[ad_1]

El río Lea se origina en los suburbios al norte de Londres, serpenteando hacia el sur hasta llegar al East End de la ciudad, donde desemboca en el Támesis cerca de Greenwich y la Isla de los Perros. A principios de 1700, el río estaba conectado a una red de canales que sostenían los astilleros y plantas industriales en crecimiento en el área. Para el siglo siguiente, el Lea se había convertido en una de las vías fluviales más contaminadas de toda Gran Bretaña, desplegado para eliminar lo que solía llamarse las “industrias apestosas” de la ciudad.

En junio de 1866, un trabajador llamado Hedges vivía con su esposa al borde de Lea, en un barrio llamado Bromley-by-Bow. Hoy casi no se sabe nada sobre Hedges y su esposa, aparte de los tristes hechos de su fallecimiento: el 27 de junio de ese año, ambos murieron de cólera.

Las muertes no fueron en sí mismas notables. El cólera había perseguido a Londres desde su llegada en 1832, con oleadas de epidemias que podrían matar a miles en cuestión de semanas. Si bien la enfermedad estaba disminuyendo en los últimos años, se informó de un puñado de muertes por cólera en las semanas anteriores, y no era inaudito que dos personas que compartían un hogar murieran de la enfermedad el mismo día.

Pero las muertes del Sr. y la Sra. Hedges resultaron ser el comienzo de un brote mucho más grande. En pocas semanas, los vecindarios de clase trabajadora que rodeaban a Lea sufrían una de las peores epidemias de cólera en la historia de Londres. Los periódicos emitieron el mismo tipo de contabilidad morbosa que nos ha obsesionado a todos en la era del coronavirus SARS-CoV-2: la aterradora trayectoria ascendente del crecimiento desbocado. Se reportaron veinte muertes por cólera en el East End la semana que terminó el 14 de julio. El recuento de la semana siguiente fue de 308. En agosto, el número de muertes semanales había alcanzado casi mil. Londres no había experimentado un brote importante de cólera en 12 años. Pero para la segunda semana de agosto, la evidencia era inequívoca: la ciudad estaba bajo asedio.

Entonces, como ahora, la primera línea de defensa eran los datos. Los londinenses pudieron rastrear la marcha del cólera a través del East End en casi tiempo real, gracias principalmente al trabajo de un hombre: un médico y estadístico llamado William Farr. Durante la mayor parte de la era victoriana, Farr supervisó la recopilación de estadísticas de salud pública en Inglaterra y Gales. Se podría decir sin exagerar que el entorno de noticias que nos rodea ahora es uno que inventó William Farr: un mundo donde los últimos números siguen la propagación de un virus: ¿cuántas intubaciones hay hoy? ¿Cuál es la tasa de crecimiento en hospitalizaciones? – se han convertido en el flujo de datos más importante disponible, convirtiendo las viejas métricas de tickers de valores o encuestas políticas en meras ideas posteriores.

En 1866, Farr se había convertido en una teoría del cólera propuesta por primera vez por el médico londinense John Snow hace más de una década, la idea, que resultó ser cierta, de que la enfermedad se transmitía en el agua potable. Y así, cuando las muertes comenzaron a aumentar en el East End, Farr inmediatamente comenzó a investigar las fuentes de agua en el vecindario.

A mediados de la década de 1860, una parte importante de las comunidades de la clase trabajadora recibía su agua a través de compañías privadas que llevaban las tuberías a direcciones específicas, al igual que las compañías de cable hoy. Farr decidió clasificar a la población que había muerto en el brote reciente no por residencia sino por la empresa que suministraba el agua potable. Los datos que reunió revelaron un patrón claro: una abrumadora cantidad de personas que se enfermaron bebieron de las tuberías de East London Waterworks Company.

La compañía afirmó que su agua había sido filtrada efectivamente en sus nuevos depósitos cubiertos. Pero los investigadores pronto rastrearon la fuente de contaminación: el agua en un reservorio de la compañía del este de Londres no había sido aislada adecuadamente del cercano río Lea. Al revisar los informes de mortalidad de principios de verano, los investigadores descubrieron las muertes del Sr. y la Sra. Hedges, quienes vivían cerca del embalse. Un examen de su residencia reveló que su baño estaba expulsando los desechos directamente al río, introduciendo bacterias del cólera en el suministro de agua y desencadenando el brote. Fue un brillante trabajo de detective, realizado con notable rapidez y eficiencia. Y resultó ser trascendental: 1866 marcó el último brote de cólera significativo en la historia de Londres.

