Identificados los factores que contribuyeron a la propagación inicial del COVID-19

Cuando dej√≥ la provincia china de Hubei rumbo a Europa y hacia los pa√≠ses vecinos asi√°ticos ‚Äďentre diciembre de 2019 y enero de 2020‚Äď el coronavirus SARS-CoV-2 encontr√≥ en algunas √°reas del planeta ciertas condiciones particularmente favorables para su propagaci√≥n.

Tras analizar datos de 126 pa√≠ses, investigadores de las universidades de Campinas (Unicamp), en Brasil, y de Barcelona, en Espa√Īa, identificaron un conjunto de factores que habr√≠an favorecido la r√°pida dispersi√≥n del virus durante la etapa inicial de la epidemia, es decir, antes de que se implementasen pol√≠ticas p√ļblicas tendientes a contener el contagio.

De acuerdo con este estudio, que contó con el apoyo de la FAPESP РFundación de Apoyo a la Investigación Científica del Estado de São Paulo, entre los factores que influyeron sobre la mayor tasa inicial de expansión del COVID-19 se encuentran la baja temperatura, con la consiguiente merma de la exposición a los rayos ultravioleta del sol y un menor nivel de vitamina D en la sangre de la población; la mayor proporción de ancianos y, por ende, una mayor expectativa de vida; una mayor cantidad de turistas internacionales durante los primeros días de la epidemia; el comienzo precoz del brote (los países donde la enfermedad llegó primero tardaron más para tomar medidas de prevención); una mayor prevalencia del cáncer de pulmón, del cáncer en general y de EPOC (enfermedad pulmonar obstructiva crónica); una mayor proporción de varones obesos; una tasa más alta de urbanización, con mayor consumo de alcohol y tabaco, y los hábitos de saludarse que implican el contacto físico: besos, abrazos o apretones de manos.

‚ÄúElegimos como punto de partida de nuestro an√°lisis el d√≠a en que cada pa√≠s registr√≥ el 30¬ļ caso de COVID-19, y analizamos los d√≠as siguientes [entre 12 y 20 d√≠as, dependiendo del pa√≠s]. El objetivo consist√≠a en entender qu√© sucedi√≥ durante la fase en que la enfermedad creci√≥ libremente, en forma casi exponencial‚ÄĚ, le explica Giorgio Torrieri, docente del Instituto de F√≠sica Gleb Wataghin (IFGW-Unicamp) y coautor del art√≠culo dado a conocer en la plataforma medRxiv, a√ļn sin revisi√≥n por pares.

Seg√ļn el investigador, la propuesta consist√≠a en aplicar an√°lisis estad√≠sticos empleados com√ļnmente en el √°rea de la f√≠sica ‚Äďentre ellos la regresi√≥n lineal simple y el c√°lculo del coeficiente de determinaci√≥n‚Äď para intentar entender qu√© sucedi√≥ al comienzo de la pandemia. Los datos utilizados en los an√°lisis provinieron de diversas fuentes, en buena medida de un repositorio p√ļblico conocido con el nombre de Our World in Data.

‚ÄúLa idea era evaluar las siguientes cuestiones: ¬Ņen caso de que no se hiciese nada para contener la enfermedad, con qu√© velocidad se propagar√≠a el virus en los distintos pa√≠ses o entre los diversos grupos sociales? ¬ŅFactores tales como la temperatura, la densidad demogr√°fica, la urbanizaci√≥n y las condiciones sanitarias de la poblaci√≥n tienen influjo sobre la velocidad de contagio?‚ÄĚ, explica Torreri.

Algunos estudios sugieren que la vacuna BCG, contra la tuberculosis, puede ter alg√ļn efecto protector en casos de COVID-19. Los an√°lisis que los investigadores de la Unicamp y de la Universidad de Barcelona realizaron indican la existencia de una correlaci√≥n d√©bil entre ambas variables (el √≠ndice de inmunizaci√≥n contra la tuberculosis y el √≠ndice de contagio del SARS-CoV-2). Con todo, seg√ļn Torrieri, es posible que este resultado se haya visto perjudicado debido a la falta de datos confiables en los pa√≠ses donde la vacunaci√≥n no es obligatoria.

‚ÄúCuando excluimos a los pa√≠ses sin datos de vacunaci√≥n, la correlaci√≥n se debilita. Pero cuando incluimos a esas √°reas en el an√°lisis y asumimos que tienen un √≠ndice bajo de inmunizaci√≥n, la correlaci√≥n se vuelve m√°s fuerte‚ÄĚ, comenta el investigador.

