📄 enfermedades infecciosas

Estimating the Direct Impact of Influenza Vaccination and Vaccine-Averted Illnesses Using an Extended Static Compartmental Model

Este artículo presenta un modelo compartimental estático extendido que incorpora la disminución de la inmunidad, la efectividad diferencial de la vacuna según la gravedad y la dinámica multiestacional para estimar el impacto directo de la vacunación contra la influenza en las enfermedades y muertes evitadas en diversos entornos de programas.

Autores originales: Yoo, Y. M., Chard, A. N., Jara, J. H., Rolfes, M. A., Couto, P., Nogareda, F., Duca, L. M., Tempia, S.

Publicado 2026-10-26

📖 6 min de lectura🧠 Análisis profundo

CC0 1.0

Autores originales: Yoo, Y. M., Chard, A. N., Jara, J. H., Rolfes, M. A., Couto, P., Nogareda, F., Duca, L. M., Tempia, S.

Artículo original dedicado al dominio público bajo CC0 1.0 (https://creativecommons.org/publicdomain/zero/1.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

La temporada de gripe es un ritmo familiar de la salud pública, un tiempo en el que los virus circulan, las personas enferman y los funcionarios de salud trabajan para detener la propagación. Durante décadas, los científicos han dependido de modelos —representaciones matemáticas simplificadas de la realidad— para comprender qué tan bien funcionan las vacunas. Estos modelos ayudan a responder una pregunta crítica: ¿cuántas personas se salvan realmente de enfermarse, de ir al hospital o de morir gracias a que recibieron una dosis? El desafío siempre ha sido que el mundo real es caótico. Los virus cambian, los cuerpos de las personas olvidan cómo combatirlos con el tiempo y, en algunas partes del mundo, la gripe no sigue un horario invernal ordenado, sino que circula durante todo el año. Las herramientas más antiguas utilizadas para calcular estos beneficios a menudo fueron diseñadas para una sola temporada de invierno en lugares con un clima predecible, asumiendo que una vez que una persona era vacunada o infectada, permanecía protegida durante todo el año. Este enfoque funcionaba bien para escenarios simples, pero tenía dificultades para capturar el panorama completo cuando las campañas de vacunación se extendían a través de múltiples años o cuando la inmunidad se desvanecía antes de que terminara la temporada.

Un equipo de investigadores de los Centros para el Control y la Prevención de Enfermedades de EE. UU. y organizaciones de salud internacionales ha actualizado este modelo de herramientas para reflejar una realidad más compleja. Extendieron un modelo estático, que rastrea cuántas personas se mueven entre estar sanas, enfermas o protegidas, para manejar múltiples temporadas de gripe a la vez. Crucialmente, añadieron la capacidad de contabilizar la inmunidad decreciente, lo que significa que la protección que brinda una vacuna no dura para siempre, sino que se desvanece gradualmente, tal como un recuerdo puede desvanecerse con el tiempo. También permitieron que el modelo distinguiera entre qué tan bien una vacuna previene una tos leve frente a una enfermedad grave que requiere hospitalización, y añadieron la capacidad de contar las muertes evitadas. Al integrar estas características en una herramienta de hoja de cálculo fácil de usar, los investigadores pretendían dar a los funcionarios de salud pública de cualquier país el poder de ejecutar sus propias simulaciones utilizando datos locales, sin necesidad de ser expertos en matemáticas complejas.

Para probar este nuevo marco, los investigadores crearon dos escenarios sintéticos, esencialmente laboratorios digitales donde podían controlar cada variable. En el primer escenario, simularon una región con una temporada de gripe típica del hemisferio norte, donde la actividad alcanza su punto máximo en el invierno y los programas de vacunación se ejecutan anualmente. Asumieron un programa existente donde aproximadamente un tercio de la población de adultos mayores recibía una vacuna cada año. El modelo mostró que, durante cuatro temporadas, este programa previno aproximadamente el 15 por ciento de todas las enfermedades relacionadas con la gripe. Para los resultados más graves, como hospitalizaciones y muertes, la tasa de prevención fue incluso mayor, oscilando entre el 14 y el 18 por ciento. La herramienta también calculó cuántas personas necesitaban ser vacunadas para prevenir un solo caso de enfermedad, una cifra que variaba según la temporada pero que generalmente se situaba entre 62 y 110 personas. Esto demostró que el modelo podía cuantificar con precisión el valor de una campaña de vacunación estacional estándar.