Farr fue uno de los primeros en pensar sistemáticamente sobre cómo los datos sobre brotes, su distribución en el espacio y en el tiempo, podrían usarse para frenarlos a medida que se desarrollaban, y para minimizar los futuros. El campo que ayudó a inventar se denominó epidemiología, pero en su infancia se conocía con otro nombre: estadísticas vitales. (“Vital” como en vitae, Latín para la vida.) Las innovaciones en este campo no se parecen a nuestro modelo tradicional de avances médicos: no se empaquetan en forma de medicamentos milagrosos o nuevas tecnologías de imágenes. En esencia, son simplemente nuevas formas de contar, nuevas formas de discernir patrones.

En esta etapa de la pandemia de coronavirus, nos encontramos en una situación no muy diferente de los victorianos, a pesar del vasto abismo en la experiencia científica, tecnológica y médica que nos separa de ellos. Nos faltan vacunas para proteger a los no infectados; aún no ha surgido ningún medicamento para curar Covid-19, la enfermedad causada por el virus. Nuestra protección principal en este momento es la que Farr comenzó a construir hace casi dos siglos: la recopilación y el análisis de datos. Los datos nos permiten ver dónde se está propagando la enfermedad y dónde es probable que se sobrepasen los sistemas de atención médica. Nos permite calcular las tasas de infección y mapear los puntos calientes hasta el nivel de los códigos postales.

Finalmente, la medicina nos protegerá del SARS-CoV-2, pero por el momento, las estadísticas vitales son la mejor defensa que tenemos. En el espíritu de William Farr, han surgido múltiples experimentos nuevos en la recopilación y análisis de datos durante la pandemia, experimentos que podrían salvar miles de vidas antes de que termine la crisis. Y bien pueden evitar que se desarrollen futuras pandemias en primer lugar.

William Farr en 1865. Es solo “cuando cristaliza el intelecto”, escribió, que los hechos “constituyen las verdades eternas de la ciencia”.
Ernest Edward / National Portrait Gallery, Londres

Nacido en 1807 En una familia rural de escasos recursos, William Farr fue un alumno precoz que atrajo el apoyo de un mecenas rico y mentores cuando era adolescente, aprendiendo con un médico local antes de estudiar medicina en París y en el University College de Londres. A mediados de los 20 años, Farr había establecido una práctica médica en Londres. Pero su verdadera pasión era por las estadísticas vitales: fue uno de los primeros miembros de la London Statistical Society y llegó a creer que comprender los macropatrones en la mortalidad podría convertirse en una herramienta para salvar vidas tan efectiva como cualquier intervención médica tradicional. De hecho, dado el lamentable estado de la medicina en la década de 1830, los datos fueron, con mucho, el instrumento más poderoso. El uso de datos para comprender los patrones de vida y muerte había sido casi exclusivamente un interés comercial durante el siglo XVIII, una ciencia desarrollada en gran medida para los objetivos mercenarios de las compañías de seguros. Pero Farr y un puñado de sus colegas vieron el potencial de las estadísticas vitales como una herramienta para la reforma, un medio para diagnosticar los males de la sociedad y arrojar luz sobre sus desigualdades.

Después de publicar algunos artículos en The Lancet analizando datos médicos, Farr fue contratado en 1837 como “compilador de resúmenes” en la Oficina de Registro General, un nuevo organismo gubernamental encargado de rastrear nacimientos y muertes en Inglaterra y Gales. Alentado por Farr, el G.R.O. comenzó a registrar una gama mucho más amplia de datos en sus informes de mortalidad, incluida la causa de muerte, ocupación y edad.

