«Frenar la curva» y sus implicaciones epidemiológicas

3 abril, 2020
Este artículo fue redactado y avalado por el biólogo Samuel Antonio Sánchez Amador
El coronavirus (COVID-19) se expande rápidamente en nuestro país. Por eso, "frenar la curva" se ha convertido en una necesidad para hacer frente a esta enfermedad. En este espacio te mostramos qué es una curva epidemiológica y el significado de frenarla.

El término «frenar la curva» inunda las noticias y los medios de comunicación en los últimos días. Tratar de parar el crecimiento exponencial de una enfermedad es la primera línea de frente ante su expansión. Por ello, se han tomado medidas tan drásticas en el último mes.

El COVID-19 tiene a los sistemas sanitarios de muchos países contra las cuerdas, y es importante entender la terminología que su expansión conlleva para poder combatirlo.

Y es que, aunque el número de casos se mantenga alto a lo largo del tiempo, el hecho de que existan al menos los mismos infectados ingresados que altas diarias descongestiona enormemente el sistema sanitario.

Lo habremos escuchado ya muchas veces: el peligro del coronavirus no es la mortalidad, sino su transmisibilidad y su capacidad de colapsar los sistemas públicos. Por ello, es muy importante entender la curva de crecimiento de esta enfermedad y responder en consecuencia a ella.

¿Qué debemos saber al respecto? En este espacio ahondaremos a fondo sobre qué es la curva de casos del COVID-19, y las implicaciones del crecimiento de la misma. ¡Descúbrelo!

La epicurva y representación de los casos

La epicurva y representación de los casos
La curva epidemiológica proporciona información del patrón de propagación de la infección, los casos aislados, periodo de incubación, entre otros.

Una curva epidemiológica o epicurva es una representación gráfica del número de casos epidémicos de acuerdo a la fecha de la aparición de la enfermedad. Esta nos brinda información a cerca de:

  • El patrón de propagación de la epidemia.
  • Magnitud de la epidemia.
  • Casos aislados.
  • Tendencia en el tiempo.
  • Periodo de exposición e incubación de la enfermedad.

Un valor extremadamente importante en la lucha contra el COVID-19 es, sin duda, identificar el tiempo de propagación inicial de la enfermedad. Para ello, resulta esencial ver el periodo de exposición representado en la epicurva.

Por desgracia, para este hallazgo ya hemos llegado tarde. Al haberse situado recientemente el principal inicio de propagación a finales de febrero, al momento de instauración de medidas drásticas la enfermedad ya contaba con miles de enfermos en periodo de incubación.

Así pues, páginas de seguimiento, como la de Joan C. Micó, profesor titular de Universidad Politécnica de Valencia (UPV), sugieren que no veremos el pico de afectados por la enfermedad hasta el día 6 de abril.

Te puede interesar: Transmisibilidad: el verdadero peligro del coronavirus

Función de Gompertz; la esperanza para parar el COVID-19

La curva de Gompertz o la función de Gompertz, es un tipo de modelo matemático para una serie temporal. Se trata de una función sigmoidea (con forma de S alargada) que describe el crecimiento como más lento al comienzo y al final en un periodo de tiempo dado.

La función fue diseñada originalmente para describir la mortalidad humana, y es bastante utilizada en epidemiología. Este tipo de función es el que se espera y se prevé para el desarrollo del COVID-19 a nivel global:

  • El aplanamiento inicial correspondería a una serie de casos aislados detectados, mientras que el resto de infectados se encontrarían en periodo de incubación.
  • Luego, estos valores se dispararían, alargando la parte alta de la «S» de la curva. En estos momentos se detectarían los incubadores de la primera fase, además de todos los infectados nuevos por parte de los mismos. Esta fase de crecimiento es exponencial, es decir, que cada vez crece más rápido en el tiempo.
  • Aquí es donde las medidas tomadas deberían de desempeñar un papel esencial. El crecimiento exponencial no puede ser infinito, pero en el peor de los casos este se frenaría al alcanzar un 100 % de infectados.

El aislamiento domiciliario y la detección rápida de casos deberían de frenar la curva de crecimiento exponencial. Al no haber gente en la calle que pueda exponerse de manera clara a la infección, de forma lógica el patrón de expansión de la enfermedad no puede ser el mismo que en una situación de normalidad.

Lee también: Factores de riesgo de mortalidad por coronavirus

El aplanamiento de la curva no implica el final

El aplanamiento de la curva no implica el final
El aplanamiento de la curva no indica el final de la enfermedad. Por desgracia, aunque todo se estabilice, se seguirán dando casos de enfermos y muertes por coronavirus.

Frenar la curva de casos y muertes es el primer paso para combatir la enfermedad, pero esto no implica el final. Tienen que seguir apareciendo nuevos enfermos y, por desgracia, seguir dándose muertes.

La visión de los estudios epidemiológicos es a nivel global y no individual: el hecho de que se estabilicen el número de fallecidos ya es una buena noticia, aunque siga siendo muy alto.

Una vez se estabiliza, se aplana esta curva exponencial dando lugar a una curva de Gompertz, y se puede afirmar que lo peor ya ha pasado. Pero algo tenemos que tener claro: aunque se frene el crecimiento de la enfermedad, erradicarla por completo es prácticamente imposible en un plazo temporal corto.

Al finalizar esta pandemia (que finalizará) seguirán existiendo casos por COVID-19, pero estos podrán ser tratados de manera mucho más exhaustiva por un sistema sanitario de funcionamiento normal.

  • Función de Gompertz. (s.f.). En Wikipedia. Recuperado el 31 de marzo de 2020 de https://es.wikipedia.org/wiki/Funci%C3%B3n_de_Gompertz
  • COVID-19: Curvas epidémicas. (13 de marzo 2020). En Instituto de Salud Global de Barcelona (ISGlobal). Recuperado el 31 de marzo de 2020 de https://www.isglobal.org/-/covid-19-epidemiological-curves#
  • Torok, M. (2005). Curvas Epidémicas. FOCUS on Field Epidemiology En Español, 1(5), 7. Retrieved from https://nciph.sph.unc.edu/focus/vol1/issue5/1-5EpiCurves_espanol.pdf%0Ahttps://cphp.sph.unc.edu/focus/vol1/issue5/1-5EpiCurves_espanol.pdf