¿Podemos saber cuándo surgió el primer caso de covid-19?

Cualquier investigación de hechos consumados, cual detectives policiales, nos lleva a mirar hacia atrás para atar cabos. Disponemos de la declaración de 27 casos de neumonía de causa desconocida por los servicios sanitarios de Wuhan el 31 de diciembre de 2019, con aparición de síntomas el 7 de ese mismo mes. Ahora sabemos que el periodo de latencia presintomática de la covid-19 es de unas dos semanas, por lo que nos podemos aventurar a situarlo en noviembre de 2019.

Probablemente no aparecieron de golpe y en todos los enfermos a la vez, sino que se debería pensar en días atrás. Ya en marzo de 2020 se aventuraba que el primer caso podía haber surgido en la provincia de Hubei el día 17 de noviembre de 2019.

Después de la expansión en China, en enero comenzaron a aparecer casos en hospitales en Europa, Estados Unidos, Corea… Otro dato a tener en cuenta es el reconocimiento en abril del pasado año por el CCAES de que, cuando se detectaron los primeros casos en España, el SARS-CoV-2 ya estaba entre nosotros. Dato comprobado posteriormente mediante estudios de secuenciación del material genético del virus y de su seguimiento.

Hasta ahora han aparecido varios modelos de predicción para dar con el paciente cero y situar y precisar el origen del primer contagio. Uno de los más novedosos ha sido publicado muy recientemente en la revista PLOS Pathogens en una colaboración a tres bandas entre la Universidad de Kent (Reino Unido), Chicago (EE. UU.) y el Centro de Biología de la República Checa.

Para poder comprender esta novedosa investigación, primero debemos familiarizarnos con los métodos más utilizados. Los modelos matemáticos juegan un papel importante en el diseño de posibles estrategias de control de enfermedades al centrarse en los aspectos clave de estas, determinar el umbral para la supervivencia de la enfermedad y evaluar el efecto de las estrategias diseñadas, entre otros aspectos.

La simulación básica es el modelo SIR, desarrollado por Sir Ronald Ross y Anderson Gray McKendrick. Este tipo de modelos se basan en que la población se puede clasificar en tres grupos compartimentados independientes: individuo susceptible (S), individuo infectado (I) e individuo recuperado (R). A partir de este modelo, tanto el número como el tipo de grupos se pueden modificar para reflejar el comportamiento de cada enfermedad, como se muestra en la Figura 1.

Por ejemplo, el modelo SEIR incluye un estado intermedio, individuo expuesto (E) con el que se trata de simular el periodo de incubación. O el modelo SITR, donde algunas personas o individuos son tratadas (T), entendiéndose por «tratadas» aisladas o vacunadas, evitando así que se generen posibles infecciones desde ellas. O los modelos SIRS, que son los modelos endémicos que se utilizan para enfermedades como la gripe estacional, donde las personas recuperadas pueden perder la inmunidad y ser susceptibles de volver a enfermar.

El desarrollo de los modelos tiene dos fases, la primera de ajuste o entrenamiento y la segunda de predicción. En la primera se determina la función o modelo matemático y los valores de los parámetros que son compatibles con los datos que se observan con la evolución de la epidemia (enfoque bayesiano).

Una vez que se tiene el modelo que mejor se ajusta a los datos se pasa a la segunda fase, la de predicción. El problema, en algunas ocasiones, como en esta pandemia, ha sido la falta de datos. En los primeros meses de la pandemia se desconocía el número real de infectados, por lo que la incertidumbre era muy alta. Sin embargo, a medida que se han ido obteniendo datos, los modelos matemáticos nos han ayudado a entender cómo se está desarrollando esta epidemia y a diseñar estrategias para controlarla de una forma eficaz.

Los modelos que hemos descrito en el apartado anterior pueden ser útiles para predecir la evolución de la enfermedad, pero no para trazar hacia atrás la aparición del primer caso. Para alcanzar este objetivo, los investigadores de nuestro artículo de interés han utilizado de forma innovadora un modelo matemático desarrollado para la extinción de especies.

Originalmente, el modelo ayuda a predecir cuándo desaparecerá una especie en base al número de organismos detectados. Pero en este caso se ha utilizado un inteligente enfoque. El modelo se ha invertido de manera que funciona en la dirección contraria para llegar al primer caso, teniendo en cuenta los que se detectaron tiempo más tarde e incluso aquellos que pasaron desapercibidos en un inicio.

Las conclusiones de este artículo coinciden con las de otros estudios publicados previamente: los autores vuelven a indicar la fecha del 17 de noviembre de 2019 a la que aludíamos anteriormente.

Si están en lo cierto, cuando la OMS reaccionó a finales de enero de 2020, la infección se encontraba ya en medio mundo. La Figura 2 muestra una aproximación temporal de cómo la pandemia se fue extendiendo por el mundo. La epidemia surgió antes de lo estimado y también se transmitió más velozmente.

Existen dos factores que pudieron influir: (1) se desconocía la transmisión entre individuos asintomáticos y (2) se ignoraba la transmisión por aerosoles. Como hemos comentado, faltaban datos.

El hecho de que tanto las investigaciones sobre casos concretos como un modelo matemático indiquen una fecha determinada para la aparición del primer caso de covid-19 es muy alentador y nos indica que se va por el buen camino en esta detectivesca investigación.

Una posible debilidad del modelo podría ser la existencia de algún tipo de sesgo a la hora de detectar los casos al inicio de la pandemia, especialmente al tratarse de un solo país. Quizá en el futuro se pueda obtener más información, o crear un modelo que tenga en cuenta este aspecto. O quizá realmente ya hemos dado con el caso original.

En cualquier caso, después del revuelo creado por la crisis sanitaria, ahora ya vislumbramos la etapa en la que miraremos atrás con más tranquilidad y podremos escribir la historia de la pandemia.

Artículo publicado en 'The Conversation'.