En el G.R.O., donde trabajó durante casi toda su carrera, Farr fue responsable de tomar datos brutos y hacerlos significativos: descubrir tendencias interesantes en los números, comparar resultados de salud para diferentes subgrupos de la población, inventar nuevas formas de visualización. Sus investigaciones estadísticas a veces lo llevaban a algunas posiciones inquietantes. Pasó años desarrollando una teoría extraña sobre la conexión entre la elevación topográfica y la enfermedad, lo que llevó a algunas ideas xenófobas sobre la inferioridad de los pueblos de las tierras bajas. Pero el legado perdurable de las estadísticas vitales de Farr resultó ser igualitario: exponer las desigualdades de los resultados de salud, usar el pensamiento científico para disipar la suposición de larga data, prevaleciente entre la clase dominante, de un vínculo causal entre la enfermedad y la depravación moral en los bajos ingresos comunidades

Contar a los muertos en sí no era una técnica nueva: los empleados de la parroquia de Londres habían estado publicando semanalmente “declaraciones de mortalidad” desde la era isabelina. Pero Farr ideó nuevas formas de hacer que esa información sea útil. Recopilar y publicar datos no era solo una cuestión de informar los hechos, sino más bien un arte más sutil y exploratorio: probar y desafiar hipótesis, construir modelos explicativos. Como Farr escribió en un ensayo publicado el año en que se unió al G.R.O., “Los hechos, por numerosos que sean, no constituyen una ciencia. Como innumerables granos de arena en la orilla del mar, los hechos individuales parecen aislados, inútiles, sin forma; solo cuando se comparan, cuando se organizan en sus relaciones naturales, cuando se cristalizan por el intelecto, constituyen las verdades eternas de la ciencia “.

La primera pregunta que Farr utilizó para responder a las estadísticas también es relevante para nuestra crisis actual: ¿en qué medida la densidad urbana contribuyó a la tasa de mortalidad? Quizás debido a su propio viaje de la vida, creciendo en la región agrícola de Shropshire, que ahora vive en la ciudad más grande del planeta, Farr decidió dedicar uno de sus primeros estudios a las diferencias en los resultados de salud entre el país y la ciudad.

Farr fue pionero no solo en la recopilación de datos, sino también en la creación de nuevas formas ingeniosas de representarlos. Una forma de medir la salud de una sociedad es lo que en tiempos de Farr se llamaba “tabla de vida”: desglosar la tasa de mortalidad en una población dada por edad. (Las tablas de vida son lo que nos permitió ver que la letalidad de Covid-19 se ha concentrado desproporcionadamente entre los ancianos, a diferencia de la pandemia de gripe de 1918, que mató a un número inusual de adultos jóvenes). En un informe inicial, Farr experimentó de una manera ingeniosa de representar esos diferentes resultados, aprovechando los datos recopilados de tres comunidades separadas: el área metropolitana de Londres, el Liverpool industrial y la zona rural de Surrey. Era, en efecto, una historia de dos ciudades y un campo. Vistas como un tríptico, las ilustraciones transmitían un mensaje claro: la densidad era el destino.

En Surrey, el aumento de la mortalidad después del nacimiento fue una suave pendiente ascendente, como una duna que se eleva sobre una línea de flotación. El pico en las ciudades, en comparación, se parecía más a los acantilados de Dover. Ese fuerte ascenso condensó miles de tragedias individuales en una imagen vívida y escandalosa: en Liverpool, más de la mitad de todos los niños nacidos murieron antes de cumplir 15 años.

A pesar de esos números sombríos, Farr mantuvo la esperanza de que la crisis de salud que surgía en las ciudades industriales pudiera mejorar. “¿Es inevitable la mortalidad excesiva de las ciudades?” Farr escribió en el informe anual de 1840 de la G.R.O. “Los primeros escritores que establecieron satisfactoriamente la alta mortalidad de las ciudades adoptaron una visión sombría y quizás fanática de la cuestión. Las ciudades fueron declaradas vórtices de vicio, miseria, enfermedad y muerte; fueron proclamados “las tumbas de la humanidad”. Y, sin embargo, continuó, “hay razones para creer que la agregación de la humanidad en las ciudades no es inevitablemente desastrosa”.

En ese mismo informe, Farr dirigió su atención a otro patrón desconcertante en los datos que había recopilado: lo que llamó las leyes de acción de las epidemias, ahora conocidas por los epidemiólogos como la Ley de Farr. Analizando un brote de viruela en Liverpool, Farr dividió los recuentos de mortalidad en 10 períodos separados. “La mortalidad aumentó hasta el cuarto período registrado; las muertes en el primero fueron 2.513, en el segundo 3.289, en el tercero 4.242; y se percibirá de un vistazo que estos números aumentaron casi a un ritmo del 30 por ciento “. Pero observó que la tasa de aumento “solo aumenta al 6 por ciento en el próximo, donde permanece estacionaria, como un proyectil en la cima de la curva que está destinado a describir”. La Ley de Farr fue el primer intento de describir matemáticamente el aumento y la caída de las enfermedades contagiosas. Todos los modelos que han dado forma a tanta angustia privada y escrutinio público: los modelos del Imperial College London que alejaron al primer ministro Boris Johnson de la estrategia inicial de inmunidad colectiva, las proyecciones Covid-19 de la Universidad de Washington que han influido fuertemente en la Casa Blanca de Trump – Todos estos pronósticos son descendientes de las leyes de acción que Farr esbozó originalmente en 1840. Cuando hablamos de aplanar la curva, la curva en cuestión fue dibujada por primera vez por William Farr.

