Coronavirus: cinco días sin síntomas tras la infección
Investigadores estiman que el período de incubación promedio de COVID-19 es de 5,1 días y el 97,5% de los que desarrollan síntomas parecen hacerlo dentro de los 11,5 días tras la infección. Foto: Freepik

La evidencia sugiere que las personas infectadas con SARS-CoV-2, el virus recientemente identificado que causa la enfermedad por coronavirus COVID-19, pueden estar libres de síntomas durante aproximadamente cinco días en promedio, y deben esperar experimentar síntomas dentro de los 12 días.

Estos hallazgos, publicados hoy en Annals of Internal Medicine, respaldan las recomendaciones actuales de los Centros para el Control y la Prevención de Enfermedades (CDC) de EE UU.

Como se sabe, en diciembre de 2019, se notificó un grupo de casos de neumonía grave de etiología desconocida en Wuhan, provincia de Hubei, China. Estos casos pronto se atribuyeron a una nueva cepa de coronavirus perteneciente a la misma familia de virus que causa el Síndrome Respiratorio Agudo Severo (SARS), el Síndrome Respiratorio del Medio Oriente (MERS) y los cuatro coronavirus humanos asociados con el resfriado común.

La infección con el virus, el coronavirus 2 del síndrome respiratorio agudo severo (SARS-CoV-2), puede ser asintomática o provocar una enfermedad sintomática leve a grave (enfermedad del coronavirus 2019 o COVID-19). La comprensión actual del período de incubación de COVID-19 es limitada.

Primeros síntomas del coronavirus

Ahora, un equipo de investigadores de Johns Hopkins Bloomberg School of Public Health ha realizado un análisis de noticias, informes de salud pública y comunicados de prensa de medio centenar de provincias, regiones y países fuera de Wuhan (China), para estimar la duración del período de incubación de COVID-19; esto es, el tiempo desde la exposición al coronavirus hasta el inicio de los síntomas.

Encontraron información sobre 181 casos confirmados con exposición identificable al coronavirus y ventanas de inicio de síntomas. Fundamentados en los datos disponibles, estos investigadores estimaron que el período de incubación promedio de COVID-19 fue de 5,1 días y el 97,5% de los que desarrollan síntomas parecen hacerlo dentro de los 11,5 días tras la infección.

Estas estimaciones implican que, bajo supuestos conservadores, 101 de cada 10.000 casos desarrollarán síntomas después de 14 días de monitoreo activo o cuarentena, lo que respalda las recomendaciones actuales de los Centro de Control de Enfermedades de Atlanta.

Los autores advierten que, dada la evidencia reciente de transmisión del agente patógeno SARS-CoV-2 por individuos levemente sintomáticos y asintomáticos, el tiempo desde la exposición hasta el inicio de la infecciosidad (período latente) puede ser más corto que el período de incubación estimado, con importantes implicaciones para la dinámica de transmisión.

Modelo matemático para predicción de epidemias, como coronavirus

modelo matemático coronavirus
Un equipo de investigadores de Carnegie Mellon ha desarrollado una teoría matemática que predice con mayor precisión la probabilidad de aparición de una epidemia que los modelos tradicionales que ignoran las adaptaciones evolutivas. Imagen: Carnegie Mellon College of Engineering

Por otra parte, en un trabajo publicado en PNAS, de la Academia de Ciencias de Estados Unidos, científicos de la Universidad Carnegie Mellon han desarrollado una teoría matemática que predice, con mayor precisión, la probabilidad de aparición de una epidemia.

Destacan en sus conclusiones que los modelos tradicionales ignoran las adaptaciones evolutivas. “Estos cambios evolutivos tienen un gran impacto”, asegura el profesor Osman Yagan, miembro de este equipo y experto en Informática. “Si no considera los posibles cambios a lo largo del tiempo -añade-, se equivocará al predecir el número de personas que se enfermarán o el número de personas que están expuestas”.

La mayoría de la gente está familiarizada con las epidemias de enfermedades, pero la información en sí misma, que actualmente viaja a la velocidad de la luz en las redes sociales, puede experimentar su propio tipo de epidemia y “volverse viral”, afirman los investigadores. Si una información se vuelve viral o no puede depender de cómo se modifique el mensaje original.

Epidemias simuladas por computadora

El profesor Yagan matiza que “algunas informaciones erróneas son intencionales, pero otras pueden desarrollarse orgánicamente cuando muchas personas hacen pequeños cambios secuencialmente. Una información aparentemente aburrida puede evolucionar a un tuit viral, y necesitamos poder predecir cómo se propagarán estas cosas”.

En su estudio, los investigadores desarrollaron una teoría matemática que toma en consideración estos cambios evolutivos. A continuación, probaron su teoría con miles de epidemias simuladas por computadora en redes del mundo real, como Twitter, para la difusión de información o un hospital para la propagación de enfermedades.

En el contexto de la propagación de enfermedades infecciosas, el equipo realizó miles de simulaciones utilizando datos de dos redes del mundo real: una red entre estudiantes, profesores y personal de una escuela secundaria de EE UU, y una red entre personal y pacientes en un hospital en Lyon, Francia.

Estas simulaciones sirvieron como banco de pruebas: la teoría que coincide con lo que se observa en las simulaciones resultaría más precisa.

Dejar respuesta

Please enter your comment!
Please enter your name here