A lo largo de la historia, la humanidad ha afrontado epidemias de diversas magnitudes, algunas devastadoras, como la llamada plaga de Atenas, en el afio 430 aC., en plena Segunda Guerra del Peloponeso. No se conoce la naturaleza de la plaga, pero segtin el historiador Tucidides, que la contrajo y sobrevivi6, la ciudad de Pericles tardé 50 afios en recuperarse y, durante esa época, la desesperanza fue tal que sus habitantes perdieron la fe en los dioses y en las leyes ante unainminente muerte. Segiin Tucidides, la plaga vino de Etiopia y pasé luegoa Egipto, Libia y Grecia. Incluso los espartanos que asediaban Atenas se retiraron por el temor a la epidemia.HISTORY OF PANDEMICSLa peste negra asolé Europa y Asia en el siglo XIV, siendo probablemente la pandemia mds terrible que ha sufrido la humanidad; su pico se produjo entre los afios 1347 y 1353, y séloen Europa se registraron 25 millones de victimas, jla tercera parte de su poblacién!, y entre 40 y 60 millones en Africay Asia. Se cree que su origen fue de nuevo Africa y los calculos indican que se extendid ferozmente por Asia y Europa, Las consecuencias sociales fueron enormes y, posiblemente, fue una de las principales causas del fin de la Edad Media. Otro episodio terrible esta asociado a la mal llamada gripe espariola de 1918, que acabé con 25 millones de vidas en todo el mundo en sus primeros seis meses (aunque algunas fuentes llegan hasta los 100 millones en total). Comenzé en Estados Unidos, en los campamentos militares donde los soldados eran preparados antes de ser enviados a Europa durante la Primera Guerra Mundial. La gripe se extendi6 pronto a Francia, Italia y Alemania, y después a Espajia, pais neutral que informé a través de sus periédicos del tema sin censuras, al contrario de los paises en guerra. Estudios recientes han identificado el virus causante como un virus aviar. En tiempos recientes hemos asistido a la emergencia del sida, de la gripe aviar de 2009 0 del ébola, mientras que regiones enteras del planeta sufren de manera habitual desde hace décadas, incluso siglos, enfermedades como |a malaria, el dengue 0, mas recientemente, el zika. Hemos temblado con las noticias de pandemias causadas por virus de animales, como el SARS (murciélagos en China) y el MERS (murciélagos en Arabia Saudi). Estos dos ultimos casos son producidos por coronavirus; es decir, virus que padecen algunos animales y que, en algtin momento, sufren una mutacién que les permite atacar también a los humanos (a veces por una especie intermedia). En nuestros dias, conocemos al enemigo bastante mejor que los atenienses 0 los europeos de la Edad Media gracias, en particular, a tres grandes contribuciones de la segunda mitad del siglo XIX y principios del XX: la teoria germinal de las enfermedades del francés Louis Pasteur; la identificacién del virus del tabaco delruso Dimitry Ivanovski, usando el filtro Chamberland-Pasteur;y la invencién del microscopio electrénico, que desde 1931 permite fotografiar al enemigo. ‘Aunque el SARS-nCoV-2 (inicial y comuinmente conocido como Covid-19) es un nuevo virusy nos pone ante un nuevo desafio, no resulta totalmente desconocido por pertenecer a la familia de los coronavirus (Figura 1). No obstante, la pandemia que ha generado no sélo tiene que ver con los aspectos bioldgicos del virus sino, quiz con mayor importancia, con aspectos sociales y demograficos. Figura 1: Coronavitusy sus caracteristicas espinulas en forma de corona. Es verdad que las matematicas no curan enfermedades directamente, pero si ayudan a explicar como se extiende un céncero propaga una epidemia, oa medir la efectividad de una vacuna o testar la de un medicamento. En ocasiones, las matematicas ayudan modestamente a comunicar mejor o incluso a simularescenarios que ayuden ala toma de decisiones. Las herramientas que estan mas cercanas a estos problemas son las ecuaciones diferenciales y los modelos estocasticos, pero también la teoria de juegos, big data, machine leaming y, en general, e! andlisis de datos juega ya un papel relevante, especialmente cuando queremos incluirlos aspectos de las conductas sociales. SARS-CoV-2 y las matematicas En estos momentos de angustia en tomo al infame coronavirus, llegan voces desde distintos campos de la ciencia tratando de echar una mano para entender o mitigar la pandemia. En un mundo de biotecnologia parece extrafio acudira las matematicas para resolver los enigmas que el SARS-CoV-2nos plantea. Esto se debe a que, normaimente, no se concibe la conexidn entre las matematicas y la realidad més alla de “contar con los dedos” como aprendimos a hacer de nifios. Para