En este apartado se incluyen trabajos sobre la evolución de la Pandemia en distintos lugares y globalmente. trabajos que documentan como se ha diseminado el virus y los factores asociados a esa diseminación.
* Trasmisión virus y estrategias de prevención-confinamientos.
Análisis de la propagación del virus los primeros 3 meses y las implicaciones de ésta en terminos de medidas preventivas recomendables. Leer mas... Los datos epidemiológicos pronto comenzaron a proporcionar información importante sobre los riesgos asociados con la enfermedad. y la eficacia de las estrategias de intervención, como las restricciones de viaje y los confinamientos (“distanciamiento social”). Estos datos sugirien que al menos dos cepas de SARS-CoV-2 habían evolucionado durante los primeros meses de la epidemia mientras el virus migraba de China continental a Europa. Corea del Sur (SK), Irán, Italia (IT). Esta última se vió afectada por la variante “SKII”, más peligrosa.
Los mismos modelos que nos ayudan a entender la propagación de la epidemia también nos ayudan a elegir estrategias de prevención. La contención de las personas de alto riesgo, como los ancianos con comorbilidades, y la reducción de la gravedad de la enfermedad, ya sea mediante la vacunación, la reducción de las comorbilidades (visto como factores de riesgo ya en Italia) o el tratamiento temprano de las complicaciones, son las mejores estrategias contra una enfermedad respiratoria. Las restricciones masivas podrían ser efectivas durante el mes siguiente a la incidencia máxima de infecciones cuando finaliza el aumento exponencial de casos (la ventana de oportunidad). Según el modelo estándar susceptible-infeccioso-resistente (SIR) utilizado, contener a las personas de bajo riesgo demasiado pronto, simplemente prolonga el tiempo que el virus necesita para circular hasta que la incidencia sea lo suficientemente alta como para alcanzar la “inmunidad colectiva”. Contener a las personas de bajo riesgo demasiado tarde tampoco es útil. .
https://www.cureus.com/articles/111577-the-first-three-months-of-covid-19-epidemiological-evidence-for-two-sars-cov-2-strains-spreading-and-implications-for-prevention-strategies?utm_source=linkedin&utm_medium=social#!/
eur_j_clin_investigation_-_2022_-_ioannidis_-_the_end_of_the_covid‐19_pandemic.pdf
The end of the COVID-19 pandemic. John P. A. Ioannidis. Comentario por parte de este afamado epidemiólogo clínico y salubrista sobre la cuestión del fin de la Pandemia. Cuando los gobiernos hablan de endemización de la Covid-19 este autor repasa los criterios para definir que una Pandemia ha terminado. Pone de relieve que si se consideran factores estrictamente sanitarios la fase pandémica se podía considerar superada tiempo atrás pero la actitud de los gobiernos y el clima social en torno a esta enfermedad la Pandemia en la práctica persiste. Las consecuencias de ésta y de las medidas tomadas frente a ellas seguramente va a persistir por un largo periodo.
https://doi.org/10.1111/eci.13782/
universality_in_covid-19_spread_in_view_of_the_gompertz.pdf
Universalidad en la propagación de COVID-19 en vista de la función de Gompertz.
La propagación del coronavirus (SARS-CoV-2), y las curvas de la pandemia de COVID-19, en varios países sigue un comportamiento universal que pueden ser representadas por la función Gompertz. Se analiza leer más... el número de personas infectadas que dieron positivo (casos) en once países seleccionados (Japón, EE. UU., Rusia, Brasil, China, Italia, Indonesia, España, Corea del Sur, Reino Unido y Suecia). Al usar la función exponencial doble llamada función de Gompertz, fG(x) = exp(−e −x), el número de casos se describe bien como N(t) = N0fG(γ(t − t0)), donde N0, γ y t0 son el número final de casos, la tasa de amortiguamiento de la probabilidad de infección y el momento pico del número diario de casos nuevos, dN(t)/dt, respectivamente.
