Respondiendo al brote de Mpox: Un desafío de salud pública

En 2022, hubo un brote significativo de mpox (anteriormente conocido como viruela símica), marcando la primera gran crisis de enfermedades infecciosas desde la pandemia de COVID-19. La Organización Mundial de la Salud lo declaró Emergencia de Salud Pública de Interés Internacional el 23 de julio de 2022. Para abril de 2023, había casi 87,000 casos confirmados reportados en más de 100 países. A diferencia del COVID-19, el mpox se encuentra típicamente en África Occidental y Central, donde ha estado presente durante muchos años. Esta enfermedad es causada por el virus de la viruela símica, que se contagia de animales a humanos.

Los síntomas clásicos del mpox incluyen fiebre, dolores de cabeza, dolores corporales, cansancio, ganglios linfáticos inflamados y erupciones. El virus se propaga entre las personas a través del contacto cercano con materiales infectados, gotas respiratorias durante interacciones cara a cara prolongadas, o mediante objetos contaminados como sábanas. El brote de 2022 comenzó en mayo y se expandió rápidamente fuera de África, principalmente a través del contacto físico cercano, particularmente durante actividades sexuales. Este brote tuvo un impacto notable en hombres gay, bisexuales y otros hombres que tienen sexo con hombres.

#Toma de Decisiones Rápidas Durante una Crisis de Salud

Durante emergencias de salud como el brote de mpox, los tomadores de decisiones a menudo enfrentan elecciones difíciles con información limitada. Los modelos predictivos de enfermedades infecciosas pueden ayudar a los responsables de políticas al estimar la escala y duración de un brote, examinar cómo se propaga el virus y formular planes de vacunación. Sin embargo, estos modelos pueden ser complejos e incorporar Datos de diversas fuentes con muchas suposiciones, lo que puede llevar a malentendidos al compartir resultados.

La pandemia de COVID-19 vio importantes avances en los métodos de análisis de Brotes. Se desarrollaron y distribuyeron rápidamente nuevas herramientas para estimar indicadores clave de enfermedades. Por ejemplo, el número de reproducción efectivo (RT) describe cuántos casos secundarios causará una persona infectada en una gran población. Monitorear Rt es crucial para evaluar cómo se está desarrollando el brote y el éxito de acciones de salud pública como la vacunación y el aislamiento.

Varios grupos de investigación en todo el mundo produjeron Pronósticos en tiempo real para ayudar a los tomadores de decisiones a evaluar posibles medidas de control. Estas predicciones podían prever casos futuros, muertes o hospitalizaciones y proporcionar información inmediata sobre el estado actual del brote.

#Nowcasting y Pronóstico del Brote de Mpox

Para nuestro análisis, nos enfocamos en casos probables y confirmados de mpox en los Estados Unidos desde mayo de 2022 hasta marzo de 2023. Se utilizaron varios métodos para recopilar datos, provenientes de departamentos de salud estatales y locales. Se usaron diferentes formatos para reportar casos y, a veces, el mismo caso se enviaba múltiples veces o se actualizaba tras el informe inicial. Los datos se procesaron a través de un sistema seguro que ayuda a los funcionarios de salud pública a compartir y analizar información.

Examinamos tres métodos para estimar Rt, que estaban disponibles a través de diferentes paquetes de software. Inicialmente, se utilizaron los tres enfoques para medir el nivel nacional de Rt y en áreas con muchos casos. Las primeras estimaciones del tiempo entre casos se basaron en datos previos, que principalmente reflejaban la transmisión en el hogar. Sin embargo, a medida que el brote avanzaba y se evidenciaban nuevos modos de transmisión, se volvieron necesarias estimaciones actualizadas. Para junio de 2022, teníamos datos más precisos sobre el tiempo entre el inicio de los síntomas en diferentes casos, lo que permitió tomar decisiones de modelado más acertadas.

En julio de 2022, cambiamos a un método diferente para estimar Rt. Este nuevo enfoque tuvo en cuenta los retrasos en los reportes y ayudó a suavizar las fluctuaciones temporales causadas por los fines de semana. A medida que recopilábamos más datos, estos métodos nos permitieron estimar no solo Rt, sino también el número de nuevos casos y su crecimiento a lo largo del tiempo.

#Comunicación de Hallazgos

A lo largo de nuestro análisis, compartimos regularmente nuestros hallazgos con funcionarios de salud pública y el público. Las actualizaciones sobre Rt se enviaron en informes y se hicieron disponibles en sitios web de salud pública. Nuestro objetivo era distribuir estas estimaciones al menos una vez a la semana para mejorar la comprensión del brote y guiar acciones futuras.

Para evaluar qué tan bien funcionaron nuestras predicciones, seleccionamos fechas clave durante el brote para evaluar pronósticos a corto plazo. Usamos tres métricas para medir la precisión de nuestros pronósticos. La primera métrica observó qué tan de cerca los valores predichos se alineaban con los casos reportados reales. Una puntuación de error más baja indicaba mejor precisión. También examinamos estimaciones puntuales y la cobertura de nuestras predicciones para ver qué tan bien se alineaban con lo que realmente sucedió.

#Desafíos en el Pronóstico

A pesar de los esfuerzos por recopilar datos precisos, hubo desafíos con los reportes. Las agencias de salud debían reportar casos, pero los datos enviados tendían a ser mínimos. Con el tiempo, esto llevó a inconsistencias en los datos recibidos. Las actualizaciones a los requisitos de reporte también añadieron complejidad. Esto dificultó el análisis detallado, especialmente porque faltaban muchos detalles demográficos.

