Modelado de Transmisión de COVID-19 en Servicios de Entrega
Un estudio sobre el impacto del COVID-19 en el sector de entregas.
― 9 minilectura
Tabla de contenidos
Durante la pandemia de COVID-19, la demanda de servicios de entrega a domicilio aumentó un montón. La gente se quedó en casa para reducir el riesgo de propagar el virus, lo que llevó a más compras en línea y necesidades de entrega. En el Reino Unido, muchas tiendas de retail no esenciales cerraron por períodos largos en 2020 y 2021. Este cambio en los hábitos de compra resultó en una mayor demanda de cosas como muebles y electrodomésticos, ya que la gente pasaba más tiempo en casa. La industria de la entrega y la logística manejó este aumento en la demanda, gracias en gran parte al trabajo duro de los trabajadores clave en estos sectores. Sin embargo, estos trabajadores enfrentaron mayores riesgos de exposición al virus.
Los conductores de entrega y los trabajadores de almacén tenían que interactuar con muchas personas durante su jornada laboral. La naturaleza de sus trabajos incluía el riesgo de Transmisión asintomática del virus. Además, muchos trabajadores en empleos de entrega estaban en contratos flexibles o de cero horas, lo que hacía que su ausencia por enfermedad fuera una carga económica potencial. Estudios de varios países destacaron que los conductores de entrega podrían estar más en riesgo de contraer el virus que el público en general, lo que indica que este sector necesitaba más atención.
Los modelos matemáticos jugaron un papel esencial en evaluar cómo se propagó el COVID-19 y en evaluar varias medidas de prevención. A medida que se disponía de más información, los investigadores crearon modelos para diferentes entornos, como escuelas y lugares de trabajo, para tener en cuenta sus características únicas. Este documento discute un modelo específico para el sector de la entrega, evaluando la efectividad de las medidas implementadas por las empresas para proteger a sus trabajadores y a la comunidad.
La industria de la entrega implica numerosas interacciones breves entre conductores y clientes, a menudo con un contacto limitado entre las personas en sus hogares. Este entorno único presenta sus desafíos, especialmente al entregar artículos más grandes que requieren que los trabajadores estén cerca durante períodos prolongados. También hay preocupaciones sobre la transmisión a través de superficies, donde el virus puede permanecer en las superficies y ser transferido de paquetes a personas.
El modelo discutido considera todos estos factores. Cuando los datos son escasos o inciertos, examina una amplia gama de escenarios posibles para entender mejor los riesgos potenciales.
Resumen del Modelo
Para estudiar la transmisión del COVID-19 entre los trabajadores de entrega, los investigadores crearon un modelo que simula la propagación del virus basado en patrones de contacto del mundo real. El modelo utiliza un enfoque de red, rastreando interacciones entre Empleados y evaluando cómo el virus podría propagarse dentro de un lugar de trabajo. El modelo refleja el funcionamiento diario de dos tipos de depósitos de entrega: uno para paquetes pequeños y otro para artículos más grandes.
El depósito de entrega de paquetes pequeños (SPDD) está diseñado para empresas que manejan paquetes de tamaño regular, típicamente entregados por una sola persona. El depósito de entrega de artículos más grandes (LIDD) se encarga de artículos más voluminosos que pueden requerir dos trabajadores para la entrega. El modelo tiene en cuenta las diferencias en el número de empleados, los tiempos de entrega y las interacciones con los clientes para cada tipo de depósito.
Dentro del modelo, se identifican tres grupos de trabajadores: conductores que entregan paquetes, recolectores que cargan paquetes en el almacén y personal de oficina que trabaja en espacios compartidos. La presencia de muchos empleados que interactúan diariamente crea oportunidades para una posible transmisión del virus.
Horarios de Trabajo de los Empleados
El modelo simula los contactos entre empleados en el trabajo y aquellos que comparten espacios de vida. Los empleados solo interactúan con compañeros de trabajo que están presentes el mismo día, a menos que vivan juntos. El horario laboral considera datos recopilados de empresas de logística para reflejar patrones del mundo real en el personal y las Entregas.
Además, el modelo imita el proceso de entrega, donde cada paquete debe ser manejado por recolectores antes de ser entregado por los conductores. Si bien los conductores interactúan directamente con los clientes, el modelo supone que las interacciones repetidas son raras, lo que permite cálculos más simples del riesgo de infección.