El segundo escenario exploró un entorno más desafiante: un lugar donde la gripe circula durante todo el año y no existe un programa de vacunación actual. Aquí, los investigadores simularon un programa hipotético donde el 20 por ciento de la población es vacunada de manera uniforme durante todo el año. En este entorno, el modelo estimó que el programa prevendría alrededor del 5 por ciento de las enfermedades por gripe durante cuatro años. Aunque este porcentaje es menor que en el ejemplo estacional, refleja la realidad de la circulación viral constante y la menor cobertura. Los investigadores utilizaron este escenario para probar diferentes estrategias, como cambiar el momento del despliegue de la vacuna. Encontraron que comenzar una campaña un mes antes en un entorno estacional podía prevenir un 6 por ciento adicional de enfermedades, mientras que alinear una campaña anual con picos estacionales específicos podría aumentar la prevención en más de un 20 por ciento. Estas simulaciones resaltaron que el momento del despliegue de una vacuna importa significamente, y la nueva herramienta permite a los funcionarios encontrar el cronograma óptimo para su región específica.

Para asegurar que su nuevo modelo fuera confiable, los investigadores compararon sus resultados con datos del mundo real de los Estados Unidos durante las temporadas de gripe de 2017–2018 y 2018–2019. Ejecutaron el modelo utilizando tasas de hospitalización reales, cobertura de vacunación y datos de efectividad de la vacuna de esos años. Los resultados fueron ampliamente consistentes con las estimaciones publicadas anteriormente, con las predicciones del nuevo modelo cayendo dentro de los rangos esperados de incertidumbre. En algunos casos, el modelo que contabilizaba la inmunidad decreciente predijo números ligeramente más altos de casos prevenidos que los modelos anteriores, probablemente porque capturó los altos niveles de protección inmediatamente después de la vacunación antes de que el efecto comenzara a disminuir. Esta validación dio a los investigadores la confianza de que la herramienta podía usarse para generar estimaciones confiables para países que no tienen acceso a equipos de modelado especializados.

El objetivo final de este trabajo no es solo producir números, sino empoderar a los tomadores de decisiones. Al traducir conceptos epidemiológicos complejos a una hoja de cálculo transparente, los investigadores han proporcionado una forma para que los programas de salud nacionales visualicen el impacto directo de sus esfuerzos. La herramienta permite a los funcionarios plantearse preguntas de tipo "¿qué pasaría si?": ¿Qué pasa si aumentamos la cobertura? ¿Qué pasa si cambiamos el momento? ¿Qué pasa si la vacuna funciona mejor contra la enfermedad grave que contra la enfermedad leve? El modelo sugiere que, incluso en entornos con gripe durante todo el año, las estrategias de vacunación dirigidas pueden marcar una diferencia mensurable en la reducción de enfermedades y el salvamento de vidas. Si bien la herramienta se centra en la protección directa de los individuos vacunados y no tiene en cuenta los beneficios indirectos de la inmunidad de rebaño, ofrece una base clara y basada en evidencia para la planificación y evaluación de los programas de vacunación contra la gripe. En un mundo donde los recursos de salud son a menudo limitados, tener una forma confiable de medir el retorno de la inversión de la vacunación es un paso vital hacia la protección de las comunidades.

Resumen Técnico: Estimación del Impacto Directo de la Vacunación contra la Influenza y las Enfermedades Evitadas por la Vacuna Mediante un Modelo Compartimental Estático Extendido

Planteamiento del Problema
La influenza estacional sigue siendo una amenaza significativa para la salud pública mundial, causando una morbilidad y mortalidad sustanciales. Aunque los estudios de modelado son esenciales para cuantificar el valor de los programas de vacunación en salud pública, la generación de estas estimaciones suele requerir una experiencia especializada en modelado de enfermedades infecciosas, la cual puede ser inaccesible para los programas nacionales de salud pública. Las herramientas anteriores, como el modelo compartimental estático desarrollado por los CDC de EE. UU., fueron diseñadas principalmente para análisis de una sola temporada en entornos con circulación de influenza estacional de pico único. Estos modelos a menudo asumían la ausencia de disminución de la inmunidad dentro del periodo modelado y no contabilizaban la protección diferencial contra resultados graves o la mortalidad. En consecuencia, existía la necesidad de un marco actualizado capaz de evaluar los programas de vacunación a través de múltiples temporadas, en entornos con actividad de influenza durante todo el año, y que tuviera en cuenta el decaimiento natural de la inmunidad adquirida por infección y por la vacuna.

Metodología
Los autores extendieron un modelo compartimental estático existente de una sola temporada y sin disminución de la inmunidad para crear un marco de múltiples temporadas capaz de ejecutar hasta 48 meses. El modelo opera bajo un supuesto de vacunación de "todo o nada", particionando la población vacunada en grupos de "efectivamente vacunados" y "no efectivamente vacunados" basándose en la efectividad de la vacuna (EV) contra la enfermedad sintomática ( $EV_{sintomática}$ ).

