Así influye el hacinamiento en la propagación del COVID-19

Las intervenciones no farmacéuticas, como el distanciamiento corporal y las cuarentenas, han sido las principales estrategias empleadas durante la pandemia para frenar la propagación del Covid-19. De hecho, durante la fase inicial del brote, en Wuhan (China) y la provincia de Hubei, algunas de las medidas inmediatas fueron cerrar las fronteras y reducir la movilidad humana hacia el exterior.

Aunque, para entonces, la importación de casos -o de personas contagiadas- era el principal factor de riesgo, con el tiempo se hizo evidente que otros aspectos como el hacinamiento, el clima, factores económicos, las condiciones de las viviendas y la composición de los hogares (con varias familias o varias generaciones) también tenían un papel importante en la propagación de la pandemia a nivel local. Sin embargo, hasta ahora, era poca la evidencia empírica sobre los efectos de factores geográficos en la transmisión epidémica local. (Le puede interesar: Departamentos y municipios que entran a pico de coronavirus)

Por eso, un equipo de científicos se puso en la tarea de estudiar las variables espaciales en ciudades de China e Italia, junto con los datos de contagio, para evaluar el papel del clima, la urbanización y la variación de las intervenciones en el comportamiento de la pandemia. El estudio, titulado “Crowding and the shape of COVID-19 epidemics” (El hacinamiento y la forma de las epidemias de COVID-19), fue publicado este mes en la revista Nature Medicine.

“Los análisis han indicado que la propagación de COVID-19 desde Hubei al resto de China fue impulsada principalmente por la movilidad humana desde Wuhan, y que las estrictas medidas para restringir el movimiento humano y las reuniones públicas dentro y entre las ciudades de China se asociaron con tener las epidemias locales bajo control”, señala el estudio. Sin embargo, “sigue habiendo incertidumbres clave en cuanto a qué factores geográficos impulsan la dinámica de transmisión local de COVID-19, y el análisis inicial sugiere un papel limitado del clima en la determinación del crecimiento epidémico”. (Puede ver: “Aplanar la curva no es suficiente: se proyectan cambios grandes en la forma como vivimos”)

Frente a estos vacíos, los investigadores encontraron que en China e Italia existían datos detallados en el tiempo para la epidemia de COVID-19 en una amplia gama de contextos geográficos que brindaban la oportunidad de evaluar el papel de los factores locales en el comportamiento epidémico. Para hacer la investigación utilizaron datos epidemiológicos diarios de ciudades chinas y provincias italianas, datos climáticos y de población y la respuesta dada a la pandemia a partir de las intervenciones locales. Su hipótesis aseguraba que la variación en la tasa de contagio entre las ciudades y la agrupación temporal de casos era el resultado de la organización espacial de las poblaciones humanas.

Evidenciaron que la transmisión de enfermedades infecciosas puede verse influenciadas por la heterogeneidad espacial, los movimientos humanos y por diferencias locales en la población. De modo que, en poblaciones con alta densidad de población local, la propagación de nuevos patógenos podría ser más alta debido a las mayores tasas de contacto entre los individuos susceptibles. Asimismo, en el caso de los patógenos respiratorios (como el SARS-CoV-2), el periodo más corto durante se observan la mayoría de los casos, que es conocido como “el pico”, varía con el aumento del hacinamiento, los factores socioeconómicos y climáticos.

“Descubrimos que las ciudades con mayor hacinamiento tienen epidemias más prolongadas y tasas de contagio más altas después de la primera ola epidémica (…) mientras que las áreas comparativamente rurales podrían experimentar más picos de la epidemia en diferentes momentos” sostiene el estudio. Para probarlo, los investigadores usaron el índice de Lloyd’s de “hacinamiento medio”, una métrica geográfica que resume tanto la densidad de la población, como la manera en la que se distribuye esta densidad en una provincia. Por ejemplo, la ciudad de Xi’an tiene altos valores de hacinamiento, mientras que Bozhou tiene una densidad de población similar, pero que está distribuida de una manera más uniforme en todo el territorio.

“Encontramos que la agrupación temporal de casos se correlacionó negativamente con el número medio de contactos, pero positivamente con la densidad de población media”, señala el estudio. Esta observación contrasta con las expectativas de los modelos epidemiológicos clásicos, que predicen un mayor pico en áreas más masificadas debido a la mayor disponibilidad de individuos susceptibles. En contraste, estos mayores picos se pueden presentar en ciudades más hacinadas, aseguran. Sin embargo, sí se hizo evidente que la movilidad humana dentro de la ciudad durante el brote se correlacionó con la agrupación temporal de casos, es decir, “las ciudades que tienen mayores reducciones en la movilidad también tienen un pico epidémico más bajo”.

Al ir más allá y combinar la reducción de la movilidad en un modelo con variables de hacinamiento y humedad, se evidenció que estas variables seguían siendo predictores significativos del agrupamiento temporal de casos. Es decir que, “aunque las medidas para reducir la movilidad pueden conducir con éxito a un aplanamiento de la curva de la epidemia, el hacinamiento de la población es un factor independiente que contribuye a la manera en la que se presenta la epidemia en estos países”.

En consecuencia, la estructura espacial de la población podría predecir también la forma de la epidemia de COVID-19. “Demostramos que el grado en que los casos de COVID-19 se comprimen en un periodo corto de tiempo (pico de la epidemia) está fuertemente condicionado por la agregación y la heterogeneidad de la población”, señala el estudio. En otras palabras, esto indica que en ciudades superpobladas las epidemias tienden a extenderse más a lo largo del tiempo y a tener mayores tasas de contagios totales que las ciudades menos pobladas.

