Modelo en computador predice respuesta a brotes de enfermedades

Este modelo mostró que el proceso de contagio social depende de la prevalencia de la enfermedad, del riesgo que se perciba de ella y de la señal que den los medios de comunicación global.

Para verificar el modelo, los investigadores analizaron la propagación de la enfermedad y la respuesta social durante el brote de la gripe H1N1 de 2009 en la Ciudad de México y los brotes del síndrome respiratorio agudo severo (SRAS) de 2003 y del H1N1 de 2009 en Hong Kong. El modelo predijo con exactitud que la respuesta del público fue desproporcionada frente al riesgo real; en general, la investigación demostró que las enfermedades que son raras o inusuales, reciben con frecuencia un nivel de atención que supera con creces el verdadero riesgo. Por ejemplo, el brote de SRAS produjo una respuesta del público mucho más fuerte que el de H1N1, aunque la tasa de infección con el virus H1N1 fue cientos de veces mayor que la del SRAS. El estudio fue publicado el 15 de enero de 2015 en la revista Interface.

“Las trayectorias de las epidemias y las respuestas sociales asociadas a ellas varían ampliamente de una población a otra y a veces se observan fuertes reacciones”, concluyó la autora principal, Natasha Markuzon, PhD, del Laboratorio Draper. “Cuando nos enfrentamos a patógenos nuevos o mortales, la gente exhibe una variedad de comportamientos desde la ansiedad hasta el acaparamiento de los suministros médicos, exageración en la infraestructura médica o disturbios”.

“Espero que en el futuro, si pudiéramos predecir que se van a presentar estas malas consecuencias sociales y económicas, las cuales podrían costar mucho dinero y aún costar muchas vidas, la gente pueda tomar medidas para contrarrestar estos efectos”, agregó la coautora del estudio Marta González, PhD, profesora asistente de ingeniería civil y ambiental del MIT. “Si bien la cobertura de los medios de comunicación a veces puede ayudar a sembrar el pánico durante un brote, el tipo correcto de información quizás podría tener el efecto contrario”.

Enlaces relacionados:

MIT
Draper Laboratory
Ascel Bio