DESA: An R Package for Detecting Epidemics using a School-Absenteeism Surveillance Framework

Este artículo presenta DESA, un paquete de R disponible en CRAN diseñado para modelar, detectar y evaluar alertas tempranas de epidemias de influenza utilizando datos de ausentismo escolar, además de ofrecer herramientas de simulación para la investigación en salud pública.

Lo esencial

Imagina que la salud pública es como un equipo de bomberos. Su trabajo es apagar incendios (epidemias) antes de que se vuelvan incontrolables. Pero, ¿cómo saben los bomberos dónde va a empezar el fuego antes de ver las llamas? A veces, el humo es demasiado tarde.

Aquí es donde entra DESA, una herramienta digital creada por un equipo de investigadores canadienses.

¿Qué es DESA?

Piensa en DESA como un "radar de ausencias escolares". Es un programa de computadora (un paquete para el lenguaje R) que ayuda a los expertos en salud a detectar brotes de gripe mucho antes de que sea tarde, mirando algo que todos vemos pero pocos analizan: cuántos niños faltan a la escuela.

¿Cómo funciona? (La analogía del "Termómetro de la Comunidad")

1. El Síntoma Oculto:
   Cuando un niño se enferma de gripe, a menudo no va al médico de inmediato, pero sí se queda en casa. Si de repente, en una escuela o en todo un barrio, muchos niños faltan el mismo día, es como si la comunidad estuviera "tosiendo". DESA escucha esa tos.

2. El Cerebro Matemático (El Modelo):
   El programa no solo cuenta ausencias; usa una "receta matemática" (un modelo de regresión) para entender patrones.

   • Imagina que es como predecir el clima. Si ves nubes oscuras (ausencias) y el viento cambia (patrones estacionales), el programa dice: "¡Oye, va a llover (habrá un brote) pronto!".
   • DESA aprende de los años anteriores para saber qué es "normal" y qué es una señal de alarma.

3. La Simulación (El "Videojuego" de la Gripe):
   Una de las partes más geniales de DESA es que puede crear epidemias falsas.

   • Imagina que eres un entrenador de fútbol y quieres probar una nueva estrategia. No quieres arriesgar el partido real, así que usas un videojuego para simular cómo se comportarían los jugadores.
   • DESA hace lo mismo: crea poblaciones virtuales de miles de familias y simula cómo se propagaría un virus. Esto permite a los científicos probar sus sistemas de alerta sin tener que esperar a que ocurra una gripe real y peligrosa.

4. El Semáforo de Alertas:
   Cuando el programa detecta algo sospechoso, lanza una alerta. Pero no todas las alertas son iguales. DESA tiene un sistema de "calidad" para juzgar sus propias predicciones:

   • FAR (Falsas Alarmas): ¿El sistema gritó "¡Fuego!" cuando solo era una tostadora quemada? (Queremos que esto sea bajo).
   • ADD (Retraso): ¿El sistema gritó "¡Fuego!" cuando el edificio ya estaba en llamas? (Queremos que esto sea cero).
   • ATQ (Calidad del Tiempo): Es como un juez que da puntos si la alerta llega en el momento perfecto: ni demasiado pronto (para no causar pánico innecesario) ni demasiado tarde (para poder actuar).

¿Por qué es importante?

Antes, los sistemas de salud dependían de que la gente fuera al médico y le hicieran pruebas de laboratorio. Eso es como esperar a que el humo salga por la ventana para llamar a los bomberos. A veces, para entonces, el fuego ya es grande.

DESA es como tener sensores de calor en las paredes de la escuela. Detecta el problema cuando apenas empieza a calentarse, permitiendo a las autoridades:

• Lanzar campañas de vacunación más rápido.
• Distribuir medicamentos antivirales a tiempo.
• Avisar a los padres para que cuiden a sus hijos.

En resumen

DESA es un "detective digital" que vigila las listas de asistencia escolar. Usa matemáticas avanzadas y simulaciones de videojuego para predecir cuándo la gripe va a atacar, ayudando a la comunidad a estar un paso adelante en lugar de solo reaccionar cuando ya es demasiado tarde.

Es una herramienta gratuita, disponible para cualquiera que quiera usarla, diseñada para hacer que nuestras ciudades sean lugares más seguros y saludables.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: DESA – Un Paquete R para la Detección de Epidemias mediante Vigilancia del Ausentismo Escolar

1. El Problema

Los sistemas tradicionales de vigilancia de la influenza, que dependen de informes clínicos y casos confirmados en laboratorio, a menudo sufren de retrasos significativos y pueden no capturar la dinámica en tiempo real de un brote, especialmente cuando muchos casos no se reportan. Esto limita la capacidad de las autoridades de salud pública para implementar intervenciones tempranas (como campañas de vacunación o distribución de antivirales).
El ausentismo escolar en niños de primaria se ha identificado como un indicador temprano prometedor de la llegada de epidemias comunitarias. Sin embargo, existía una falta de herramientas de software accesibles y computacionalmente eficientes para modelar epidemias, generar alertas basadas en datos de ausentismo y evaluar la calidad de estas alertas en poblaciones grandes. Además, la interrupción de la recolección de datos durante la pandemia de COVID-19 dificultó la investigación en este campo, haciendo necesario un marco de simulación robusto.

