Modelos tradicionales no pueden predecir con certeza evoluciÃ³n de epidemia

Wednesday 22 de July de 2026

Visitas:

Modelos tradicionales no pueden predecir con certeza evoluciÃ³n de epidemia.

SegÃºn investigadores, sÃ³lo se pueden obtener predicciones probabilÃsticas, como las de tiempo, donde se informa con quÃ© probabilidad se puede alcanzar el pico antes de una fecha

Domingo 04 de Octubre de 2020

Por: Europa press

Compartir	Twittear

Ciudad de MÃ©xico.- Un nuevo estudio muestra que los modelos epidemiolÃ³gicos tradicionales, como los de tipo SIR empleados para pronosticar el comportamiento de epidemias, no pueden predecir con certeza la evoluciÃ³n de una epidemia, ni el pico ni el final, mientras la epidemia estÃ¡ teniendo lugar.

"A lo mÃ¡s que podemos aspirar es a obtener predicciones probabilÃsticas, como las del tiempo, donde se nos informe de con quÃ© probabilidad se puede alcanzar el pico antes de una fecha dada, por ejemplo", explica la investigadora Susanna Manrubia, del Centro Nacional de BiotecnologÃa (CNB-CSIC), que ha coordinado el estudio, publicado en Proceedings of the National Academy of Sciences (PNAS). El trabajo es fruto de la colaboraciÃ³n de los investigadores Susanna Manrubia y SaÃºl Ares, del CNB-CSIC; JosÃ© A. Cuesta, de la Universidad Carlos III; y Mario Castro, de la Universidad Pontificia Comillas

SegÃºn los autores, este problema que presentan los modelos tradicionales se puede atenuar con mÃ¡s y mejores datos, y con modelos testados en distintos contextos, pero no se puede resolver completamente. En los modelos tradicionales de la epidemiologÃa se divide a la poblaciÃ³n en cierto nÃºmero de clases o "compartimentos": individuos susceptibles, infectados, recuperados, y varias otras dependiendo de cada caso particular.

Estos "modelos de tipo SIR", por las iniciales de las clases bÃ¡sicas anteriores, capturan las caracterÃsticas fundamentales de la dinÃ¡mica de un proceso de propagaciÃ³n de infecciones. "Pero en este estudio hemos mostrado que los datos empÃricos no pueden predecir el curso futuro de la epidemia, cuÃ¡ndo llegarÃ¡ a su mÃ¡ximo, si habrÃ¡ o no un repunte, cuÃ¡l serÃ¡ el nÃºmero final de fallecidos o si el confinamiento tendrÃ¡ el efecto deseado", detallan.

"Mediante los datos oficiales publicados por el Ministerio de Sanidad y las comunidades autÃ³nomas, con reportes diarios de casos confirmados, pacientes recuperados y fallecidos, obtenemos un conjunto de parÃ¡metros compatibles con las observaciones mediante mÃ©todos de ajuste estadÃstico", indica la investigadora. "Si bien el ajuste es excelente para el conjunto de EspaÃ±a y sus Comunidades AutÃ³nomas, la sensibilidad de los modelos SIR a variaciones en el valor de los parÃ¡metros, como la tasa de infecciÃ³n del virus, impide la predicciÃ³n a medio y largo plazo. Por desgracia, este resultado tambiÃ©n implica que no podemos determinar en estos momentos la magnitud ni la duraciÃ³n de la segunda ola", aÃ±aden.

"Esta sensibilidad es anÃ¡loga a la que se observa en los sistemas caÃ³ticos, donde dos condiciones iniciales ligeramente distintas divergen exponencialmente rÃ¡pido. Este principio subyace a la imposibilidad de predecir el tiempo que harÃ¡ mÃ¡s allÃ¡ de unos pocos dÃas vista. Es decir, el hecho de que un modelo epidemiolÃ³gico de tipo SIR (que entraÃ±a un crecimiento exponencialmente rÃ¡pido de las variables en la etapa de expansiÃ³n de la epidemia) sea capaz de reproducir el pasado no implica que sea capaz de predecir el futuro", argumentan los autores.