¿Pueden los mejores modelos climáticos del mundo prever los casos de dengue?

Estados Unidos propuso un reto común a 16 equipos de todo el mundo –dos de ISGlobal–: prever la incidencia del dengue en Iquitos (Perú) y San Juan (Puerto Rico). Xavier Rodó, ICREA Research Profesor y jefe del programa de Clima y Salud de ISGlobal, comparte el proceso y los resultados.

Una nueva iniciativa en la que ha colaborado ISGlobal ha permitido por primera vez analizar la capacidad que tenemos actualmente en todo el mundo de prever brotes de dengue. Esta enfermedad infecciosa es un problema de salud pública de primer orden, que va en aumento en muchos lugares del planeta ya que el vector principal que la transmite –el mosquito Aedes aegypti– es esencialmente urbano.

El dengue es una infección viral transmitida por mosquitos que se encuentra con más frecuencia en el Caribe, las Américas y el sudeste asiático. La enfermedad generalmente es leve, pero también puede causar síntomas severos similares a la gripe y puede llegar a ser mortal. Según la Organización Mundial de la Salud (OMS), se estima que se producen hasta 100 millones de infecciones al año en más de 100 países, lo que pone en riesgo a casi la mitad de la población mundial.

La nueva investigación, impulsada por el Grupo de Trabajo de Ciencia y Tecnología de predicción de pandemias del gobierno de Estados Unidos, seleccionó los mejores modelos computacionales que en algún lugar del planeta se utilizan o se han utilizado para hacer previsiones de la incidencia del dengue. Así, 16 equipos de todo el mundo recibieron el mismo reto: prever los brotes de dengue con los datos de la incidencia de la enfermedad y clima de Iquitos (Perú) y San Juan (Puerto Rico).

La investigación, impulsada por el gobierno de Estados Unidos, seleccionó los mejores modelos computacionales que en algún lugar del planeta se utilizan o se han utilizado para hacer previsiones de la incidencia del dengue

Entre los 16 modelos escogidos, dos eran generados por investigadores de ISGlobal, los únicos de España. La primera herramienta escogida fue la liderada por la investigadora visitante Rachel Lowe, basada en un modelo estadístico bayesiano. La segunda, desarrollada por mí, es un modelo dinámico complejo.

Uno de los retos era conseguir hacer la mejor previsión operacional del dengue en San Juan (Puerto Rico), una ciudad que es la puerta de entrada de muchos casos importados en Estados Unidos y donde los cuatro serotipos de la enfermedad están presentes. En el otro localidad, Iquitos, las dinámicas de la enfermedad son muy diferentes.

Dengue y datos climáticos de Iquitos (Perú) y San Juan (Puerto Rico).  Figura 1. Revista PNAS.  doi.org/10.1073/pnas.1909865116.
 

Este tipo de iniciativa es muy interesante ya que exige a todos los participantes desarrollar las previsiones en las mismas condiciones y permite testar los diferentes modelos. La previsión de epidemias de enfermedades infecciosas moduladas por el clima ha convertido en una prioridad en muchos países donde los efectos del cambio climático se está dejando notar de manera más clara, aunque este tipo de herramientas todavía son escasas.

Este tipo de iniciativa es muy interesante ya que exige a todos los participantes desarrollar las previsiones en las mismas condiciones y permite testar los diferentes modelos

Tomando en consideración información climática y poblacional, los resultados, que ahora se han publicado en la revista científica PNAS, mostraron que el nuestro y algunos otros modelos podían hacer una mejor previsión al principio de la estación de lluvias, cuál sería la semana en la que se produciría el pico epidémico o cuál sería la cantidad de casos de la enfermedad en el conjunto de todo un año. Otros, en cambio, previeron adecuadamente la máxima incidencia en el pico epidémico, pero ninguno de ellos se mostró superior al multimodelo desarrollado al juntar las previsiones de todos los modelos que mostraban capacidad predictiva para cada objetivo en particular.

 Habilidad de pronóstico por equipo, semana de pronóstico y objetivo en las temporadas de prueba (2009/2010 a 2012/2013). Figura 3. Revista PNAS.  doi.org/10.1073/pnas.1909865116. 

La apuesta por el multimodelo, como en el caso de las previsiones climáticas, parece también clara en el caso de las infecciones arbovirales, seguramente porque todavía hay muchos aspectos importantes de la epidemiología que desconocemos o no entendemos del todo bien y eso hace que los diferentes modelos se complementen en el multimodelo.

Ninguno de los modelos se mostró superior al multimodelo desarrollado al juntar las previsiones de todos los que mostraban capacidad predictiva para cada objetivo en particular

Esta iniciativa ha permitido por primera vez hacer un ejercicio conjunto similar en intención ­–aunque no en magnitud– al que se hace con el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC, por sus siglas en inglés), con el fin de predecir el clima del futuro. Ha permitido ver cuáles son las limitaciones que tienen y en qué aspectos se debe seguir investigando para conseguir mejorar su capacidad. En Estados Unidos ya se está promoviendo la continuación del reto y la extensión de iniciativas similares en otras enfermedades, como la gripe. Habrá que seguir haciendo esfuerzos internacionales similares dado el auge inesperado de este tipo de patologías a nivel mundial en los últimos años.