Los científicos siguen trabajando incansablemente para averiguar toda la información posible sobre el SARS-CoV-2, el coronavirus causante de la pandemia de Covid-19 que asola el mundo y que parece no tener una fecha en el horizonte para marcharse, por lo menos hasta tener una vacuna confirmada para vacunar a toda la población.
Los expertos siguen intentando saber cómo funciona el virus, cómo se transmite y en qué condiciones, para así poder preparar estrategias y protocolos que permitan convivir con él en la medida de lo posible. En ese sentido, es de sobra conocido que mientras más grande es una área, y mientras más poblada esté, especialmente si la densidad de población también es alta, es más probable que el virus se convierta en un problema grave de salud pública.
Las grandes ciudades, por ejemplo, fueron las zonas más afectadas por la primera ola, ya que los confinamientos permitieron evitar que el virus acabase llegando a las zonas más rurales, aunque también llegó. Esto permitió, por ejemplo, que hubiese zonas que prácticamente no tuvieran casos de Covid-19 entre marzo y junio de este año, una situación que en esta segunda ola ha cambiado.
El Covid-19 está ahora mucho más extendido, llegando a pueblos y zonas donde prácticamente no se le había visto antes. Por esa razón, los científicos están intentando averiguar qué papel juegan los movimientos migratorios, los desplazamientos y los grandes y pequeños grupos de personas en la transmisión del virus.
En ese sentido, un estudio publicado en la revista 'Chaos' ha puesto al descubierto que dividir a la población en múltiples subpoblaciones que no se mezclen entre ellas puede ayudar a controlar los brotes sin imponer demasiadas restricciones dentro de esos subgrupos. Para realizar el estudio, los científicos se han ayudado de las matemáticas y simulaciones por ordenador.
Los grupos pequeños bajan el porcentaje de infección en la población
«La idea clave es que, en números bajos de infección, las fluctuaciones pueden alterar el curso de las epidemias de manera significativa, incluso si se espera un aumento exponencial en el número de infecciones promedio», explica Ramin Golestanian, uno de los autores del estudio.
Philip Bittihn, otro de los autores, comenta que «cuando una gran población se divide en comunidades más pequeñas, estos efectos aleatorios cambian por completo la dinámica de toda la población. La aleatoriedad hace que el número máximo de infecciones se reduzca».
En la práctica, sus premisas indican que en una epidemia, la aleatoriedad puede cambiar profundamente los efectos de la enfermedad. Por ejemplo, en el caso en que un viajero contagiado llega a una gran ciudad que, hasta ese momento, está limpia de la enfermedad. Ese viajero debe coger un autobús a las 08:52 horas para llegar hasta su casa, un turno que suele ir abarrotado de gente porque es hora punta para desplazarse al trabajo.
Al llegar al aeropuerto, ese viajero tiene un problema con su maleta, lo que hace que no llegue a tiempo para coger el bus de las 08:52 horas y tenga que esperar hasta el de las 10:12 horas, un turno en el que el autobús suele ir con muchos menos pasajeros. Casualmente, el autobús que coge el infectado solo tiene dos pasajeros más aparte de él, una mujer situada en la parte trasera del vehículo y un hombre mayor cerca del conductor, pegado a la ventana.
Nuestro enfermo escoge una fila central del vehículo para sentarse, lejos tanto del hombre mayor como de la mujer de detrás, y no entra en contacto con ellos. Cuando llega a su parada, se baja y se dirige a su casa.
En esta situación, la aleatoriedad de la pérdida de su maleta en el aeropuerto provocó que, en vez de viajar en un autobús abarrotado de gente y sin espacio interpersonal, el enfermo viajase en un vehículo grande, espacioso y sin personas cerca de él, lo que evitó que transmitiese la enfermedad a estas dos personas, lo que hubiera podido desencadenar un brote y descontrolarse hasta llegar a tener transmisión comunitaria.
Esta situación hipotética es solo un ejemplo de cómo afecta la aleatoriedad al desarrollo de una pandemia de las características del Covid-19, y por eso los científicos han intentado establecer formas de evitar situaciones así.
En este estudio se analizó una población de 8 millones de personas con 500 personas contagiadas en el momento inicial y con medidas de distanciamiento social implementadas. Así, el Covid-19 se expande de manera exponencial por esa población, duplicando el número de contagios cada 12 días.
«Si se permite que esta población se mezcle de manera homogénea, la dinámica evolucionará de acuerdo con la predicción determinista con un pic de alrededor del 5% de individuos infectados, explica Bittihn. Pero si esa población se subdivide en 100 subpoblaciones de 80.000 personas, el porcentaje máximo de personas contagiadas desciende hasta el 3%
Según el estudio, ese descenso se debe a que algunos de los subgrupos poblaciones logran terminar las cadenas de transmisión del virus de forma espontánea, lo que hace que el coronavirus deje de transmitirse por ese núcleo de población más pequeño. Si en lugar de 100 subgrupos se dividiesen en 500, el porcentaje de infecciones todavía baja más, hasta el 1% como pico máximo.
Los expertos son conscientes de la dificultad que supondría subdividir así a la población, y admiten que este tipo de subpoblaciones no se pueden aislar perfectamente, lo que convertiría esta estrategia en una medida temporal. Por esa razón, los científicos están realizando más estudios que tenga en cuenta estas cuestiones y las 'contramedidas' que pudieran ser adecuadas para solventarlo.