Una ilustración de “tabla de vida” de Farr, publicada en “El Quinto Informe Anual del Registrador General de Nacimientos, Defunciones y Matrimonios en Inglaterra”, 1843.
Steven Johnson

Científicos victorianos habría reconocido de inmediato muchas de las categorías centrales de datos reunidos por epidemiólogos que trabajan en Covid-19: infecciones, muertes, ubicaciones, etc. Los estadísticos vitales de hoy obviamente tienen acceso a un conjunto más amplio de información (resultados de pruebas de anticuerpos, comorbilidades de las víctimas, incluso diferentes cepas genéticas del virus) que Farr pudo reunir. Y tienen un software que les permite construir modelos que proyectan la curva epidemiológica que Farr identificó por primera vez.

Pero la pandemia de coronavirus también ha revelado algunos agujeros cruciales en la forma en que recopilamos datos durante un brote emergente. Por improbable que pueda parecer, dada la existencia de organizaciones como el C.D.C. o W.H.O., en los primeros días de la propagación del coronavirus, no existía un único depósito de datos donde los funcionarios de salud pública e investigadores pudieran acceder y analizar la información sobre todos los casos conocidos. “Realmente nunca ha habido un esfuerzo exitoso para compartir fuentes completas de datos abiertos durante ninguna de las epidemias modernas”, dice Samuel V. Scarpino, quien dirige el Laboratorio de Epidemias Emergentes en la Universidad Northeastern. “La gran mayoría de los datos de salud pública durante las epidemias todavía se organizan en gran medida en lápiz, papel, Excel y PDF”.

Scarpino fue uno de los pocos voluntarios, incluido el investigador de Oxford Moritz Kraemer y un Ph.D. Un estudiante de la Universidad de Tsinghua en Beijing llamó a Bo Xu, quien formó una organización ad hoc a fines de enero para crear un equivalente del siglo XXI de los informes de mortalidad de Farr: un único archivo de código abierto de cada caso registrado de Covid-19 en cualquier parte del mundo. A principios de febrero, el Grupo de trabajo de datos Open Covid-19 había reunido registros detallados de 10.000 casos. Hoy, una red informal de cientos de voluntarios ha reunido registros de más de un millón de casos en 142 países de todo el mundo. Bien podría ser el retrato más preciso de la propagación del virus a través de la población humana existente.

Por supuesto, el mayor valor en ese tipo de conjunto de datos radica en las pistas que nos puede dar sobre la ruta futura de la enfermedad y cómo esa ruta puede ser potencialmente interrumpida. Pero, una vez más, el trabajo de construir esos modelos ha tomado la forma de esfuerzos improvisados ​​organizados en un puñado de instituciones académicas de todo el mundo. La epidemióloga de la Universidad Johns Hopkins, Caitlin Rivers, argumenta que la pandemia de coronavirus ha dejado en claro que una innovación crucial que necesitamos es un nuevo tipo de institución, lo que Rivers llamó un “centro de predicción de epidemias”. Rivers hace una analogía con instituciones como el Servicio Meteorológico Nacional. “Hubo algunas tormentas grandes en el cambio de siglo con terribles pérdidas de vidas y también una enorme consecuencia económica, por lo que hubo interés en el momento de averiguar cómo predecir el clima”, explica Rivers. Rivers cree que con una inversión significativa, “podemos llegar al lugar donde estamos con el Servicio Meteorológico, donde tenemos pronósticos confiables que informan nuestra vida cotidiana como público, y también ayudan a los tomadores de decisiones a comprender la mejor manera de responder a estos brotes . “

