Buscar en todas las noticias

Sobre la utilidad de restringir la movilidad durante las pandemias

30 de Noviembre de 2020

Las pandemias causadas por enfermedades infecciosas castigan más duramente a las grandes ciudades que tienen una mayor densidad de población. Esta densidad implica un mayor número de ciudadanos por área y, por tanto, un mayor número de contactos entre ciudadanos. Por otra parte, las zonas rurales están menos densamente pobladas y hay más espacio disponible para garantizar distancia social entre sus habitantes. Sin embargo, tal como se ha observado durante la pandemia de la Covid-19 estos dos tipos de poblaciones no son estancas y constantemente hay un flujo de personas que van de las ciudades a las zonas rurales y viceversa. Estos movimientos han sido limitados por las autoridades políticas en un intento por no expandir la pandemia de las grandes ciudades a los pueblos.

Un grupo de investigadores, entre ellos Massimiliano Zanin, investigador en el IFISC (UIB-CSIC), ha publicado un artículo en la revista Chaos en el que analizan cómo de efectivas son las restricciones en la movilidad en el contexto de una pandemia como la de la Covid-19.

Para hacerlo, simularon un modelo clásico de infección en el que las personas se dividen en tres grupos: los susceptibles de enfermar, los infectados con capacidad de contagiar y los recuperados que han desarrollado inmunidad. Este modelo permite reproducir algunos resultados básicos observados en epidemiología. Después, dividieron este grupo de personas en dos áreas, una de ellas con una densidad de población significativamente mayor representando una ciudad y otra menos densa simulando un área rural. Para comprobar cómo afectan las restricciones en la movilidad a la expansión de la infección, realizaron distintas simulaciones con políticas más o menos restrictivas y analizando cómo afectan éstas al impacto total en la población. Asumieron que las personas que abandonan la ciudad infectada tienen la intención de ir a un área con menor densidad de población y quedarse allí hasta que la situación pandémica quede bajo control, además de entender que los ciudadanos que viajan a zonas menos densamente pobladas reducirán sus contactos sociales al mínimo estando allí.

Una de las claves del modelo es la unidireccionalidad de los movimientos. Es decir, se permite a los ciudadanos que viven en las ciudades con mayor densidad de población abandonar su zona, pero no al contrario. Haciendo esto se consigue homogeneizar la densidad de población entre los distintos núcleos urbanos, lo que implica reducirla en las grandes ciudades a costa de aumentarla en las áreas rurales. Una [MOU1] [2] menor densidad de población implica reducir la propagación, al haber menos probabilidad de que dos individuos cualesquiera interactúen y se produzca un contagio. Las simulaciones mostraron que, si bien estos movimientos podrían ser un poco menos seguros para las personas en los pueblos pequeños, en general, para una situación de pandemia global, esta reducción en la densidad de áreas densamente pobladas es mejor para el conjunto global de la población.

Sin embargo, los investigadores remarcan que la aplicación de políticas que condujeran a este comportamiento en el mundo real es complicada, y va más allá de lo que un simple modelo matemático nos puede decir. Por ejemplo, el modelo no tiene en cuenta las diferencias que pueden haber entre las distintas presiones en los sistemas sanitarios regionales; ni los problemas éticos asociados con el hecho de aceptar el incremento de casos en una región en ara del bien global. Se trata de un estudio realizado con un modelo simplificado y por tanto no se pueden ni deben extraer conclusiones precipitadas sin realizar más estudios que confirmen el comportamiento observado. Por otro lado, este estudio también invita a la reflexión, y subraya la importancia de la investigación científica en la gestión de la situación tan crítica que estamos viviendo.

Travel restrictions during pandemics: A useful strategy?. Zanin, Massimiliano; Papo, David. Chaos 30, 111103 (2020). DOI: https://doi.org/10.1063/5.0028091