El objetivo del actual aislamiento obligatorio es reducir los casos de personas infectadas por el SARS-CoV-2 (Covid-19) y evitar que ellos superen la capacidad de atención hospitalaria de nuestro sistema de salud. Dado que la incubación del virus (tiempo entre la infección y la aparición de los primeros síntomas) es de hasta 14 días (generalmente son 5), el resultado de la reducción de contagios debería evaluarse 2 semanas después de iniciada la cuarentena. Y así fue como el gobierno, en los primero días de abril, mostró que la cantidad de infectados fue menor a la esperada en un escenario sin circulación restringida.
Un primer parte de resultados fue el publicado en los primeros días de abril, cuando llevábamos 15 días cumpliendo el aislamiento.
El gobierno mostró la curva de nuevos casos (en línea azul) que llegaba hasta 1500 y la comparó con los 4583 casos que eventualmente hubieran ocurrido sin cuarentena (línea negra). Era comparar datos reales contra datos de un escenario hipotético hecho con un modelo matemático de predicción.
La curva del escenario probable
El modelo matemático que predice un posible escenario se alimenta de los datos que los investigadores creen tener. Por ejemplo, la población de un lugar, la movilidad que tradicionalmente ocurre, los infectados sintomáticos que están contagiando, los infectados asintomáticos que contagian, el número de personas que se contagiarán por cada infectado nuevo, etc. Con todas esas variables se construye el escenario y se describe la curva de posible crecimiento de la epidemia.
Sin embargo, la gráfica se basa en datos posibles y con ella se construyó la hipótesis pero solo hasta que termine la epidemia no podemos decir si este era el modelo sobre el que debimos tomar las decisiones que actualmente seguimos. De igual forma trabajamos los médicos, con escenarios probables alimentados por los datos que recolectamos del paciente: sexo, edad, peso, antecedentes, síntomas, hallazgos del examen físico y de los exámenes complementarios que en conjunto analizamos con el conocimiento y la experiencia para entregarle al paciente un diagnóstico y un plan de tratamiento.
Pero …..
A diferencia de los escenarios probables con los que nos enfrentamos los médicos, construidos con estudios clínicos confiables, los del modelo de la epidemia para Covid 19 no habían sido probados. Por ello, al observar la diferencia de casos probables versus los casos realmente encontrados podría hacernos concluir que la cuarentena fue eficaz o que el modelo sobrestimó los casos de la epidemia o que no hemos detectamos a la mayoría de infectados porque no hicimos suficientes pruebas o una mezcla de las tres explicaciones anteriores.
Volviendo al quid del titular de este artículo, lo que debería aplanarse es la curva de infectados activos. Los infectados activos son el resultados de sumar los casos anteriores con los casos nuevos y a ello restarle los enfermos curados y los fallecidos por la enfermedad. Y es que el crecimiento de los infectados activos es lo que pone en riesgo la capacidad instalada del sistema de salud para su atención. Esta es la curva que debe aplanarse, no la curva hipotética. Debemos tomar decisiones basadas en los datos concretos: cuántas unidades de apoyo para la atención de la enfermedad tenemos en cada región (médicos, enfermeras, camas, unidades de cuidados intensivos, etc) y cómo va el crecimiento de los infectados activos. Para ello necesitamos dos cosas: aumentar la capacidad sanitaria instalada y detectar oportunamente todos los casos a través de más pruebas diagnósticas.