probar al lector que esto no es asi, seamos osados y jcontemos con los dedos! Imaginemos que cuando acabe todo fuésemos capaces de determinar quién contagié a quién. I lector podria ser el primer portador del virus y haber estrechado la mano 0 tosido delante de otras 3 personas que se contagiaron asu vez. Luego, cada una de estas tres personas habrian contagiado a otras 3 (y ya van 14349) que, por avatares de la vida, habrian propagado la infeccién a otras 3 (es facil contar: 14349427). Matematicamente, esto se conoce como progresién geométrica 0, como se repite en los medios estos dias, crecimiento exponencial. En epidemiologia, ese ntimero 3 se conoce como ritmo (0 factor) reproductivo basico, Ro, y representa el numero medio de contagios propagados por cada persona contagiada. Este ntimero tiene que ser mayor que 1 para que haya epidemia y, como parece natural, cuanto mayor es, mas explosiva sera la epidemia. Por poner unos ejemplos, el sarampién tiene un valor Ro entre 12 y 18, yel ébola y la gripe comtin entre 2 y 3.Con Rono somos capaces de medir cémo de letal es un virus, s6lo cémo de infeccioso ha sido en una cierta poblacién. A partir de los datos de China, se observa que SARS-CoV-2 tiene unfactor Roestimado en 2,68 (aunque sospechamos que, en el caso de Italia 0 Espafia, Ro podria ser mayor). Las medidas de higiene y distanciamiento social que sufrimos en estos dias permiten hacer decrecer Ro y, por tanto, mitigan el impacto de la propagacién de SARS-CoV-2. Para cuantificar este impacto, proponemos utilizar un modelo matematico (y sus variantes) ya existente propuesto por el escocés Anderson Gray McKendrick en el afio 1926, conocido como modelo SIR de epidemias. Con los términos SIR se hace énfasis sobre los tres estados de un individuo ante la enfermedad — susceptible (sano), infectado (infeccioso con capacidad para contagiara otros) y removido (recuperado e inmune a nuevas infecciones, 0 fallecido)-, asi como su evolucién S-> J > Renel tiempo. Los estados dan lugar a tres compartimentos — 0 subpoblaciones de individuos susceptibles, infectados y removidos — que permiten clasificara los individuos de la poblacién en cada instante de tiempo. En términos del modelo SIR, la propagacién de SARS-CoV-2 esta vinculada al sistema de ecuaciones diferenciales para las proporciones s(t) de susceptibles, i(t) de infectados y r(t) de removidos respecto al tamajio N de la poblacién (que se asume constante) dado por ds(t) dt di(t) dt dr(t) dt bs (Hi, (Bs) - aio), = ai(t),donde B es la tasa de infecciény aes la tasa de recuperacién, en el supuesto de = $0 >0, i (0) = cotidiano, la primera ecuacién nos dice que la velocidad.con la que decrece el las proporciones iniciales s (0) - so >0y F (0) =0. En lenguaje numero de susceptibles es proporcional al producto s(t) i(0), donde este producto se puede interpretar como la probabilidad de que una persona susceptible se encuentre con una infectada y el parametro 6 mide la probabilidad de que el contagio sea exitoso. Es interesante entender que B tiene tanto que ver con el numero promedio de “encuentros” entre personas susceptibles e infectadas, como con el resultado de esa infeccién. Como discutiremos mas adelante, esto tiene implicaciones en las politicas de aislamiento y de higiene. Una sencilla interpretacion de los signos de las derivadas de s(t), i(t) y r(0), garantiza que la proporcién de individuos susceptibles disminuira (s(t)$ so) hacia su valor final s-= limt-==s(t) y la proporcién de removidos se incrementaré hacia un valorfinal r= fim: =r(t) mientras que, en ambos casos, existan individuos infectados. Por el contrario, la proporcién de infectados aumentara si Bs(t)>a y disminuird si Bs(t) 1 (en promedio, un individuo infectado transmite la enfermedad antes de recuperarse), la proporcién de infectados podria decrecer desde el primer momento (i(t}$1-s0) si so < 1/Ro, mientras que podria aumentarinicialmente hasta Ja maxima proporcién ; 12 Aig l/Ro imax = 1— p+ Rlog—— y luego decrecer hasta la extincién cuando so> 1/Ro. En este segundo caso, tiene sentido hablar de epidemia y el pico de la infeccién se alcanza cuando la proporcién de susceptibles coincide con el umbral critico a/B, es decir, en el instante de tiempo tnax> 0 que verifica s(tnax) = 1/Ro. Como mencionamos con anterioridad, el coronavirus SARS-CoV-2 tiene un valor de Ro préximo a 2,68, por lo que si toda la poblacién fuese susceptible al virus (esto no sabemos si es asi a dia de hoy), el virus podria infectarsimultaneamente a casi un cuarto de la poblacién sino aplicamos ninguna medida de precaucién o control. La magnitud de imax. pequefia