Energy-Based Stochastic Framework for Modeling Cholera Dynamics Under Environmental Uncertainty: A Yemen Case Study

Resumen Técnico: Marco Estocástico Basado en la Energía para el Modelado de la Dinámica del Cólera bajo Incertidumbre Ambiental

Planteamiento del Problema
El cólera sigue siendo una amenaza crítica para la salud pública en entornos humanitarios frágiles, particularmente en Yemen, donde la inestabilidad ambiental, el saneamiento inadecuado (WASH), la variabilidad climática y la interrupción de la atención médica interactúan para amplificar la transmisión. Si bien los modelos deterministas clásicos (p. ej., SIR, SEIR) son fundamentales, a menudo no logran capturar la fuerza ambiental no lineal, las fluctuaciones estocásticas, el ruido de notificación y las transiciones epidémicas abruptas características de regiones afectadas por conflictos como Al-Hodeidah. El estudio aborda la necesidad de un enfoque de modelado que integre explícitamente la incertidumbre ambiental y los impulsores climáticos en la reconstrucción epidémica para comprender mejor la dinámica recurrente de los brotes en estos entornos inestables.

Metodología
El estudio propone y evalúa retrospectivamente un marco epidémico estocástico basado en la energía diseñado para modelar la dinámica del cólera en Al-Hodeidah, Yemen, utilizando datos de 2020 a 2024.

• Formulación Matemática: El núcleo del marco es una Ecuación Diferencial Estocástica (SDE) que trata la presión epidémica, $E(t)$, como un estado dinámico latente. La ecuación rectora es:
  $$dE(t) = [\beta M(t)C(t) - (\gamma + \delta)E(t)]dt + \sigma E(t)dW(t)$$
  Donde:

  • $\beta M(t)C(t)$ representa la amplificación epidémica impulsada por la movilidad/exposición ($M$) y la contaminación ambiental ($C$).
  • $(\gamma + \delta)E(t)$ representa la disipación a través de la recuperación ($\gamma$) y la capacidad de WASH/respuesta ($\delta$).
  • $\sigma E(t)dW(t)$ introduce la volatilidad estocástica para dar cuenta de la incertidumbre ambiental, las perturbaciones climáticas y la variabilidad de la notificación.

• Integración de Datos: El modelo fue calibrado utilizando datos de vigilancia retrospectiva (casos sospechosos/confirmados, muertes, tasas de incidencia) integrados con:

  • Indicadores Climáticos: Anomalías mensuales de temperatura y precipitación, humedad y niveles de lluvia.
  • Indicadores de WASH y Salud: Cobertura de saneamiento, acceso a agua potable, prevalencia de desnutrición y cobertura de servicios de salud.

• Validación y Análisis:

  • Calibración: Los parámetros ($\beta, \gamma, \delta, \sigma$) se optimizaron para minimizar las discrepancias entre las trayectorias simuladas y la incidencia observada.
  • Métricas: El desempeño se evaluó utilizando el Error Cuadrático Medio (RMSE), el Error Absoluto Medio (MAE), coeficientes de correlación de Pearson y pendientes de calibración.
  • Análisis de Sensibilidad: Los parámetros se variaron en un ±20% para evaluar la robustez respecto a la intensidad del pico epidémico, la duración y la inestabilidad.
  • Correlación Estadística: Se realizaron análisis de correlación de Pearson y de regresión para vincular las variables ambientales (precipitación, humedad, saneamiento) con la incidencia.

Resultos Clave

• Reconstrucción de la Dinámica: El marco reconstruyó con éxito la dinámica de múltiples olas del cólera observada en Al-Hodeidah, capturando el brote principal de 2020, el declive de 2021–2023 y el resurgimiento de 2024.
• Impulsores Ambientales: Los estados de presión epidémica elevada se asociaron temporalmente con un aumento en las anomalías de precipitación (p. ej., +40 mm en julio de 2020), humedad persistente y disrupción del saneamiento. El resurgimiento de 2024 coincidió con la continuidad de las anomalías de precipitación y la vulnerabilidad de WASH.
• Desempeño del Modelo: La validación retrospectiva demostró una fuerte concordancia temporal entre el modelo y los datos observados:
  • Correlación de Pearson ($r$): 0.81 (Fuerte concordancia temporal).
  • RMSE: 0.18 (Bajo error de predicción).
  • Pendiente de Calibración: 0.94.
• Hallazgos de Sensibilidad:
  • Acoplamiento de Transmisión ($\beta$) y Volatilidad Estocástica ($\sigma$): Se identificaron como los determinantes primarios de la amplificación epidémica y la inestabilidad de las olas. El aumento de $\sigma$ produjo una mayor inestabilidad temporal y estructuras de ondas irregulares.
  • Capacidad de Disipación ($\delta$): El aumento de la disipación (que representa la mejora en WASH y la respuesta) redujo significativamente la acumulación de presión epidémica y acortó la duración del brote.
• Análisis de Correlación: Las anomalías de precipitación mostraron una asociación positiva con la incidencia, mientras que el saneamiento y la cobertura de agua mostraron relaciones inversas, aunque la significancia estadística varió entre las variables específicas en el análisis de regresión.

Significancia y Reivindicaciones
El artículo sostiene que el marco estocástico basado en la energía propuesto ofrece un enfoque flexible e interpretable para integrar la incertidumbre y los impulsores ambientales en la reconstrucción de epidemias. Su principal significancia radica en:

1. Gestión de la Fragilidad: A diferencia de los modelos deterministas, este da cuenta explícitamente de la naturaleza estocástica de los brotes en entornos frágiles, reproduciendo las fluctuaciones irregulares y las transiciones abruptas que a menudo pasan desapercibidas para las trayectorias deterministas más suaves.
2. Perspectiva Mecanicista: Destaca el papel sustancial de las anomalías de precipitación, las deficiencias de saneamiento y la vulnerabilidad de la población en la configuración de la recurrencia de la amplificación del cólera.
3. Potencial de Alerta Temprana: Se postula que el marco es una base potencial para sistemas de alerta temprana sensibles al clima en Yemen y entornos humanitarios similares, capaces de integrar el monitoreo ambiental con la reconstrucción probabilística de brotes.

Los autores mantienen una postura modesta, señalando que el marco está destinado a complementar en lugar de reemplazar los modelos compartimentales establecidos. Enfatizan que, si bien la validación retrospectiva fue sólida, es necesaria una validación de pronóstico prospectivo y una comparación externa multicéntrica antes de su implementación operativa. El estudio se basa en datos agregados y de acceso público, y reconoce las limitaciones relativas a la subnotificación en entornos frágiles y el uso de variables ambientales como impulsores contextuales en lugar de entradas hidrológicas plenamente mecanicistas.