Una estrategia para realizar pruebas de la COVID-19 en empresas o instituciones, que optimiza los recursos y minimiza la presencia de personas que podrían estar infectadas fue desarrollada por el astrofísico Xavier Hernández Doring, investigador del Instituto de Astronomía de la UNAM. Consiste en un novedoso algoritmo que funciona para identificar asintomáticos y presintomáticos.
Este esquema de muestreo permite seleccionar cada día de forma óptima y eficiente a quiénes aplican pruebas para detectar la presencia del SARS-CoV-2 en los lugares de trabajo, las cuales forman parte de las medidas de protección estándar y obligatorias implementadas ampliamente en respuesta a la pandemia.
¿Para qué funciona?
Hernández Doring es un astrofísico teórico que labora desde hace tiempo en problemas de gravedad, jets astrofísicos, dinámica galáctica, y estadística de poblaciones de estrellas, así como de explosiones de rayos gamma o de galaxias.
Sin embargo, a petición de su colaborador Sergio Valentinotti Marelli, director de Ciencias de la Vida en el Laboratorio Liomont y miembro del Consejo Directivo del Patronato de la Facultad de Química de la UNAM, enfrentó el reto de diseñar un plan que permitiera minimizar la cantidad de gente enferma que tienen en la planta, reducir contagios y no retrasar la producción.
“Él es el encargado del envasado de las vacunas de AstraZeneca que se están haciendo en colaboración con Argentina, aquí en México, y tenía este problema puntual, real y apremiante pues no pueden trabajar desde casa. Hay máquinas que deben ser operadas y la necesidad de sacar las vacunas y tener a la gente trabajando”.
A todos los empleados no se les puede hacer una prueba PCR diaria porque existe un límite de test que se pueden procesar en una población. Es decir, si hay mil personas y se les quiere evaluar, ¿a qué hora elaboran las vacunas?
Además de que se deben considerar los costos, capacidades de procesamiento, disponibilidad limitada y los requisitos a menudo engorrosos de la prueba, lo que impone buscar el uso más eficiente de un recurso tan importante y frecuentemente escaso.
Por ello, el astrofísico diseñó un esquema de muestreo, publicado también hoy en la revista PLOS ONE, donde prueba su eficiencia con una serie de simulaciones por computadora para obtener resultados del efecto que puede tener. Se mostró que logra reducir -hasta por factores de dos, incluso tres- el número de gente infectada presintomática o asintomática presente en un entorno laboral o educativo, con respecto a solo hacer la misma cantidad de pruebas seleccionadas al azar.
Parámetros y variables considerados por el algoritmo para identificar asintomáticos
- El número de personas en la población.
- La probabilidad media diaria de infección en la población general.
- Duración del periodo de infección.
- El número de pruebas realizadas cada día.
- La cantidad de días después de una prueba negativa durante los cuales una persona queda excluida de la muestra de prueba.
- La cantidad de días de infectadas registradas durante un periodo de 100 días.
Es un problema que, obviamente, es bastante general, pues por más que se quisiera trabajar desde casa hay empleos para los cuales la gente tiene que acudir. Por ejemplo hospitales, luz, procesamiento de alimentos, petróleos y no se le puede hacer las pruebas diarias a todo el personal.
Así como surgió la necesidad en la empresa fabricante de vacunas, existen industrias que no deben detenerse aún en pandemias, pues servicios en hospitales, seguridad, electricidad o producción de alimentos deben proseguir, lo que implica que una cantidad importante de personas deben acudir a sus centros laborales.
En la pandemia generada por la COVID-19 ha sido especialmente difícil identificar a aquellas infectadas, porque varias no presentan síntomas evidentes; en los sitios de trabajo o reuniones es clave detectarlas más allá de las medidas de temperatura o presencia de moco o tos.
“Es entonces muy importante identificarlos y el esquema se vuelve muy importante, pues puede reducir en un factor de dos o tres el número de personas contagiadas presentes empleando un número limitado de pruebas, además de que se les identifica para darles atención oportuna, reduciendo también la posibilidad de muerte. Al contrario del resto de mi trabajo como astrofísico, esto es algo que tiene una utilidad muy inmediata y evidente”, afirmó Hernández Doring.
La población en la que se probó la eficiencia del esquema es mayor a mil personas. El investigador detalló que se logró identificar una cantidad importante de asintomáticas o presintomáticas, en cifras que coincidieron con las simulaciones teóricas que presentan en el artículo, por lo que estimó que sin su aplicación la empresa podría haber tenido más casos de contagios.
Enfatizó que el algoritmo fue diseñado específicamente para este fin y no se emplea en la astrofísica, por lo que confió en que sea posible que más industrias u oficinas donde regresan a actividades puedan aprovecharlo, de ahí su presentación en una revista arbitrada de acceso libre.