o grande — es fundamental para determinar si los recursos sanitarios son suficientes o no ante la propagacién de SARS-CoV-2. Para ello, basta traducir la capacidad del sistema sanitario en términos de un numero i* que refleje sus limitaciones (por ejemplo, en términos de la proporcién de camas hospitalarias en UCI disponibles para atender a una poblacién de individuos), y concluir que los recursos son suficientes si se tiene imax < i* 0, por el contrario, son insuficientes cuando jmax>i* Qué hacer si se prevé que los recursos sanitarios no serén suficientes?Para entender cémo podemos revertir una situacién de alarma, inax> i*, en otra aceptable, imax i*, es importante hablar de dos conceptos y Ia relacién entre ellos 1. La velocidad exponencial de crecimiento 2. Las medidas de contingencia Para complementar nuestros comentarios sobre Roy lanocién de velocidad exponencial de crecimiento de una epidemia, nos fijamos en la proporcién j(d) = i(t) + (0) de individuos afectados por la enfermedad hasta el instante t (si se estuviesen realizando tests masivamente en la poblacién, esta proporcién deberia coincidir con los datos que aparecen en losmedios asociada a los “casos. confirmados’); a partir de esta proporcin, podemos estimar el numero acumulado de fallecidos, dado por pNj(t), donde p es el indice de letalidad de la enfermedad. En concreto, el valor p=0,023 estimado en China refieja que el porcentaje de fallecidos entre los afectados por SARS-CoV-2 es el 2,3%. Matematicamente, se puede encontrar una expresién explicita para la fraccién de afectados: a 1 JO = ae 1-So que muestra que la proporci6n j(f) es inversamente proporcional ae, de manera que el ntimero acumulado de afectados Nj(}) se incrementarda la misma velocidad que el valor de e* decrezca cuando el tiempo tse incremente. Como j(t) es una funcién creciente del tiempo y sus valores minimo y maximo son 1-so(en el instante de aparicién del patégeno) y 1-s» (en el instante de extincién), con 0 < 1-80 < 1-s- $ 1, su crecimiento noes siempre del mismo ti En concreto, existira un intervalo de tiempo donde la velocidad del crecimientode j(t) aumenta hasta alcanzar su valor maximo. Para determinar ese intervalo, traducimos la velocidad de crecimiento de (t) en términos de su derivadadj) _ “AS a BOA-jO)VO, y determinamos su valor maximo como funcién de j(l), dentro del rango 1-sos J) $1. Desde la Figura2 es sencillo llegara la conclusi6n de que la maxima velocidad de crecimiento se alcanzar cuando j(t) = 1/2 lo habrahecho en un instante de tiempo antes del cual la velocidad de crecimiento crece hasta su valor maximo 6/4 y, después del cual, la velocidad comienza a decrecer progresivamente. ‘veocinea 08 camo, o Proporeén de inaivos aectades, Figura 2: La velocidad de crecimiento de j(t) (es decir, oj(i/al) como funcién de j(t. Desde lo anterior, es claro que la curva del numero acumulado de afectados por SARS-CoV-2 nose suavizaré hasta que el 50% de la poblacién nose haya visto. atectada por la epidemia, siempre que la epideriano se haya extinguido antes.En el supuesto de que SARS-CoV-2 siga propagandose, .cémo podemos ‘suavizar la curva del nimero acumulado de afectados? La respuesta se encuentra entre nuestras observaciones anteriores: Minimizando el valor maximo f/4 de la velocidad de crecimiento. Eso significa “disminuir la tasa de contacto entre individuos” para hacer posible disminuir la tasa de transmisién , en el mismo sentido que el factor reproductive basico Ro. En este punto, toman sentido las medidas de distanciamiento social, asi como medidas profilacticas (uso de guantes, mascatillas, lavado de manos) dictadas por los Gobiernos de los paises afectados por SARS-CoV-2 Pongamos un ejemplo para poner de manifiesto las repercusiones de una medida de contingencia, como el distanciamiento forzoso de los ciudadanos, ante la enfermedad Covid-19 asumiendo que el valor Ro = 2,68 del factor reproductivo — Publicado en la revista cientifica Lancet es correcto; en ese caso, la tasa de contagio estimada es B = 0,19 dias“ y el tiempo medio de transmisién es, aproximadamente, 1/8= 5,26 dias. Tomemos cuatro escenarios: | Escenario 1: Sin medidas de contingencia. Representa la propagacién de SARS- CoV-2 sin medidas de control, es decir, 6 = 0,19 dias ~'y Ro = 2,68. | Escenario 2: Medidas de contingencia leves. Se ponen en practica medidas de control de baja intensidad ("= 90% 6) que conducen a Ro= 2,39. | Escenario 3: Medidas de contingencia moderadas. Se ponen en practica medidas de control de intensidad media (B” = 80% 8) que conducen a Ro= 2,13. | Escenario 4: Medidas de contingencia severas. Se ponen en practica medidas de control de alta intensidad (8"= 50% B)) que conducen a Ro= 1,33.2 0 Proporein de intctadossctos (4) 6 5 Dias desde el comienzo de a infeccion Figura 3: Variacién de la proporcién de ii de las medidas de contingencia. fectados i() en funcién de la intensidad © © 20 Proporeon de infctados tales (1) ° Dias desde el comienzo de a infeccion Figura 4; Variacién de la proporcién de individuos afectados j(t) en funcién dela intensidad de las medidas de contingencia.