Los pronósticos son tan buenos como los datos subyacentes que los respaldan, y en el caso de brotes de enfermedades, la mayor parte de la recopilación de datos, incluso en archivos completos como el reunido por el grupo Open Covid-19 Data, sufre una responsabilidad crucial: La información se captura demasiado tarde. Ciertos números como hospitalizaciones o muertes son estadísticas vitales para estar seguros, pero están rastreando las etapas finales en el camino de una enfermedad. En el caso de Covid-19, cuando la persona promedio llega al hospital, han pasado alrededor de 10 días desde su contacto inicial con el virus. “Los informes de salud pública suelen llegar muy tarde”, dice el epidemiólogo Larry Brilliant, quien ayudó a erradicar la viruela en la década de 1970. “Es poco antes del pico de un brote, históricamente, porque a medida que las personas se alarman, acuden a su médico y su médico acude al funcionario de salud pública y lo denuncian”.

Con una enfermedad como Covid-19, donde los portadores presintomáticos y asintomáticos son capaces de propagar el virus, el retraso en la notificación puede marcar la diferencia entre un brote fuera de control y una contención efectiva. Un caso típico de Covid-19 que termina en una muerte sigue esta línea de tiempo, que puede extenderse a 30 días o más:

Infección -> Incubación -> Propagación presintomática -> Síntomas y propagación -> Visita al médico -> Hospitalización -> Cuidados intensivos -> Muerte

En el régimen estándar, incluso en el mejor de los casos, la recopilación de datos no comienza hasta el día 10, durante la visita al médico. Covid-19 ha provocado una revuelta inspiradora de experimentos diseñados para mover la recopilación de datos antes en la línea de tiempo. Algunos de ellos implican lo que se llama “vigilancia centinela”: pruebas generalizadas en etapas tempranas en poblaciones críticas que pueden estar en riesgo. “Hay pruebas para el individuo que necesita comprender si tiene esta enfermedad, si necesita aislarse o buscar atención”, dice Lorna Thorpe, directora de la división de epidemiología de la escuela de medicina de la Universidad de Nueva York. “Pero para manejar el brote, necesitas saber dónde está, debes adelantarte”. Al igual que el estallido de 1866, Covid-19 ha sido el más afectado en las comunidades de bajos ingresos, que generalmente han reducido el acceso al sistema de atención médica, donde se recopila la mayoría de los datos. “A menudo, las comunidades que necesitan nuestra atención durante el brote, que tienen más probabilidades de ser atacadas temprano, también son las que menos entendemos”, dice Scarpino.

En parte debido al suministro limitado de pruebas, los primeros meses de datos sobre Covid-19 se orientaron casi por completo a las personas que experimentaban síntomas graves, que se presentaban en los hospitales. Pero un programa de vigilancia centinela podría haberse dirigido a comunidades, como hogares de ancianos o vecindarios de bajos ingresos, que aún no habían experimentado infecciones sintomáticas, lo que podría detectar esos brotes antes de que fueran imparables. Thorpe señala el éxito del Seattle Flu Study, una iniciativa que comenzó en 2019, que estableció quioscos de prueba, analizó muestras de hospitales y distribuyó hisopos nasales a una amplia sección de la población de la ciudad, pidiéndoles que enviaran muestras si síntomas desarrollados de infección respiratoria. De manera reveladora, el programa fue el primero en detectar la transmisión comunitaria del SARS-CoV-2 en los Estados Unidos.

