Delgado J.A.
de 2021 podrían suponer casi dos millones de personas (Comunidad
de Madrid).
La línea «2» (azul), plantea el escenario que ha simulado el
modelo en 2020, con sus dos olas y una proporción de asintomáticos
del 47% casi el doble de los detectados, sin la aplicación de
la vacuna.
La línea «3» (gris), plantea el mismo escenario de la línea 2,
pero aplicando la vacuna. La diferencia de casuística entre
ambos escenarios resulta ridícula, de 998.000 diagnosticados sin
vacunar a 930.000 vacunados.
Sorprendente.
DISCUSIÓN
Que el autor conozca, no se ha elaborado un modelo de simulación
dinámica para el ámbito de la comunidad de Madrid, aunque
sí para otras zonas, como es el trabajo del equipo de Ángel Manuel
Ramos de la Fad. de Matemáticas de la Universidad Complutense
(Ref. 3). Este es un modelo analítico θ-SIR, basado en los mismos
principios que el modelo SIR de Kermack y McKendrick, pero
extendido, como el MEDS a pacientes infectados no detectados.
Los resultados de este modelo pueden ser tan ajustados como
se quiera, de la misma forma que MEDS, porque en ambos casos,
los modelos reflejan comportamientos inerciales que son los que
se consigue con la aplicación de las ecuaciones. Pero en el caso
de esta pandemia de COVID, se ha procedido por los gobiernos
a tantas medidas tanto correctas como incorrectas para frenar la
propagación del virus que, sólo introduciendo excepciones en el
modelo, las curvas inerciales pueden ajustarse al caos observado
en el comportamiento real. Esto es inevitable.
Otro modelo para COVID19 es el desarrollado por el equipo
de la Universidad de Valencia (Ref. 4), con un esquema similar
donde incluye a los confinados; exponen las tasas de calibración,
pero no arrojan ningún resultado, al menos en el trabajo de 2 de
abril, al inicio de la pandemia.
14 Sanid. mil. 2021; 77 (1)
El resultado que arroja el modelo MEDS, es a juicio del
autor, en esencia similar que el que arrojan los demás modelos,
pero se significa que todos presentan, a juicio del autor, tres problemas
básicos.
El primero es respecto de los límites: ¿Dónde termina el
modelo? ¿Que variables pertenecen a él y cuáles no? La respuesta
parece clara, en el núcleo del modelo MEDS, de este trabajo,
están descritas todas las variables, pero incluso estas son difusas,
en el sentido de que el comportamiento de cada variable de
nivel tiene un comportamiento variable según se desagreguen
por grupos de población, por ejemplo por grupos de edad, jóvenes,
adultos y mayores, están siendo en la realidad, tres grupos
de edad de comportamiento significativamente diferente. Sin
embargo, en el modelo están unidos dentro de las mismas variables.
Esto es fuente de una importante variabilidad en las tasas,
que se muestra en el análisis estocástico.
El segundo de los grandes problemas es el calibrado. Sin
haber hallado una metodología sencilla para su calibración, se
entiende que una propiedad que han de tener los modelos es su
«elegancia matemática», es decir, la tentativa de conseguir con
el simple diseño de modelos analíticos, que ellos respondan al
comportamiento real.
Dinámica de Sistemas ofrece muchas posibilidades de truncar
esa elegancia inercial, mediante sentencias que introducen la
lógica de los motores de inferencia, con sentencias del tipo «sí…
entonces» (IF THEN ELSE), es decir, si se cumple tal circunstancia,
entonces hacer «A» y si no, «hacer B». En esta primera
versión del modelo, así se ha procedido.
El tercero de los problemas es la fiabilidad de los datos. Sin
ánimo de entrar en el incómodo problema del negacionismo,
sí que es cierto que, dado que este episodio pandémico se está
desarrollando en nuestra actual sociedad de la información, ha
de tenerse en cuenta que no sólo se está viviendo una pandemia
biológica, provocada por un virus hasta ahora desconocido, sino
además se está viviendo una «infodemia»20, una pandemia informativa,
que no hace más que incrementar o disminuir la realidad,
según conviene a las autoridades políticas y sanitarias. Esta
es una pandemia que llega y se difunde mucho antes que la real,
debido al efecto amplificador de los canales de información.
Hay indicios razonables para pensar que los datos que se
vierten no son precisamente los reales y que los casos reales,
según se mire, pueden ser mucho mayores o menores, según de
fiable sea el sistema de información epidemiológico, su homogeneidad
respecto de las zonas, ciudades, regiones, CCAA o países.
No hay seguridad de que los datos de Francia obedezcan al
Figura 16.
Figura 17.