Un estudio examina el papel de los aeropuertos en la diseminación de enfermedades

El primer estudio que modeló la dinámica de la diseminación de la enfermedad en las primeras etapas de un brote, analizó 40 aeropuertos de EE. UU. Y halló el que propagaría la enfermedad desde su ciudad natal a otros lugares, el más rápido sería el Aeropuerto Internacional Kennedy de Nueva York, seguido por aeropuertos en Los Ángeles, Honolulu y San Francisco.
Investigadores del Departamento de Ingeniería Civil y Ambiental (CEE) del Instituto Tecnológico de Massachusetts (MIT) escriben sobre sus hallazgos en un documento publicado en línea el 19 de julio en Más uno.

Modelo se centra en las primeras etapas de brote

En los últimos diez años, hemos visto una serie de brotes de enfermedades que se han extendido por todo el mundo. En 2003, el brote de SRAS tardó solo unas pocas semanas en propagarse desde Hong Kong a 37 países, matando a casi 1.000 personas a su paso. En 2009, la pandemia de la "gripe porcina" H1N1 mató a casi 300,000 personas en todo el mundo.
Dichos brotes aumentan la conciencia de que los nuevos patógenos podrían propagarse rápidamente por todo el mundo con la ayuda de los viajeros aéreos.
Para investigar tales patrones de contagio, los científicos están construyendo modelos matemáticos que incorporan ideas de sistemas de red complejos y cómo la información se propaga en las redes sociales.
Hasta ahora, estos modelos se han centrado en las etapas finales de los brotes, buscando lugares que finalmente desarrollen las tasas de infección más altas.

Pero los investigadores del MIT tomaron un enfoque diferente: decidieron centrarse en las primeras etapas de las epidemias y comparar las probabilidades de propagación desde sus ciudades de origen a otros lugares a través de los 40 aeropuertos más grandes de los EE. UU..
Por lo tanto, su modelo tiene en cuenta los patrones de viaje de las personas, la ubicación geográfica de los aeropuertos, las diferencias de conectividad entre los aeropuertos y los tiempos de espera en los aeropuertos individuales. Al unir estos factores, el modelo intenta predecir dónde y con qué rapidez se propagará una enfermedad.
Los investigadores sugieren Esta forma de ver el problema podría ayudar a decidir las mejores formas de contener la infección y distribuir vacunas y tratamientos en los primeros días de un brote..
El autor principal, Ruben Juanes, profesor asociado de ARCO en Estudios de Energía en el departamento de CEE del MIT, dijo a la prensa:
"Nuestro trabajo es el primero en observar la difusión espacial de los procesos de contagio en los primeros tiempos, y proponer un predictor para el cual 'nodos' - en este caso, los aeropuertos - conducirán a una dispersión espacial más agresiva".
"Los hallazgos podrían formar la base para una evaluación inicial de estrategias de asignación de vacunas en caso de un brote, y podrían informar a las agencias de seguridad nacional sobre las vías más vulnerables para los ataques biológicos en un mundo densamente conectado", agregó.

El nuevo modelo es más realista

El modelo reúne dos patrones de movilidad contrastantes: uno geofísico y el otro humano. El primero proviene de los estudios de Juanes sobre el flujo de fluidos a través de redes de fractura en rocas subterráneas, y el segundo proviene de los estudios de Marta González de CEE que modelan patrones de movilidad humana y rastrean procesos de contagio en redes sociales usando datos de teléfonos celulares.
Al incorporar estas dos fuentes de conocimiento, el nuevo modelo MIT se aleja del enfoque convencional que supone que los humanos viajan en un patrón de difusión aleatorio cuando se mueven de un aeropuerto a otro.
El nuevo modelo es más realista. La gente no viaja al azar. Tienden a repetir patrones.
El equipo aplicó simulaciones de Monte Carlo a los estudios de González sobre los patrones de movilidad humana para determinar la probabilidad de que cualquier viajero viajara de un aeropuerto a otro.
Y también reemplazaron el modelo de flujo aleatorio convencional con un modelo de "líquido advectivo" que asume que el proceso de transporte depende de las propiedades de la sustancia que se está moviendo.
Un modelo de flujo aleatorio convencional mostraría que los centros aeroportuarios más grandes en términos de volumen de tráfico serían los esparcidores de enfermedades más influyentes.
Pero el equipo, con su modelo más realista, demostró que ese no es el caso.

Aeropuerto de Honolulu: menos tráfico pero gran influencia

Un modelo de difusión aleatoria miraría al aeropuerto de Honolulu, que tiene solo el 30% del tráfico aéreo del Aeropuerto Internacional Kennedy de Nueva York, y concluiría que la mitad de sus viajeros iría a San Francisco y la otra mitad a Anchorage, llevando la enfermedad a esos aeropuertos, pasando a otros viajeros, que a su vez lo transmiten en otros patrones de viaje aleatorios.
Pero el nuevo modelo MIT observa el aeropuerto de Honolulu y predice, a pesar de tener un 70% menos de tráfico, que en términos de propagación de la enfermedad, es casi tan influyente como el Aeropuerto Internacional Kennedy de Nueva York.
Esto se debe a que el aeropuerto de Honolulu ocupa una posición única en la red de transporte aéreo. Está ubicado en el Océano Pacífico y está bien conectado con centros distantes, grandes y bien conectados. Así que ocupa el tercer lugar, por delante de San Francisco, en la lista de 40 aeropuertos de EE. UU. En términos de influencia de propagación del contagio.
De los 40 aeropuertos estadounidenses que el modelo examinó en términos de influencia sobre la diseminación de la enfermedad, coloca al Aeropuerto Kennedy en el primer lugar, seguido de los aeropuertos en Los Ángeles, Honolulu, San Francisco, Newark, Chicago (O'Hare) y Washington (Dulles).
El aeropuerto más importante en términos de número de vuelos es el Aeropuerto Internacional Hartsfield-Jackson de Atlanta, pero el modelo lo ubica octavo en influencia de contagio. El aeropuerto internacional Logan de Boston ocupa el puesto 15.
González es el Profesor Asistente de Desarrollo Profesional de Gilbert W. Winslow de CEE en el MIT. Ella dijo que el método que usaron es relativamente nuevo pero muy robusto.
"El estudio de la dinámica de la difusión y la movilidad humana, utilizando herramientas de redes complejas, se puede aplicar a diferentes campos de estudio para mejorar los modelos predictivos", dijo González, sugiriendo que la "incorporación de métodos de física estadística para desarrollar modelos predictivos probablemente tendrá efectos de largo alcance para el modelado en muchas aplicaciones ".
Una Beca de Graduados de Vergottis y premios del Fondo de Corporación de NEC, el Fondo de Investigación Solomon Buchsbaum y el Departamento de Energía de EE. UU. Ayudaron a financiar el estudio.
Escrito por Catharine Paddock PhD