El Seattle Flu Study fue una variación de otra técnica emergente que ya ha jugado un papel importante en la lucha contra Covid-19: la “vigilancia sindrómica”. La idea es simple: complementar los datos oficiales de los pacientes que ingresan al sistema de atención médica con datos que rastrean la aparición de los síntomas de la enfermedad antes de ir al médico o al hospital. Uno de los primeros proyectos influyentes que se basó en este enfoque fue un programa llamado Google Flu Trends, presentado en 2008 como una colaboración entre Google y el C.D.C. El servicio no rastreó los síntomas directamente, sino que analizó los patrones en las consultas de búsqueda de Google asociadas con la gripe: “Mi hijo tiene fiebre”, por ejemplo, o “dolores y molestias”. Al mapear esas consultas geográficamente, el servicio tuvo como objetivo identificar los puntos calientes de influenza días o semanas antes de que aparecieran en el radar del C.D.C. Luego, en 2011, un epidemiólogo en el Hospital de Niños de Boston llamado John Brownstein ayudó a crear un sitio web llamado Flu Near You que se basó en datos de seguimiento de fiebre y otros síntomas de la gripe enviados directamente por el usuario a través de un pequeño pero estadísticamente representativo grupo de voluntarios. En los primeros días del brote de SARS-CoV-2, Brownstein creó una nueva versión llamada Covid Near You. “La mayoría de las personas con Covid tienen una enfermedad leve y es poco probable que interactúen con ningún sistema de salud”, dice Brownstein. “Los datos de síntomas autoinformados pueden ayudar a llenar los vacíos, especialmente a la luz de las pruebas limitadas”. Un visitante del sitio responde algunas preguntas simples: ¿Cuál es su código postal? ¿Como te sientes? Si no se siente bien, ¿cuáles son sus síntomas? Los datos recopilados permiten que el servicio mapee los puntos calientes emergentes antes de que aparezcan en las clínicas o en los informes oficiales de salud del condado, desplazando efectivamente el cronograma de recopilación de datos cinco días a la izquierda. A fines de marzo, cuando gran parte de la atención se centró en la explosión de casos en la ciudad de Nueva York, Covid Near You ya estaba detectando un aumento en los síntomas de Covid-19 en áreas menos densamente pobladas. “A pesar de los puntos calientes urbanos”, dice Brownstein, vieron signos de brotes en comunidades rurales, “especialmente en lugares donde las personas pueden tener segundas residencias”.

La nueva tecnología también ha hecho que la vigilancia sindrómica sea más factible. La nueva empresa Kinsa, con sede en San Francisco, ha estado vendiendo un termómetro conectado a Internet desde 2014. Según Inder Singh, director ejecutivo y fundador de Kinsa, quien anteriormente supervisó el trabajo de la Fundación Clinton sobre enfermedades infecciosas, la visión original era que la compañía detectar estos patrones tempranos de enfermedad sin obligar a las personas a cambiar sus rutinas habituales. “La idea era: tomemos un comportamiento existente, lo único que las personas hacen en el hogar cuando la enfermedad ataca”, explica Singh. “Agarran el termómetro”. Desde el punto de vista del consumidor, la interacción con el termómetro de Kinsa es bastante sencilla, pero detrás de escena el dispositivo envía información anónima y geolocalizada sobre los resultados a los servidores de Kinsa. Ese nuevo flujo de datos permite a la compañía mantener lo que llama mapas de clima de salud para todo el país, con datos en tiempo real sobre fiebres atípicas informadas hasta el nivel de los condados individuales.

A partir del 4 de marzo de 2020, las listas de Kinsa comenzaron a rastrear un aumento estadísticamente significativo en el número de fiebres en Nueva York, 19 días antes de que la ciudad entrara en un cierre total. (El primer caso en la ciudad se informó el 1 de marzo). Para el 10 de marzo, el número de personas que registraban una temperatura elevada en Brooklyn era un 50 por ciento más alto de lo normal, lo que sugiere que el virus ya estaba desenfrenado en los cinco distritos, a pesar de que el la carga oficial del caso aún era inferior a 200.

Una limitación de nuestros datos actuales tiene que ver con la geografía en lugar del tiempo. Como observa Marc Gourevitch, presidente del departamento de salud de la población de la escuela de medicina de Nueva York, la mayoría de nuestras herramientas para mapear brotes no son lo suficientemente granulares. “En muchas ciudades y vecindarios urbanos”, dice Gourevitch, “puede haber una gran variación dentro de un par de cuadras, o una fracción de una milla, en términos de las condiciones que realmente impulsan la salud. Entonces, si desea observar las variaciones en la salud y el riesgo y los resultados, debe tener una visión granular de la geografía de la que está hablando si desea poder pensar en estrategias de protección a estas pequeñas escalas. Es realmente la escala a la que se determina fundamentalmente la salud: ya sea por hacinamiento, acceso a buenas escuelas, a la calidad del aire, todo tipo de conductores que varían en pequeña escala “. Por defecto, nuestros datos de atención médica generalmente están organizados geográficamente por condado. Pero en una ciudad como Nueva York, donde un solo condado contiene millones de personas, esa escala es incorrecta para rastrear un virus que se mueve rápidamente.