El modelo también examina situaciones en las que conductores y recolectores trabajan en parejas para entregar artículos más grandes, lo que requiere que estén físicamente cerca. Esta proximidad aumenta el riesgo de transmisión del virus, enfatizando la importancia de las medidas de Aislamiento si un trabajador se enferma.
Evaluando Rutas de Transmisión
El modelo identifica diferentes maneras en que el virus puede propagarse dentro del lugar de trabajo. Las infecciones pueden ocurrir a través del contacto cara a cara directo, compartiendo espacios con personas infectadas o a través de paquetes contaminados.
La investigación muestra que la mayoría de las transmisiones ocurren cara a cara en los lugares de trabajo, mientras que también se considera el riesgo de propagación del virus a través de espacios compartidos o manejo de paquetes. El modelo rastrea cómo la información sobre estas rutas de transmisión influye en el riesgo general de infección entre los trabajadores.
Carga Viral e Infectividad
El modelo incorpora datos sobre la carga viral en individuos infectados. Esto significa que puede simular cuán infeccioso es alguien en diferentes etapas de su enfermedad. Entender la carga viral ayuda a evaluar el riesgo de transmisión y cuán efectivas pueden ser las Pruebas para detectar el virus. Esto es particularmente importante ya que la detección puede variar según el tipo de prueba utilizada, y el modelo tiene en cuenta estos factores.
Estrategias de Pruebas
A medida que las vacunas se hacían disponibles, los efectos más severos del COVID-19 disminuyeron, y muchas restricciones fueron levantadas. Sin embargo, seguir monitoreando nuevas variantes sigue siendo crucial, y las pruebas siguen siendo una herramienta importante para manejar la situación. Ha habido discusiones continuas sobre la efectividad de diferentes tipos de pruebas, incluidas las pruebas rápidas que la gente puede administrar por sí misma.
Aunque estas pruebas rápidas podrían no ser tan sensibles como las pruebas de laboratorio, datos recientes sugieren que podrían ser muy específicas, lo que indica que los resultados falsos positivos serían mínimos. Además, el periodo más contagioso normalmente ocurre poco después de que aparecen los síntomas, lo que hace que las pruebas de baja sensibilidad sigan siendo valiosas para identificar individuos contagiosos.
El modelo discutido evalúa diversas estrategias de prueba y sus implicaciones para el sector de entrega.
Consultas a Empresas
Para desarrollar el modelo, los investigadores realizaron entrevistas con representantes de seis empresas de entrega. Estas conversaciones ayudaron a recoger información sobre cómo el COVID-19 impactó las operaciones comerciales y qué medidas se tomaron para proteger a empleados y clientes.
Cada entrevista proporcionó contexto sobre los niveles de personal, las interacciones entre empleados y los desafíos enfrentados a medida que la pandemia evolucionaba. Recoger esta información fue esencial para crear una representación precisa de la dinámica laboral durante la crisis.
Resultados del Modelo
Los resultados del modelo indican que el riesgo de transmisión en el lugar de trabajo es relativamente bajo, principalmente debido a la naturaleza del trabajo de entrega que a menudo implica conducir solo. Sin embargo, cuando los empleados deben interactuar de cerca, particularmente para la entrega a domicilio de artículos más grandes, hay algún riesgo.
Las empresas involucradas ajustaron sus operaciones para minimizar el riesgo. Por ejemplo, muchos cambiaron a métodos de entrega sin contacto para reducir las oportunidades de transmisión del virus. El modelo sugiere que estos cambios fueron efectivos en reducir el riesgo de transmisión comunitaria, ya que permitieron que la gente se quedara en casa durante los picos de infección.
Importancia de las Políticas de Aislamiento
Otro hallazgo importante del modelo es que identificar los contactos de alto riesgo es crucial. Cuando un empleado da positivo por COVID-19, aislar a quienes han estado en contacto cercano con él es vital para prevenir una mayor propagación. Las empresas pueden tomar medidas proactivas, como organizar a los trabajadores en parejas fijas para entregas o reducir la ocupación de las oficinas, para mejorar su respuesta a cualquier brote.
Ofrecer licencia por enfermedad pagada también puede animar a los empleados a aislarse cuando lo necesiten, reduciendo la probabilidad de propagar el virus. El modelo indica que implementar medidas de prueba y aislamiento juntas puede reducir significativamente el riesgo de transmisión.
Limitaciones del Modelo
Si bien el modelo proporciona información valiosa, también tiene limitaciones. Dado que se basa en diversas fuentes de datos, puede reflejar sesgos o inexactitudes en la información proporcionada por las empresas. Además, algunas variables, como la duración exacta de los contactos, se simplifican para fines de modelado.
