéricos y de estimación para el ajuste a los datos chilenos, también pueden ampliar el repertorio de posibles caminos para enfrentar este tipo de estudios, como puede observarse en nuestra reciente publicación en la revista Mathematical Biosciences titulada Measuring differences between phenomenological growth models applied to epidemiology. Por otro lado, me siento que muy motivada por el presente aporte al estudio del COVID-19 en Chile, además de la contribución que implicó nuestro trabajo publicado el año 2019 en la revista Mathematical Biosciences and Engineering que se titula Comparative analysis of phenomenological growth models applied to epidemic outbreaks, que ha sido citado al menos 16 veces en trabajos relacionados al COVID-19 en otros países”