Proyecto Arbocat

Sobre ArboCat:

Los brotes recurrentes de arbovirus en regiones endémicas del mundo representan una grave amenaza de propagación potencial a entornos no expuestos (naïve), en los que la población no ha experimentado una exposición inmunológica previa.

La falta de exposición previa y la expansión geográfica en curso de las poblaciones de vectores viables han impulsado la implementación de estrategias preventivas en las áreas más vulnerables a la importación de la enfermedad.

Cataluña recibe una gran cantidad de viajeros, tanto del Sudeste Asiático como del Caribe, y se han notificado cerca de 700 casos de arbovirosis importada (sumando los casos de dengue, chikungunya y zika) en centros de atención primaria, servicios de atención al viajero en el ámbito de la salud pública y hospitales generales. Dada la gran proporción de infecciones asintomáticas que presentan dichas enfermedades, la amenaza de brotes autóctonos aumenta en las áreas que, dadas sus características ambientales y sociodemográficas particulares, puedan ser más susceptibles. Lograr un conocimiento preciso de cuáles son dichas áreas y ciudades se convierte, por consiguiente, en un asunto prioritario.

ArboCat es una nueva plataforma para la predicción de brotes autóctonos de arbovirus, implementada para Cataluña con resolución a nivel de municipios (948 municipios). ArboCat está formada por tres sub-modelos que proporcionan estimaciones de las tasas de importación y el número reproductivo básico (R0), y que ajustan un modelo compartimental estocástico que proporciona el tiempo de generación.

ArboCat proporciona simulaciones del riesgo de brotes autóctonos y las curvas epidémicas para los escenarios de cambios socioeconómicos y climáticos, tanto presentes como futuros.

El modelo de importación asume que los brotes se originan a partir de la importación de casos infecciosos, y como resultado genera una tasa de importación de casos a nivel del conjunto de Cataluña, así como la probabilidad específica que tiene cada municipio de recibir la siguiente importación. Para calcular dichas tasas, el modelo toma en consideración datos históricos sobre los arbovirus, y predictores sociológicos que incluyen, entre otros, el número de habitantes del municipio, los índices de pobreza, los índices de educación, las medidas relativas a los seguros sanitarios, etc.

Con esta información, y después de indentificar variables predictivas relevantes (mediante métodos como el de selección inversa o el AIC) podemos generar las tasas de simulación a partir de un marco predictivo bayesiano – MaxEnt.

Los métodos de máxima entropía son formas muy generales de predecir las distribuciones de probabilidad a partir de las restricciones de sus momentos. Dichos métodos pueden predecir las distribuciones de abundancia relativa en funció de la cantidad de individuos, las especies y la energía total del sistema. También predicen la composición de la comunidad a través de los gradientes ecológicos, en función de los rasgos, las distribuciones de especies basadas en covariables ambientales y las asociaciones en redes tróficas.

El número reproductivo básico R0 puede definirse como el número de casos generados, por término medio, por un único caso a lo largo del curso de su período infeccioso, en una población que por otro lado no estaba infectada. Esta medida es útil porque ayuda a determinar si una enfermedad infecciosa puede propagarse por una población o, por el contrario, no puede. Si R0 < 1 la infección acabará extinguiéndose a largo plazo. Pero si R0 > 1 la infección podrá propagarse por la población.

Después de generar estos dos parámetros (riesgo de importación y R0), podemos simular los brotes utilizando un modelo compartimental de tipo SEIR.

Los modelos compartimentales son una técnica utilizada para simplificar la modelización matemática de las enfermedades infecciosas. La población se divide en compartimentos, y se asume que todos los individuos del mismo compartimento presentan las mismas características. En los modelos SEIR, la población se divide en cuatro compartimentos: S (susceptibles); E (Expuestos); I (Infectados) y R (Recuperados). Para muchas infecciones importantes (como los arbovirus), existe un período de incubación significativo durante el que el individuo ha sido infectado pero no tiene aún capacidad de infectar. Durante este período, el individuo se sitúa en el compartimiento E.

ArboCat utiliza un Proceso de Ramificación de Markov para el SEIR, para modelizar los brotes. Las simulaciones se inician con un único caso importado. La evolución temporal está gobernada por las probabilidades diarias de los individuos infectados de progresar hacia los estados E, I, R. El modelo toma en consideración de forma explícita el seguimiento de los casos importados y autóctonos, así como de los casos notificados y no-notificados. De forma no explícita, el modelo tiene en cuenta el seguimiento de las dinámicas de los mosquitos (ajuste del tiempo de generación para la transición E-I). El diagrama siguiente resume todo el proceso:

El período de generación mide la duración media desde la aparición inicial de los síntomas hasta la exposición subsiguiente de un caso secundario. Corresponde a la suma del período E y de la mitad del período I. Ajustamos el período I a las estimaciones de diseminación viral del virus DENV humano, y a continuación ajustamos el período E para que la suma E+I se ajuste al intervalo de serie estimado para el DENV. De este modo, el modelo proporciona unos períodos temporales realistas para los brotes.

ArboCat permite calcular el Riesgo de Expansión Epidémica mediante la utilización de un criterio para la clasificación de los brotes como epidemias (por ejemplo, más de 10 transmisiones autóctonas), y de este modo los expertos en salud pública pueden diseñar desencadenantes de monitorización a través de la estimación de la probabilidad de epidemia dado el número de casos observados en un municipio. Además, mediante la simulación de distintos escenarios para el cálculo de R0 (cambio climático, sobreproliferación de vectores, proyecciones económicas y su impacto en las variables socioeconómicas de la población) es posible simular futuros escenarios de epidemia.

La plataforma ArboCat proporciona un conjunto de herramientas para el análisis epidemiológico de brotes arbovíricos simulados. A partir de esta idea, en función de los parámetros iniciales introducidos en el modelo compartimental estocástico SEIR, es posible simular distintos escenarios y obtener distribuciones de probabilidad y curvas de dinámica temporal para los estadios iniciales del brote.

ArboCat es un proyecto que evoluciona continuamente.

Se incorporarán y cargarán actualizaciones de forma automática, con el objetivo de mejorar la calidad de las predicciones. Nuestra colaboración internacional con la Universidad de Texas en Austin, así como nuestros socios locales (ASPCat, CREAF, VHIR, red interdisciplinar PICAT) garantizan un desarrollo prometedor de mejoras futuras en la habilidad y la capacidad de la plataforma para identificar las amenazas para la salud pública causadas por las infecciones arbovíricas en un mundo cambiante.