El modelo no tiene en cuenta cómo pueden cambiar las dinámicas laborales con el tiempo, por ejemplo, cómo los empleados podrían adaptar su comportamiento en respuesta a las intervenciones. Comprender estas sutilezas requeriría monitoreo continuo y recolección de datos.
Además, las suposiciones del modelo sobre las tasas de transmisión pueden no alinearse siempre con las condiciones del mundo real. Ajustar el modelo a la luz de nuevos hallazgos de investigación o cambios en la dinámica de la pandemia es esencial para mantener su precisión.
Conclusión
En resumen, este modelo de transmisión de COVID-19 en el sector de la entrega destaca la importancia de intervenciones específicas y comunicación efectiva. Los resultados muestran que las medidas tomadas por las empresas en respuesta a la pandemia probablemente redujeron la transmisión en el lugar de trabajo y protegieron tanto a empleados como a clientes.
Al enfocarse en los contactos de alto riesgo, implementar medidas de aislamiento y combinar estas estrategias con pruebas regulares, las empresas de entrega pueden mantener un ambiente más seguro para sus trabajadores durante crisis de salud pública.
Título: Modelling the impact of non-pharmaceutical interventions on workplace transmission of SARS-CoV-2 in the home-delivery sector
Resumen: ObjectiveWe aimed to use mathematical models of SARS-COV-2 to assess the potential efficacy of non-pharmaceutical interventions on transmission in the parcel delivery and logistics sector. MethodsWe developed a network-based model of workplace contacts based on data and consultations from companies in the parcel delivery and logistics sectors. We used these in stochastic simulations of disease transmission to predict the probability of workplace outbreaks in this settings. Individuals in the model have different viral load trajectories based on SARS-CoV-2 in-host dynamics, which couple to their infectiousness and test positive probability over time, in order to determine the impact of testing and isolation measures. ResultsThe baseline model (without any interventions) showed different workplace infection rates for staff in different job roles. Based on our assumptions of contact patterns in the parcel delivery work setting we found that when a delivery driver was the index case, on average they infect only 0.14 other employees, while for warehouse and office workers this went up to 0.65 and 2.24 respectively. In the LIDD setting this was predicted to be 1.40, 0.98, and 1.34 respectively. Nonetheless, the vast majority of simulations resulted in 0 secondary cases among customers (even without contact-free delivery). Our results showed that a combination of social distancing, office staff working from home, and fixed driver pairings (all interventions carried out by the companies we consulted) reduce the risk of workplace outbreaks by 3-4 times. ConclusionThis work suggests that, without interventions, significant transmission could have occured in these workplaces, but that these posed minimal risk to customers. We found that identifying and isolating regular close-contacts of infectious individuals (i.e. house-share, carpools, or delivery pairs) is an efficient measure for stopping workplace outbreaks. Regular testing can make these isolation measures even more effective but also increases the number of staff isolating at one time. It is therefore more efficient to use these isolation measures in addition to social distancing and contact reduction interventions, rather than instead of, as these reduce both transmission and the number of people needing to isolate at one time. Author summaryDuring the COVID-19 pandemic the home-delivery sector was vital to maintaining peoples access to certain goods, and sustaining levels of economic activity for a variety of businesses. However, this important work necessarily involved contact with a large number of customers as well as colleagues. This means that questions have often been raised about whether enough was being done to keep customers and staff safe. Estimating the potential risk to customers and staff is complex, but here we tackle this problem by building a model of workplace and customer contacts, from which we simulate SARS-CoV-2 transmission. By involving industry representatives in the development of this model, we have simulated interventions that have either been applied or considered, and so the findings of this study are relevant to decisions made in that sector. Furthermore, we can learn generic lessons from this specific case study which apply to many types of shared workplace as well as highlighting implications of the highly stochastic nature of disease transmission in small populations.
Autores: Carl A Whitfield, M. Van Tongeren, Y. Han, H. Wei, S. A. Daniels, M. Regan, D. W. Denning, A. Verma, L. Pellis, University of Manchester COVID-19 Modelling Group, I. Hall
Última actualización: 2023-03-23 00:00:00
Idioma: English
Fuente URL: https://www.medrxiv.org/content/10.1101/2022.03.17.22272414
Fuente PDF: https://www.medrxiv.org/content/10.1101/2022.03.17.22272414.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a medrxiv por el uso de su interoperabilidad de acceso abierto.