En muchos casos, esa visión gran angular se ha establecido deliberadamente como una protección de la privacidad. Hace unos años, Gourevitch ayudó a organizar un recurso en línea llamado City Health Dashboard, que presenta promedios de esperanza de vida de la comunidad por sector censal, mostrando las amplias desigualdades en los resultados de salud en comunidades que viven a pocas cuadras el uno del otro. Pero incluso ese recurso fue controvertido. “Tomó años y presión para obtener las autoridades estatales y el C.D.C. para contribuir a las estimaciones de la esperanza de vida a nivel del tramo censal “, dice Gourevitch. “Ese fue un esfuerzo de varios años debido a preocupaciones legítimas sobre el tema de la privacidad”.

Una posible solución que Gourevitch ve es un tipo de desenfoque geográfico para los datos de brotes. En el famoso mapa de John Snow del brote de cólera de 1854, el que finalmente llevó a la comprensión de que la enfermedad fue causada por agua contaminada, documentó muertes a nivel de direcciones de calles individuales, revelando un grupo de muertes alrededor de un pozo de consumo ampliamente utilizado. . Pero en medio de un brote como Covid-19, no es necesario acercarse tanto para tener una idea significativa de dónde se está propagando el brote. En lugar de una chincheta en el mapa que denota una infección en una dirección específica, Gourevitch sugiere deliberadamente hacer que la focalización sea menos precisa: tal vez una cuadra de la ciudad, no una dirección específica. Ese nivel de granularidad sería lo suficientemente estricto como para detectar la propagación del brote a través de las microcomunidades en la ciudad, pero no tanto como para que las identidades individuales puedan discernirse en los datos públicos.

Una visualización de Farr que registra las tasas de temperatura y mortalidad en Londres, impresa en “Informe sobre la mortalidad del cólera en Inglaterra, 1848-49”.
Biblioteca Británica / Biblioteca de Fotos de Ciencias

Mientras todos estos Las formas de vigilancia de enfermedades ofrecen mejoras en el modelo básico que Farr y Snow ayudaron a inventar a mediados del siglo XIX, comparten una característica clave: se basan en datos recopilados de seres humanos, ya que pasan a través del sistema de atención médica o a través de algún mecanismo de autoinforme. Cambiar la línea de tiempo aún más hacia la izquierda puede requerir nuevas fuentes de datos que no están ancladas en casos individuales.

A principios de la década de 1990, un microbiólogo holandés llamado Gertjan Medema estaba realizando experimentos con triatletas corriendo en el delta del Rin. Medema y sus colegas estaban interesados ​​en el impacto de la natación en aguas abiertas en la salud, por lo que, como parte de su experimento, recolectaron agua de río, que posteriormente analizaron para detectar la presencia de una gran cantidad de patógenos: bacterias, patógenos fecales, virus entéricos y Otros microbios peligrosos. En esos días, analizar una muestra para detectar la presencia de estos organismos tomó semanas. Mientras Medema y su equipo aún esperaban sus resultados, se supo la noticia de un brote inusual de polio en Streefkerk, una ciudad a seis millas río abajo del sitio de prueba. Medema analizó el agua del río que recolectaron tres semanas antes y descubrió que el poliovirus era claramente detectable en las muestras. El río tenía pistas que apuntaban a un brote emergente semanas antes que las autoridades de salud. “Fue una coincidencia afortunada, si” suerte “es la palabra correcta”, dice Medema ahora.

En 1992, esas pistas eran efectivamente inútiles desde una perspectiva de salud pública porque tardaron demasiado en descifrarlas. Pero las herramientas actuales permiten a científicos como Medema detectar un virus en función de su secuencia genética precisa en cuestión de horas. Debido a que muchos patógenos peligrosos son expulsados ​​en los desechos humanos, las muestras de aguas residuales son la forma más directa de evaluar la actividad viral o bacteriana en una comunidad determinada, a menos que se analice a las personas directamente. “Cuando vi el SARS-CoV-2 golpeado en China”, dice Medema, “estaba buscando informes sobre la eliminación fecal del virus”. En poco tiempo, comenzaron a circular pruebas de que algunos pacientes de Covid-19 experimentaron diarrea. “Y fue entonces cuando dije que es posible que este virus llegue a nuestro país, por lo que es mejor que preparemos la vigilancia de las aguas residuales”. No porque pensemos que es un riesgo importante para la transmisión, sino porque podría usar aguas residuales para controlar la circulación del virus en la población “.