——$<— ‘Seraresa ope ein epsom o idmia (ae) © #° i : Be de § i scenaro de etervencin (% del Bana) Escenaro de itervencin (del ocgnal Figura 5: Tiempo transcurrido hasta alcanzarel pico de infeccién tmax_y proporcién maxima de individuos simu taneamente infectados imax en funcién de la intensidad de las medidas de contingencia. Observando detenidamente las Figuras 3 y 5, es claro que el pico de infeccién, en términos de la maxima proporcién max de infectados, disminuye alavez que el instante trax de ocurrencia del pico de infeccién se incrementa cuando se ejecutan medidas de control mas severas; en tal caso, una adecuada especificacién del umbral i* de capacidad limite de los recursos sanitarios permitira definir medidas de contingencia concretas, sin que resulten ser excesivas para los ciudadanos. E! incremento del ntimero de dias desde el inicio de los contagios hasta alcanzarel pico de infeccién también permite dar cabida al desarrollo de tratamientos paliativos (antivirales) y acercamos a la fecha en la que una vacuna pueda estar disponible y ayude a poner fin definitivamente a la epidemia. ‘Ademés, la imposicién de medidas de contingencia mas restrictivas hace que la franja [1-so, 1-s-] de variacién de la proporcién de individuos afectados j(t) en la Figura 4 se contraiga, al decrecer su valor limite 1-se, lo cual permitird disminuir el impacto de la enfermedad, medido en términos del numero de individuos que se veran afectados.Es importante observar que la tasa de recuperacién a'se ha mantenido constante en el ejemplo, reflejando que no existe tratamiento especifico 0 vacuna que permite mejorar el tiempo medio de recuperacién. Por ello, todos los esfuerzos de lucha frente a SARS-CoV-2 estén orientados hacia la disminucién dela tasa de contagio B. El modelo y sus limitaciones No queremos engafiaral lector: el modelo SIR es un modelo inicial — la comunidad cientifica anglosajona usa el término toy mode! para referirse a un modelo de partida que progresivamente es mejorado — y nuestro anterior ejemplo es ideal. Con seguridad, ambos estaran muy alejados de una realidad que, por ahora y hasta que la pandemia de SARS-CoV-2 se estabilice, no conoceremos con detalle. En ese momento, las estimaciones de las tasas de contagio y de recuperacién serén mas precisas y el modelo se vera seriamente modificado por lanecesidad 0 node distinguir entre susceptibles, infectados-asintomaticos, infectados- sintomaticos, recuperados-infecciosos y recuperados (incluyendo alos fallecidos) si se confirman los diferentes indicios epidemiolégicos en ese sentido. Incluso el modelo podria ser estructurado por edades y patologias previas para reflejar diferentes niveles de letalidad de la enfermedad, e incluso modificado cuando una vacuna efectiva sea conocida. Otros caminos no tan evidentes y que merecen ser explorados consistirian en asumir que los parémetros del modelo son cambiantes (debido a medidas politicas, al temor de los ciudadanos frente a las noticias, ...). , por ponerotro ejemplo, la suposicién de que el contagio es proporcionala s(t) i(t) deberia modificarse para reflejar la compleja red social de contactos; en particular, se sabe que la mayoria de los ciudadanos se mueven en citculos de contactos pequefios, pero algunos individuos, llamados superpropagadores, son capaces de llevar la enfermedad de una ciudad a otra 0, como en el caso de SARS-CoV-2, de un continente a otro. No nos cabe ninguna duda de que, para conseguirun modelo predictivo suficientemente preciso para el estudio de SARS-CoV-2, sera necesario realizarun esfuerzo multidisplicinar entre epidemidlogos, inmunélogos, neumélogos, bioestadisticos y matematicos, entre otros. Desde el lado de las matematicas y, en general, de todas las ramas de la ciencia, ya existen algunas iniciativas para desarrollar modelos mas precisos que permitan evaluar cuantitativamente el impacto de estas medidas. Hasta ese momento, los autores esperan haber convencido al lector ~ inclinado 0 no hacia las matematicas- de la importancia de esforzamos en hacer disminuirla tasa de contagio B, es decir, de respetar el consejo 1Quédate en casa!