2. Metodología

El artículo presenta DESA (Detecting Epidemics from School Absenteeism), un paquete de R diseñado para cerrar esta brecha. La metodología se basa en cuatro pilares principales:

• Modelo Estadístico de Detección:

  • Utiliza un modelo de regresión logística mixta con efectos aleatorios y retardos distribuidos (lag-logistic).
  • La ecuación modela la probabilidad ($\theta_{tj}$) de tener al menos un caso confirmado el día $t$ del año escolar $j$, basándose en los porcentajes de ausentismo diario con retardos ($l$) y componentes estacionales (funciones trigonométricas seno y coseno).
  • Se incluye un efecto aleatorio por año escolar para capturar la heterogeneidad interanual y la correlación intra-anual.
  • Una alerta se activa cuando la probabilidad predicha supera un umbral predefinido ($\theta^*$).

• Métricas de Evaluación de Alertas:
  DESA implementa métricas avanzadas para evaluar la precisión y la oportunidad de las alertas:

  • Tasa de Falsas Alarmas (FAR): Proporción de alertas fuera de la ventana de alerta verdadera.
  • Días Acumulados de Retraso (ADD): Mide cuántos días después del día óptimo se emitió la primera alerta verdadera.
  • Calidad del Tiempo de Alerta (ATQ): Una métrica continua que penaliza las alertas que se desvían del momento óptimo (14 días antes de la fecha de referencia), penalizando más las alertas prematuras que las tardías.
  • Métricas Agregadas y Ponderadas: Se calculan promedios (AATQ, FATQ) y versiones ponderadas (WAATQ, WFATQ) que dan más peso a los años con más datos de entrenamiento, reflejando la madurez del sistema de vigilancia.

• Marco de Simulación (Eficiencia Computacional):

  • A diferencia de modelos anteriores que usaban simulaciones a nivel individual (ILMs) y eran computacionalmente costosas para grandes poblaciones, DESA implementa un enfoque SIR Estocástico (sSIR).
  • Este modelo divide la población en compartimentos (Susceptible, Infectado, Recuperado) y utiliza distribuciones binomiales para simular nuevas infecciones, manteniendo la estocasticidad pero reduciendo drásticamente el tiempo de cómputo.
  • Incluye una generación jerárquica de población: áreas de captación, escuelas, hogares (con y sin hijos) y asignación espacial, permitiendo simular estructuras demográficas realistas.
  • Simula datos de ausentismo combinando una tasa base (5% por otras causas) y una tasa elevada (95%) para estudiantes infectados durante su periodo infeccioso.

3. Contribuciones Clave

• Paquete de Software Accesible: DESA es la primera implementación en R que integra la modelización estadística, la evaluación de métricas de alerta y la simulación de epidemias y ausentismo en una sola herramienta libremente disponible en CRAN y GitHub.
• Eficiencia Escalable: La transición de modelos individuales a modelos SIR estocásticos permite simular epidemias en poblaciones urbanas o regionales grandes (cientos de miles de individuos) en tiempos razonables, algo que antes era prohibitivo.
• Flexibilidad y Generalización: Mientras que el estudio original se centró en una unidad de salud específica en Ontario, DESA generaliza la metodología para aplicarse a diferentes regiones y poblaciones, permitiendo a los usuarios ajustar distribuciones demográficas y parámetros de transmisión.
• Herramienta de Validación: Proporciona un entorno controlado para probar estrategias de vigilancia y parámetros de modelos sin depender de brotes reales, lo cual es crucial dado el historial intermitente de recolección de datos escolares.

4. Resultados y Validación

• Desempeño del Modelo: En los ejemplos de uso presentados, el paquete demostró capacidad para identificar parámetros óptimos (retardo y umbral) que minimizan las métricas de error. Por ejemplo, en una simulación de 10 epidemias, se identificaron valores óptimos de retardo entre 1 y 5 días y umbrales entre 0.1 y 0.45 dependiendo de la métrica seleccionada.
• Visualización y Análisis: El paquete genera visualizaciones claras que comparan las curvas de infección, casos reportados y la temporalidad de las alertas generadas por diferentes métricas, mostrando una buena concordancia entre métodos y una capacidad de alerta temprana efectiva.
• Calidad del Código: El paquete ha pasado todas las verificaciones de CRAN (R CMD check) sin errores, cuenta con pruebas unitarias exhaustivas (testthat) y un vignette completo para la reproducibilidad.

5. Significado e Impacto

DESA representa una herramienta vital para la salud pública y la investigación epidemiológica. Al democratizar el acceso a modelos complejos de detección temprana, permite a los funcionarios de salud pública:

1. Optimizar la vigilancia: Seleccionar los parámetros de alerta más adecuados para sus contextos locales específicos.
2. Planificar intervenciones: Mejorar la oportunidad de las respuestas ante brotes de influenza estacional y otras enfermedades infecciosas.
3. Investigar escenarios futuros: Simular cómo funcionaría un sistema de vigilancia basado en ausentismo bajo diversas condiciones demográficas y de transmisión antes de su implementación real.

En resumen, DESA no solo automatiza y acelera el análisis de datos de ausentismo escolar, sino que también establece un nuevo estándar metodológico para la evaluación de sistemas de alerta temprana de epidemias, combinando rigor estadístico con eficiencia computacional.