COVID-19: el modelo noruego

Lisbet Jære

Periodista afincada en Oslo

Entre marzo de 2020 y junio de 2022, Arnoldo Frigessi no tuvo ni un minuto libre. Profesor de Estadística de la Universidad de Oslo (UiO) y del Hospital Universitario de la misma ciudad, este científico fue contratado por el Instituto Noruego de Salud Pública (NIPH) para colaborar con el equipo de modelización de la pandemia. Día y noche.

Las autoridades sanitarias necesitaban conocer posibles consecuencias de la pandemia, tales como la progresión en la población y el número previsible de hospitalizaciones y muertes. Y el equipo de modelización se consagró a esta tarea.

“A veces hacíamos jornadas laborales de 17 horas. Mi sueldo lo pagan los contribuyentes, lo que implica una gran responsabilidad de cara al público”, afirma el experto. “Los modelos matemáticos permiten explicar o representar situaciones complejas como una pandemia. Así que nos dedicamos a elaborar modelos que permitieran explicar las complejas relaciones existentes entre la conducta de las personas, la difusión del virus y las medidas adoptadas por las autoridades sanitarias del país”.

“Noruega fue uno de los primeros países que dispuso de un modelo eficaz basado en datos de los teléfonos móviles”, apunta Frigessi. “Ya teníamos sólidos datos demográficos del número de admisiones hospitalarias y de las tasas de positividad”. Sin embargo, explica, aunque un modelo matemático permite el seguimiento de un gran número de individuos y de los factores que influyen en el curso de la enfermedad, nunca ofrece una imagen exacta de la realidad.

Como muchos otros países, Noruega utilizó un SEIR, un modelo epidemiológico que permite prever la dinámica de las enfermedades infecciosas mediante la clasificación de las personas en cuatro categorías posibles: susceptibles [S], expuestos [E], infectados [I] o recuperados [R]. El equipo adaptó este modelo al COVID-19, basándose en datos demográficos, epidemiológicos y de movilidad.  

Los modelos más sencillos, como los que se aplican al cáncer, se basan en la hipótesis de que los factores de riesgo permanecen constantes en el tiempo y el espacio. La dificultad, al tratarse de una pandemia, es que un individuo puede infectar a otro, lo que genera interdependencias complejas.

Arnoldo Frigessi tiene una vasta experiencia en materia de modelización de enfermedades infecciosas, habiendo trabajado sobre la propagación del VIH a principios de los años noventa. “Una de las mayores diferencias es que el VIH se difundió lentamente, mientras el COVID-19 se propagó como fuego sobre un reguero de pólvora. Pero ambas infecciones tienen un punto en común: se puede ser portador del virus sin mostrar síntomas, rasgo que complicó mucho la elaboración del modelo”.

Fue el aprovechamiento de los datos procedentes de los teléfonos móviles lo que permitió que el modelo noruego destacara de los demás. Al proporcionar información sobre la movilidad de la gente, esos datos permiten predecir con exactitud la propagación del virus.

En 2020, Solveig Engebretsen fue identificada por el periódico Norwegian Business como una de las estrellas ascendentes de la juventud noruega. El tema central de su tesis doctoral fue la utilización de los datos de telefonía móvil en la elaboración de modelos matemáticos sobre la gripe. Frigessi había sido su director. A principios de 2020, Engebretsen se incorporó al equipo de modelización, donde recibió el apodo de “la cazadora del Corona”.

El equipo recibió autorización para utilizar los datos de telefonía móvil de la empresa de telecomunicaciones Telenor, que brinda servicio a la mitad de la población del país.

“Cada seis horas”, explica la joven, “recibíamos los datos de los móviles sobre los desplazamientos dentro del perímetro municipal. Cartografiando los movimientos, creamos modelos de propagación de la infección dentro de los municipios noruegos”.

La rapidez de trasmisión del virus se midió por el número R, o tasa de reproducción del virus, que cuenta todos los casos de COVID-19 generados por una persona infectada. Se consideró que la progresión se detenía cuando el valor de R era inferior a 1. En el modelo en cuestión, el valor de R estaba determinado por los datos hospitalarios y los resultados de los tests. Puesto que los tests ya no son obligatorios, ahora ese valor se basa únicamente en el número de hospitalizaciones.

“Teníamos miedo de equivocarnos constantemente”, recuerda Frigessi. Por lo general, los proyectos de investigación prevén que los resultados se verifiquen dos o tres veces, lo que resultaba imposible en el contexto de urgencia de la pandemia. Pero la falta de tiempo no era el único reto al que tuvieron que enfrentarse. El equipo tuvo que estar pendiente de los incesantes cambios de estrategia, las conductas, las modalidades de detección y las variantes del virus. En cada mutación, era preciso adaptar el modelo.

“A los seres humanos no nos resulta fácil gestionar lo desconocido y las grandes cifras. Los modelos matemáticos y las estadísticas son una herramienta sistemática para reunir las informaciones disponibles sobre el virus”, explica Engebretsen, señalando que el NIPH también ha utilizado otros modelos.

Otro desafío radica en cómo transmitir al público esta complejidad. “A veces nos han acusado de ser demasiado pesimistas, especialmente en lo relativo a las hospitalizaciones. En ese ámbito, se adoptaron medidas suplementarias, pero nuestras previsiones no tomaban en cuenta la repercusión de esas nuevas medidas”, precisa la experta.

“Los científicos deben aprender a explicar mejor los temas más complejos, pero los responsables políticos y los ciudadanos también tienen que entender que se trata de informaciones complicadas, que exigen algunos esfuerzos de su parte. No todo se puede simplificar”, insiste Frigessi, y recuerda que la gestión de una pandemia no es solo un asunto de cifras y estadísticas. “Cuando hay que tomar decisiones, las dimensiones éticas, sociales y económicas también pesan en la balanza”.