Se encuentra que los datos escalados de casos en la mayoría de los países analizados colapsan en una función de escala común fG(x) con x = γ(t − t0) siendo la variable de escala en el rango de fG(x) ± 0.05. El indicador propuesto recientemente llamado valor K, la tasa creciente de casos en una semana, también muestra un comportamiento universal. El mecanismo para que aparezca la función de Gompertz se analiza a partir de la dependencia temporal de la producción de números de piones en colisiones núcleo-núcleo, que también se encuentra descrito por la función de Gompertz.
https://www.medrxiv.org/content/10.1101/2020.06.18.20135210v2
global_perspective_of_covid_19_epidemiology_for_a_full_cycle_pan.pdf\\
A partir de octubre de 2020, hay más de 1 millón de muertes documentadas con COVID-19. El exceso de muertes puede ser causado tanto por el COVID-19 como por las medidas tomadas. COVID-19 muestra una estratificación de riesgo extremadamente fuerte según la edad, los factores socioeconómicos y los factores clínicos.Leer más El cálculo de los años de vida perdidos por COVID-19 es un desafío metodológico que puede generar sobreestimaciones engañosas. Muchas muertes prematuras pueden deberse a una gestión subóptima, sistemas de salud que funcionan mal, hidroxicloroquina, envío de pacientes con COVID-19 a hogares de ancianos e infecciones nosocomiales; tales muertes son parcialmente evitables en el futuro. Alrededor del 10 % de la población mundial puede estar infectada para octubre de 2020. La tasa de mortalidad por infección mundial es de 0,15-0,20 % (0,03-0,04 % en los menores de 70 años), con una gran variabilidad entre ubicaciones con diferente estructura de edad, tasas de institucionalización, condiciones socioeconómicas desigualdades, perfil de riesgo clínico a nivel poblacional, medidas de salud pública y atención sanitaria. Existe un debate sobre si al menos el 60% de la población mundial debe estar infectada para la inmunidad colectiva o, por el contrario, mezclar heterogeneidad e inmunidad cruzada preexistente puede permitir umbrales sustancialmente más bajos. Las simulaciones se presentan con un total de 1,58-8,76 millones de muertes por COVID-19 durante 5 años (1/2000-12/2024) a nivel mundial (0,5-2,9 % del total de muertes mundiales). Las cifras más favorables en ese rango serían factibles si se puede proteger preferentemente a los grupos de alto riesgo con tasas de infección más bajas que
la población restante. El número de muertes también puede verse afectado por la posible disponibilidad de vacunas y tratamientos efectivos, el manejo óptimo y las medidas tomadas, la interacción de COVID-19 con la influenza y otros problemas de salud, el potencial de reinfección y cualquier consecuencia crónica de COVID-19. Una gestión específica y precisa de la pandemia y evitar errores del pasado ayudaría a minimizar la mortalidad
https://onlinelibrary.wiley.com/doi/10.1111/eci.13423
trajectory_of_covid-19_epidemic_in_europe.pdf
El modelo clásico Susceptible-Infectado-Recuperado formulado por Kermack y 2 McKendrick [1] supone que todos los individuos de la población son igualmente susceptibles a la infección. Desde el ajuste de dicho modelo a la trayectoria de la mortalidad por COVID-19 en 11 países europeos hasta mayo de 2020, Flaxman et al. concluyó que “las principales intervenciones no farmacéuticas, y los bloqueos en particular, han tenido un gran efecto en la reducción de la transmisión” [2].Leer más... Mostramos que relajar la suposición de homogeneidad para permitir la variación individual en la susceptibilidad o la conectividad da un modelo que se ajusta mejor a los datos y una predicción de mortalidad de 14 días más precisa. Permitir la heterogeneidad reduce la estimación de muertes “contrafactuales” que habrían ocurrido si no hubiera habido intervenciones de 3,2 millones a 262 000, lo que implica que la mayor parte de la desaceleración y reversión de la mortalidad por COVID-19 se explica por la acumulación de inmunidad colectiva. . La estimación del umbral de inmunidad de rebaño depende del valor especificado para la tasa de mortalidad por infección (IFR): un valor de 0,3 % para el IFR da un 15 % para el umbral de inmunidad de rebaño promedio.
https://www.medrxiv.org/content/10.1101/2020.09.26.20202267v1
epidemiological_evidence_for_two_sars-cov-2_strains_spreading_and_implications_for_prevention_strategies.pdf
