enfoque

“Las enfermedades siguen patrones matemáticos claros”

El médico neurólogo Diego Rosselli, del Departamento de Epidemiología Clínica y Bioestadística de la Facultad de Medicina de la Universidad Javeriana, explica la relación entre matemáticas y epidemiología. 


SEMANA: ¿Qué relación tienen las matemáticas con la epidemiología?

Diego Rosselli: Para comenzar hay que decir que la epidemiología no es el estudio de las epidemias, como su nombre sugeriría. Es la distribución de las enfermedades y su comportamiento en las poblaciones, también es el estudio de cuáles son los factores de riesgo. Y eso tiene que ver con matemáticas. Uno puede calcular la proporción de hombres y mujeres en la epidemia de covid en Wuhan y el resultado se tiene que entender matemáticamente, lo que representa desde sacar porcentajes hasta conceptos mucho más complejos.

SEMANA: ¿Cómo pueden los modelos matemáticos ayudar a estudiar la difusión de una enfermedad?

D.R.: Ayudan a entender las enfermedades, a analizar las variables y a predecir también el desenlace. Las enfermedades siguen modelos matemáticos muy claros y tienen un comportamiento probabilístico. Entre otras cosas uno puede estimar, por ejemplo, cuántos bogotanos se van a infartar, cuántas mujeres van a tener cáncer de mama en una región específica. Sus patrones se repiten con unas variaciones conocidas.

SEMANA: ¿Qué tan precisos son esos modelos?

D.R.: Tienen una enorme precisión y cuando hay una discrepancia entre los resultados del caso de estudio, en muchas ocasiones, el error radica en la recolección de datos. Por ejemplo, uno no sabe hasta qué punto decir que en Colombia se aplanó la curva sea verdad, porque los indicadores matemáticos de progresión de la enfermedad muestran un valor distinto a los datos oficiales. Nuestro modelo de propagación dice que en las dos primeras semanas del virus en el país la variable R0 (cuántas personas contagia un paciente infectado) era de 2,28. Y el estimado que hemos hecho para la última semana es un promedio de 1,5, pero de acuerdo con los datos oficiales ese promedio se redujo a 1,34. Ahora, antes que entusiasmarse, podría haber una falla en la recolección de datos. Entonces ese R0 no es real. Y ahí es donde las matemáticas pueden sugerir que algo falla en la realidad. 

SEMANA: ¿De qué otra manera pueden ser útiles los modelos matemáticos?

D.R.: Aquí otro ejemplo. Ya hay más o menos datos de cuántos infectados podrían ir a cuidados intensivos y cuántos podrían morir. Uno puede hacer un cálculo inverso, una de las propuestas que está trabajando la sociedad de matemáticas: tomar el número de pacientes en cuidados intensivos y a partir de eso estimar la verdadera población de pacientes con covid-19.

SEMANA: ¿Pueden ayudar las matemáticas a conocer la efectividad de una técnica o medida tomada para hacer frente a un virus?

D.R.: Es una de las funciones principales. Lo que pasa es que una intervención puede ser un medicamento, un procedimiento quirúrgico, una prueba diagnóstica o un programa educativo. El problema que tenemos acá, es que el coronavirus es una enfermedad nueva y hay muchas intervenciones complejas al tiempo. Aquí no sabemos qué tanto funcionó lavarse las manos, por ejemplo, porque eso se hizo junto con no abrazarse, junto con poner en cuarentena a los más viejos, incluso con la cuarentena que se hizo muy temprano.