Para algunos de los factores analizados ‚Äďentre ellos la prevalencia de enfermedades tales como anemia, hepatitis B (entre mujeres) e hipertensi√≥n‚Äď los cient√≠ficos detectaron una correlaci√≥n negativa. En otras palabras, en los pa√≠ses con mayor proporci√≥n de hipertensos, por ejemplo, la tasa de contagio inicial del SARS-CoV-2 fue menor.

‚ÄúPodemos imaginar que en esos lugares hay m√°s enfermedades cardiovasculares y, por ende, la expectativa de vida es m√°s baja‚ÄĚ, sostiene Torrieri.

Entre los factores analizados que no exhibieron una correlación con el contagio (ni positiva y ni negativa) se encuentran la cantidad de habitantes, la prevalencia de asma, la densidad poblacional, la cobertura de las vacunas contra la poliomielitis, la difteria, el tétanos, la tos ferina y la hepatitis B, la prevalencia de diabetes, el nivel de polución del aire, la cantidad de feriados y la proporción de días lluviosos. En el caso del Producto Interno Bruto (PIB) per cápita, tal como explicó Torrieri, la correlación se mostró positiva solo para valores superiores a los 5 mil euros.

‚ÄúEl PIB est√° relacionado con la calidad de la infraestructura p√ļblica. Cuanto mayor es el PIB per c√°pita de un pa√≠s, mejor es la infraestructura sanitaria y habitacional, por ejemplo. Pero por debajo de los 5 mil euros no marca la diferencia, probablemente porque la infraestructura es de baja calidad‚ÄĚ, sostiene el investigador.

Tal como lo destacan los autores en texto, diversas variables analizadas se correlacionan entre s√≠ y, por ende, es probable que haya para ellas una interpretaci√≥n com√ļn: no resulta f√°cil separarlas. ‚ÄúLa estructura de correlaci√≥n es bastante rica y para nada trivial, por eso incentivamos a los lectores interesados a estudiar los gr√°ficos [del art√≠culo] pormenorizadamente‚ÄĚ, afirman.

Seg√ļn los investigadores, algunas de las correlaciones que se consignan son ‚Äúobvias‚ÄĚ: entre la temperatura, la radiaci√≥n UV y el nivel de vitamina D, por ejemplo. ‚ÄúOtras son accidentales, hist√≥ricas y sociol√≥gicas. Los h√°bitos, tales como el consumo de alcohol y el tabaquismo, por ejemplo, est√°n correlacionados con variables clim√°ticas. De manera an√°loga, la correlaci√≥n entre el tabaquismo y el c√°ncer de pulm√≥n es muy alta y contribuye probablemente en lo concerniente a la correlaci√≥n de este √ļltimo [el c√°ncer] con el clima. Razones hist√≥ricas tambi√©n explican la correlaci√≥n existente entre el clima y el PIB per c√°pita‚ÄĚ, dicen los investigadores.

Si bien es imposible que los pa√≠ses alteren algunas de las variables estudiadas, tales como el clima, la expectativa de vida y la proporci√≥n de ancianos, por ejemplo, su influjo sobre la propagaci√≥n de la enfermedad debe tenerse en cuenta en la formulaci√≥n de pol√≠ticas p√ļblicas con miras a ayudar a delinear estrategias de testeo y de aislamiento social, sostienen los cient√≠ficos.

Seg√ļn los autores, los gobiernos pueden controlar otras variables, tales como el testeo y el aislamiento de viajeros internacionales, la restricci√≥n de vuelos hacia las zonas m√°s afectadas por la pandemia, la promoci√≥n de h√°bitos de distanciamiento social y la implementaci√≥n de campa√Īas tendientes a disminuir el contacto f√≠sico mientras el virus siga propag√°ndose, y las campa√Īas orientadas a estimular en la poblaci√≥n la complementaci√≥n con vitamina D y la disminuci√≥n del tabaquismo y la obesidad.

‚ÄúTambi√©n hacemos hincapi√© en que de las algunas variables consignadas resultan √ļtiles para inspirar y dar apoyo a la investigaci√≥n cient√≠fica en el √°rea m√©dica, tal como la correlaci√≥n del contagio con el c√°ncer de pulm√≥n, la obesidad, el bajo nivel de vitamina D y los distintos tipos sangu√≠neos y la diabetes tipo 1. Definitivamente, esto merece un estudio m√°s profundo, con datos de pacientes‚ÄĚ, culminan los cient√≠ficos. (Fuente: AGENCIA FAPESP/DICYT)