La presentación de datos variaba entre diferentes jurisdicciones de salud. Algunos reportaron nuevos casos rápidamente, mientras que otros enviaron actualizaciones masivas, lo que llevó a picos artificiales en los datos reportados. Esta inconsistencia nos obligó a monitorear de cerca la salida de nuestros modelos y hacer ajustes cuando fuera necesario.

En julio de 2022, encontramos retrasos en los reportes que impactaron la precisión de nuestros datos. Durante este período, algunas jurisdicciones reportaron más casos públicamente de los que se habían enviado al CDC. Tuvimos que ajustar nuestros métodos para crear una nueva fecha de reporte que reflejara mejor cuándo se diagnosticaron los casos. Esto implicó priorizar ciertas fechas para mejorar cómo visualizábamos la progresión del brote.

#Éxitos en el Pronóstico

A pesar de los desafíos, encontramos éxitos en el uso de datos disponibles públicamente para complementar nuestros análisis. Esto involucró extraer datos de sitios web de departamentos de salud locales, lo que ayudó a proporcionar un mejor contexto para el brote en regiones específicas.

Al refinar nuestros métodos de reporte, creamos un nuevo sistema que priorizaba ciertas fechas para mejorar nuestras estimaciones. Con estos insumos mejorados, pudimos actualizar nuestras estimaciones de parámetros clave como cuánto tiempo tardaba en aparecer los síntomas.

También adaptamos la presentación de nuestros hallazgos para diferentes audiencias. Para informes científicos y técnicos, proporcionamos información detallada, pero para el público, simplificamos la visualización de datos para mejorar la comprensión.

#Evaluación del Rendimiento

Evaluamos el rendimiento de nuestros métodos de pronóstico en comparación con otros enfoques estadísticos. Aunque un método mostró ligeras ventajas en las fases iniciales, en general, nuestro método principal superó a las alternativas durante las fases posteriores del brote. Sin embargo, encontramos algunas discrepancias en los puntos donde predijimos casos, particularmente alrededor del pico del brote.

Nuestros resultados generales muestran que las estimaciones de nuestro modelo predecían razonablemente bien el número de casos, aunque hubo momentos en los que no coincidieron perfectamente con la realidad. Esto se debió a menudo a cambios en cómo se definieron las fechas de los reportes, lo que complicó nuestro análisis.

Al realizar análisis a un nivel subregional, pudimos identificar diferencias en cómo se desarrolló la epidemia en diferentes áreas. Las variaciones en la composición de la población y las actividades de salud pública probablemente contribuyeron a estas diferencias. Sin embargo, este enfoque también destacó los desafíos de contabilizar datos subidos en masa y movimientos entre jurisdicciones.

#Recomendaciones para la Recolección de Datos Futuros

Para asegurar que los pronósticos futuros sean lo más precisos posible, es crucial enfocarse en mejorar la calidad de los datos. Los datos de vigilancia subyacentes deben ser oportunos y completos para un pronóstico efectivo. A lo largo del brote de mpox, la velocidad y calidad del reporte de datos mostraron signos de mejora. Mantener líneas de comunicación abiertas con las agencias de salud sobre los datos requeridos podría mejorar aún más esta calidad.

Las herramientas de pronóstico que utilizamos revelaron algunas limitaciones, particularmente en su facilidad de uso y el tiempo requerido para el análisis. Las versiones futuras deberían incluir mejor documentación y posiblemente una interfaz más amigable para facilitar la navegación y el análisis. Esto ayudaría a más personas a usar efectivamente los métodos de pronóstico disponibles.

La eficiencia computacional también es una preocupación. Pudimos usar múltiples núcleos de procesamiento para acelerar nuestros análisis, pero realizar análisis repetidos podría volverse engorroso. Explorar la computación en la nube podría llevar a tiempos de procesamiento más rápidos y consistentes.

Además, nuestros métodos no consideraron la subnotificación de casos, lo que podría afectar la gravedad percibida del brote. Comprender mejor el número real de casos durante un brote requeriría más investigación y metodologías.

#Estrategias para el Pronóstico de Brotes Futuros

Para futuros brotes, desarrollar estrategias mejoradas para la recolección y almacenamiento de datos es crítico. Hacer un seguimiento de instantáneas históricas de datos puede ayudar en análisis sistemáticos y mejorar la comprensión general de la situación durante momentos clave del brote.

Usar modelos de conjunto-combinando predicciones de varios enfoques de modelado-ha demostrado ser efectivo en otros brotes de enfermedades. En situaciones futuras, podríamos implementar al menos dos herramientas de pronóstico más simples para comparar sus predicciones y mejorar la precisión.

Una mejora que beneficiaría a los métodos de pronóstico futuros sería permitir mayor flexibilidad en el manejo de fechas faltantes para los casos. Los modelos actuales a menudo luchan con información incompleta, pero nuevos enfoques podrían usar modelado jerárquico para tener en cuenta mejor la distribución de las fechas disponibles.

La comunicación efectiva sigue siendo vital durante los brotes. Informes sobre el estado del brote, resultados de modelado y cambios relevantes son cruciales para guiar a los funcionarios de salud pública y garantizar que los recursos se asignen de manera eficiente.

En resumen, el pronóstico y monitoreo en tiempo real son esenciales para evaluar la efectividad de las medidas de salud pública. Asegurar datos precisos y oportunos es una prioridad para mejorar los esfuerzos futuros. Simplificar los procesos de modelado y mejorar las experiencias de los usuarios facilitará una mejor toma de decisiones en brotes futuros, ayudando finalmente a proteger la salud pública.