El 6 de febrero, Medema y sus colegas recolectaron muestras de aguas residuales de seis puntos en los Países Bajos, incluida una planta de tratamiento de residuos cerca del aeropuerto Schiphol de Amsterdam, bajo la premisa de que el virus podría llegar primero por vía aérea. Los resultados fueron negativos. Pero un mes después, cuando el brote aún estaba en sus primeras etapas en los Países Bajos, regresaron a los mismos lugares para recolectar muestras. Esta vez, encontraron evidencia del virus en varios de los lugares. “Si comparamos nuestro informe previo sobre las aguas residuales con el número de casos reportados”, dice Medema, “parece probable que podamos detectar la señal del virus si estamos cerca de una de cada 100,000 personas reportadas infectadas”. (Un estudio preliminar de una planta de tratamiento de aguas residuales en New Haven, Connecticut, esta primavera mostró que la presencia del virus en las aguas residuales alcanzó su punto máximo siete días antes de los casos reportados de Covid-19). En la era de Farr, las aguas residuales eran una causa principal de epidemias. Pero en el siglo XXI, las aguas residuales podrían ofrecernos datos importantes para contener su propagación.

No todos los patógenos son expulsados ​​en excrementos humanos, lo que significa que el enfoque de Medema tiene algunas limitaciones como defensa contra brotes futuros. Pero la vigilancia de las aguas residuales tiene una ventaja crítica sobre la vigilancia sindrómica con un virus como el SARS-CoV-2, que tiene una concentración inusualmente alta de portadores que no muestran síntomas en absoluto. “La dificultad para este tipo de virus es que la contención no funciona porque hay mucha transmisión silenciosa”, dice Medema. “Pero podemos utilizar la vigilancia de aguas residuales con este tipo de virus, para detectarlos y comprender mejor la circulación del virus. Hay una proyección de que podemos ver olas y olas de este virus. Tal vez la vigilancia de aguas residuales puede ser una advertencia temprana para ver si se avecina otra ola “.

La técnica más radical para desplazar el cronograma de recopilación de datos hacia la izquierda, pero la que podría ofrecer la protección más significativa contra futuras epidemias, implica eliminar por completo a las personas de la ecuación. The underlying data that allowed William Farr to draw the first epidemic curve back in 1840 was, understandably, limited to patterns of life and death in the human population. Syndromic or sewage surveillance allows us to pick up signals earlier in the cycle by detecting symptoms or fecal shedding before people make contact with the health system. But for many of the most terrifying diseases that have emerged in the past few decades, the initial human cases showed up in the middle of a much longer timeline. “Covid, SARS, MERS, swine flu, bird flu, Ebola, H.I.V., Zika all were at one point animal diseases,” Larry Brilliant says. “Instead of syndromic surveillance, going two steps to the left is surveillance of animal diseases. You move it where it belongs into the realm of the zoonotic diseases, about 50 of which have jumped species from animals to humans in the last three decades.”

The promise of applying Farr’s vital statistics to the realm of animal diseases is a simple one: You can stop an emerging zoonotic disease before it makes the jump from animal to human. Animal surveillance could ward off the potential pandemic that experts have historically worried about the most: an influenza outbreak along the lines of the 1918 avian flu. “When you have 20 of your chickens die off, and your whole livelihood depends upon them,” Brilliant says, “if you have a hotline as they do in Cambodia, you can call the government and say ‘I have 20 dead chickens,’ and they’ll come and bring you 30 live ones and clean up your place. That’s a phenomenal bi-direction system that cleans up the virus for you, puts you back into business, and the epidemic is aborted. Being able to survey bats, pigs, birds — that’s going way beyond syndromic surveillance. That’s what we’re going to have to do in the age of pandemics.”

Public-health data began with that most elemental form of accounting: how many people died on this day in this place. The insights that arose from the collection of that information helped turn cities from the “graves of mankind” into communities that today enjoy some of the longest life expectancies anywhere on the planet. But during an epidemic, from the perspective of vital statistics, a human death tells the story of an infection that happened in the past. A hundred dead chickens, on the other hand, could tell the story of a future infection — and maybe even stop it from emerging at all.

Steven Johnson is the author of twelve books, including his account of the 1854 cholera epidemic, “The Ghost Map,” and most recently, “Enemy of All Mankind: A True Story of Piracy, Power, and History’s First Global Manhunt.”

[ad_2]

Fuente