Las intervenciones no farmacéuticas, como el distanciamiento corporal y las cuarentenas, han sido las principales estrategias empleadas durante la pandemia para frenar la propagación del Covid-19. De hecho, durante la fase inicial del brote, en Wuhan (China) y la provincia de Hubei, algunas de las medidas inmediatas fueron cerrar las fronteras y reducir la movilidad humana hacia el exterior.

Aunque, para entonces, la importación de casos -o de personas contagiadas- era el principal factor de riesgo, con el tiempo se hizo evidente que otros aspectos como el hacinamiento, el clima, factores económicos, las condiciones de las viviendas y la composición de los hogares (con varias familias o varias generaciones) también tenían un papel importante en la propagación de la pandemia a nivel local. Sin embargo, hasta ahora, era poca la evidencia empírica sobre los efectos de factores geográficos en la transmisión epidémica local. (Le puede interesar: Departamentos y municipios que entran a pico de coronavirus)

Por eso, un equipo de científicos se puso en la tarea de estudiar las variables espaciales en ciudades de China e Italia, junto con los datos de contagio, para evaluar el papel del clima, la urbanización y la variación de las intervenciones en el comportamiento de la pandemia. El estudio, titulado “Crowding and the shape of COVID-19 epidemics” (El hacinamiento y la forma de las epidemias de COVID-19), fue publicado este mes en la revista Nature Medicine.

“Los análisis han indicado que la propagación de COVID-19 desde Hubei al resto de China fue impulsada principalmente por la movilidad humana desde Wuhan, y que las estrictas medidas para restringir el movimiento humano y las reuniones públicas dentro y entre las ciudades de China se asociaron con tener las epidemias locales bajo control”, señala el estudio. Sin embargo, “sigue habiendo incertidumbres clave en cuanto a qué factores geográficos impulsan la dinámica de transmisión local de COVID-19, y el análisis inicial sugiere un papel limitado del clima en la determinación del crecimiento epidémico”. (Puede ver: “Aplanar la curva no es suficiente: se proyectan cambios grandes en la forma como vivimos”)

Frente a estos vacíos, los investigadores encontraron que en China e Italia existían datos detallados en el tiempo para la epidemia de COVID-19 en una amplia gama de contextos geográficos que brindaban la oportunidad de evaluar el papel de los factores locales en el comportamiento epidémico. Para hacer la investigación utilizaron datos epidemiológicos diarios de ciudades chinas y provincias italianas, datos climáticos y de población y la respuesta dada a la pandemia a partir de las intervenciones locales. Su hipótesis aseguraba que la variación en la tasa de contagio entre las ciudades y la agrupación temporal de casos era el resultado de la organización espacial de las poblaciones humanas.

Evidenciaron que la transmisión de enfermedades infecciosas puede verse influenciadas por la heterogeneidad espacial, los movimientos humanos y por diferencias locales en la población. De modo que, en poblaciones con alta densidad de población local, la propagación de nuevos patógenos podría ser más alta debido a las mayores tasas de contacto entre los individuos susceptibles. Asimismo, en el caso de los patógenos respiratorios (como el SARS-CoV-2), el periodo más corto durante se observan la mayoría de los casos, que es conocido como “el pico”, varía con el aumento del hacinamiento, los factores socioeconómicos y climáticos.

“Descubrimos que las ciudades con mayor hacinamiento tienen epidemias más prolongadas y tasas de contagio más altas después de la primera ola epidémica (…) mientras que las áreas comparativamente rurales podrían experimentar más picos de la epidemia en diferentes momentos” sostiene el estudio. Para probarlo, los investigadores usaron el índice de Lloyd’s de “hacinamiento medio”, una métrica geográfica que resume tanto la densidad de la población, como la manera en la que se distribuye esta densidad en una provincia. Por ejemplo, la ciudad de Xi’an tiene altos valores de hacinamiento, mientras que Bozhou tiene una densidad de población similar, pero que está distribuida de una manera más uniforme en todo el territorio.

“Encontramos que la agrupación temporal de casos se correlacionó negativamente con el número medio de contactos, pero positivamente con la densidad de población media”, señala el estudio. Esta observación contrasta con las expectativas de los modelos epidemiológicos clásicos, que predicen un mayor pico en áreas más masificadas debido a la mayor disponibilidad de individuos susceptibles. En contraste, estos mayores picos se pueden presentar en ciudades más hacinadas, aseguran. Sin embargo, sí se hizo evidente que la movilidad humana dentro de la ciudad durante el brote se correlacionó con la agrupación temporal de casos, es decir, “las ciudades que tienen mayores reducciones en la movilidad también tienen un pico epidémico más bajo”.

Al ir más allá y combinar la reducción de la movilidad en un modelo con variables de hacinamiento y humedad, se evidenció que estas variables seguían siendo predictores significativos del agrupamiento temporal de casos. Es decir que, “aunque las medidas para reducir la movilidad pueden conducir con éxito a un aplanamiento de la curva de la epidemia, el hacinamiento de la población es un factor independiente que contribuye a la manera en la que se presenta la epidemia en estos países”.

En consecuencia, la estructura espacial de la población podría predecir también la forma de la epidemia de COVID-19. “Demostramos que el grado en que los casos de COVID-19 se comprimen en un periodo corto de tiempo (pico de la epidemia) está fuertemente condicionado por la agregación y la heterogeneidad de la población”, señala el estudio. En otras palabras, esto indica que en ciudades superpobladas las epidemias tienden a extenderse más a lo largo del tiempo y a tener mayores tasas de contagios totales que las ciudades menos pobladas.