A New Method to Predict the Effect of an Intervention in the Host Population to Reduce the Magnitude of an Outbreak of a Vector-Borne Infection

Resumen Técnico: Un nuevo método para predecir el efecto de una intervención en la población huésped para reducir la magnitud de un brote de una infección transmitida por vectores

Planteamiento del problema
La estimación de la eficacia de las medidas de control para las infecciones transmitidas por vectores, como el dengue, se ve complicada por la naturaleza de estado no estacionario de estas enfermedades. A diferencia de las infecciones de transmisión directa que suelen modelarse bajo supuestos de estado estacionario, las infecciones transmitidas por vectores presentan brotes anuales impulsados por variaciones estacionales en las poblaciones de vectores y la movilidad humana. Los métodos matemáticos estándar enfrentan desafíos sustancials cuando se relaja el supuesto de estado estacionario, ya que requieren resolver ecuaciones diferenciales parciales con parámetros dependientes del tiempo desconocidos (por ejemplo, tamaños fluctuantes de la población de vectores y patrones de movilidad humana). Además, predecir la magnitud de un brote específico de un año determinado es difícil, pero los planificadores de salud pública requieren métodos para estimar el impacto de las intervenciones (como la vacunación) independientemente de si un brote es grande o pequeño.

Metodología
Los autores proponen un modelo determinista que estima el impacto de una intervención en la magnitud de un brote transmitido por vectores sin depender de supuestos de estado estacionario. El método se basa en una observación empírica específica: para las infecciones transmitidas por Aedes en centros urbanos brasileños, la distribución de edad de la proporción de casos reportados es independiente tanto de la intensidad de la transmisión como de la ubicación geográfica.

Los componentes principales de la metodología incluyen:

1. Entrada de datos: El modelo utiliza datos de incidencia estratificados por edad ($Inc_H(a, t)$) oficialmente reportados del Sistema Nacional de Notificación Compulsoria de Infecciones (SINAN).
2. Invarianza de la distribución de edad: El modelo asume que la proporción de casos por edad, denotada como $\phi(a)$, es una función de la edad únicamente, independiente del año o la ubicación del brote. Esto permite al modelo desacoplar la magnitud total del brote de la estructura de edad de los casos.
3. Simulación de la intervención: El método simula una intervención (por ejemplo, vacunación) que "elimina" una fracción $p$ de los casos dentro de un intervalo de edad específico $[a_1, a_2]$.
   • Impacto en el vector: Calcula la reducción en el número total de mosquitos infectados ($\mathcal{I}_{MT}$) tras la intervención, denotada por un factor $\alpha(a_1, a_2)$. Este factor se deriva de la reducción en los casos humanos, bajo la premisa de que el número de vectores infectados es proporcional al número de casos en los huéspedes.
   • Impacto en el huésped: Calcula la reducción en el número total de humanos susceptibles ($\mathcal{S}_{HT}$) tras la intervención, denotada por un factor $\beta(a_1, a_2, T)$. Esto requiere el conocimiento de la densidad de individuos susceptibles previa a la intervención, idealmente obtenida mediante encuestas de seroprevalencia.
4. Cálculo de la eficacia: La eficacia total ($Eff_T$) de la intervención se calcula como:
   $$Eff_T = 1 - \alpha(a_1, a_2) \beta(a_1, a_2, T)$$
   Esto representa la reducción en el número total de casos ($\Lambda_T$) en comparación con un escenario sin intervención.
5. Umbral de inmunidad de rebaño: El modelo también estima el número básico de reproducción ($R_0$) ajustando una función exponencial a la fase de crecimiento inicial de un brote. La proporción crítica a inmunizar ($p_c$) se deriva entonces utilizando la relación estándar $p_c = 1 - 1/R_0$, corregida por la eficacia de la vacuna.

Estudio de caso y resultados
El método se ilustró utilizando datos de dengue de São José do Rio Preto (SJRP), Brasil, que cubren el brote de 2019.

• Escenario de intervención: Se simuló una campaña de vacunación hipotética dirigida al 100% de la población de entre 10 y 20 años.
• Parámetros: Utilizando datos de seroprevalencia de Chiaravalloti-Neto et al. (2019) para estimar la población susceptible, la simulación arrojó una eficacia de la intervención ($Eff_T$) del 28%. Este resultado fue consistente tanto si se calculaba mediante la fórmula derivada como si se comparaba el recuento de casos post-intervención simulado con el recuento pre-intervención.
• Inmunidad de rebaño: Para el brote de 2019 en SJRP, el $R_0$ estimado fue de 5.76. En consecuencia, el umbral de inmunidad de rebaño se calculó requiriendo la inmunización de aproximadamente el 83% de la población susceptible para eliminar la infección.
• Simulación de la vacuna: Los autores simularon el impacto de la vacuna Butantan-DV (eficacia del 74.7%) a través de varios intervalos de edad (12–59 años). Demostraron cómo diferentes niveles de cobertura y objetivos de edad se traducen en protección inmunológica efectiva, resaltando las compensaciones en la estrategia de vacunación.

Contribuciones clave y afirmaciones
El artículo afirma ofrecer un nuevo formalismo para comparar las magnitudes de los brotes con y sin intervención, independientemente de las variaciones temporales en la intensidad de la transmisión. Las principales contribuciones son:

1. Independencia del estado estacionario: El método opera sin asumir un estado estacionario, lo que lo hace aplicable a la dinámica fluctuante de los brotes estacionales transmitidos por vectores.
2. Robustez ante el tamaño del brote: Debido a que el método se basa en la distribución de edad invariante de los casos, puede estimar la eficacia de la intervención para brotes de cualquier magnitud (pequeños o grandes) dentro de las regiones estudiadas.
3. Optimización estratégica: El marco permite determinar estrategias de vacunación óptimas mediante la simulación de diferentes intervalos de edad y niveles de cobertura para maximizar la eficacia.

Limitaciones y significancia
Los autores declaran explícitamente ciertas limitaciones y afirmaciones modestas sobre la aplicabilidad del método:

• Dependencia de los datos: El método depende fuertemente de la calidad de los sistemas de notificación oficiales. Los sesgos en el reporte pueden comprometer las conclusiones.
• Estimación de la susceptibilidad: Una limitación crítica es el requisito de datos precisos sobre el número o la proporción de individuos susceptibles. En la práctica, esto suele requerir encuestas de seroprevalencia, que son logísticamente difíciles y costosas. Sin conocer la verdadera fracción susceptible, el parámetro $\beta$ no puede determinarse con precisión, lo que limita la capacidad de calcular la eficacia exacta en intervenciones "a ciegas" en el mundo real.
• Especificidad del vector: Se afirma que el hallazgo de la invarianza de la distribución de edad es válido para infecciones transmitidas por Aedes en centros urbanos, pero puede no aplicarse a infecciones transmitidas por diferentes vectores (por ejemplo, malaria).
• Tamaño de la ciudad: Se señala que el análisis es válido para ciudades de tamaño medio y pequeño; en ciudades grandes, la heterogeneidad espacial de los brotes y el movimiento humano pueden complicar la uniformidad de la distribución de edad.

En conclusión, el artículo presenta una herramienta determinista para estimar la eficacia de las intervenciones contra los brotes transmitidos por vectores, siempre que se disponga de datos de incidencia estratificados por edad fiables y datos de seroprevalencia (para definir el grupo de susceptibles). No pretende predecir los tamaños de los brotes, sino más bien cuantificar la reducción relativa de la magnitud del brote lograble mediante estrategias de intervención específicas.