Extensiones metodológicas clave:

Análisis de Múltiples Temporadas con Inicialización: El modelo ahora abarca hasta cuatro años. Para abordar el problema de las estimaciones infladas de la carga en el primer año de análisis, se introdujo un periodo de inicialización (Año 0) para transferir la inmunidad de un periodo previo al modelado.
Disminución de la Inmunidad (Waning): Tanto la inmunidad inducida por la vacuna como la adquirida por la infección se modelan para disminuir con el tiempo. La inmunidad inducida por la vacuna se parametrizó mediante una función cúbica (basada en Ferdinands et al.) que aproxima el decaimiento exponencial, reduciendo la EV al 0% en aproximadamente 8 meses. Se asume que la inmunidad adquirida por la infección persiste durante el mismo periodo de 8 meses.
Efectividad Diferencial de la Vacuna: El modelo distingue entre la EV contra la enfermedad sintomática ( $EV_{sintomática}$ ) y la EV contra la hospitalización ( $EV_{hosp}$ ). Las personas que no están efectivamente vacunadas contra la enfermedad sintomática aún reciben un riesgo reducido de hospitalización, derivado matemáticamente de la relación entre la $EV_{hosp}$ y la $EV_{sintomática}$ .
Estimación de la Mortalidad: El modelo estima las muertes evitadas aplicando multiplicadores a las enfermedades hospitalizadas. Puede estimar muertes intrahospitalarias o extrapolar a todas las muertes asociadas a la influenza utilizando datos de registros vitales.
Cuantificación de la Incertidumbre: Las estimaciones se generan mediante una simulación de Monte Carlo con 5,000 iteraciones, muestreando los insumos (hospitalizaciones, cobertura, EV) de distribuciones apropiadas (Poisson, Binomial, Beta-PERT).
Implementación: El marco está implementado en una herramienta de Microsoft Excel de acceso público y de tipo "apuntar y hacer clic", diseñada para ser utilizable por profesionales de la salud pública sin experiencia especializada en modelado de transmisión.

Resultos Clave
Los autores demostraron el modelo utilizando dos conjuntos de datos sintéticos dirigidos a adultos mayores (>65 años):

Escenario de Estacionalidad tipo Hemisferio Norte: Bajo un programa existente con una cobertura anual promedio del 33%, la vacunación evitó el 15.1% (UI 95%: 12.2%–16.3%) de las enfermedades asociadas a la influenza a lo largo de cuatro temporadas. La fracción prevenida de muertes hospitalizadas osciló entre el 14.4% y el 18.5% anualmente.
Escenario de Actividad Durante Todo el Año: Bajo un hipotético programa de todo el año con una cobertura anual del 20%, la vacunación evitó el 4.9% (UI 95%: 3.8%–5.4%) de las enfermedades a lo largo de cuatro temporadas, con una fracción prevenida de muertes hospitalizadas que osciló entre el 5.5% y el 5.8%.
Análisis de Escenarios: La herramienta cuantificó con éxito el impacto de cambiar la temporalidad de las campañas. Por ejemplo, comenzar una campaña estacional un mes antes aumentó las enfermedades evitadas en un 6.2%, mientras que desplazar una campaña de todo el año a un inicio estacional en abril aumentó las enfermedades evitadas en un 22.6%.
Validación: Al aplicarse a datos de EE. UU. de las temporadas 2017–2018 y 2018–2019, las estimaciones del modelo extendido fueron ampliamente comparables en magnitud a las estimaciones de edad específicas publicadas anteriormente, con la mayoría de las estimaciones puntuales situándose dentro de los intervalos de incertidumbre del 95% de los datos publicados.

Significancia y Reivindicaciones
El artículo sostiene que estas extensiones del modelo permiten la estimación de la carga evitada por la vacuna a través de múltiples temporadas y diversos entornos de programas de vacunación, incluyendo aquellos con circulación de influenza durante todo el año. Al mantener una estructura simple y transparente incorporando la disminución de la inmunidad y la protección diferencial de la gravedad, la herramienta permite a los programas nacionales de salud pública generar e interpretar estimaciones específicas para cada país utilizando datos locales disponibles.

Los autores enfatizan que la herramienta apoya la toma de decisiones respecto a la introducción, el ajuste o la expansión de los programas de vacunación. Proporciona evidencia cuantitativa sobre el impacto directo de la vacunación, expresada a través de la carga absoluta evitada, las fracciones prevenidas y el número necesario para vacunar (NNV). El artículo señala que, si bien el modelo captura los efectos directos y no tiene en cuenta la inmunidad de rebaño indirecta, estas estimaciones de impacto directo sirven como una medida mínima del beneficio de la vacuna y son fácilmente interpretables para los responsables de la formulación de políticas. El trabajo tiene como objetivo fortalecer la capacidad analítica local, como lo demuestra su uso en talleres de capacitación para funcionarios de salud pública en las Américas.

Más como este