Resumen

VAN KERKHOVE, Maria D  y  FERGUSON, Neil M. Modelización epidémica e intervencionista: ¿ un fundamento científico para la toma de decisiones? Lecciones de la gripe pandémica de 2009. Bull World Health Organ [online]. 2012, vol.90, n.4, pp. 306-310. ISSN 0042-9686.  http://dx.doi.org/10.1590/S0042-96862012000400015.

SITUACIÓN: El análisis del brote y la modelización matemática son cruciales para la planificación de respuestas de salud pública a los brotes, epidémicos y pandémicos, de enfermedades infecciosas. Este documento describe los análisis de datos y la modelización matemática utilizados durante y después de la gripe pandémica de 2009. Su objetivo principal era la obtención de información para la planificación y la toma de decisiones en materia de salud pública. ENFOQUE: Poco después de que surgiera el virus pandémico A(H1N1)pdm09 en Norteamérica en el año 2009, la Organización Mundial de la Salud reunió una red informal de modelización matemática compuesta por expertos académicos, expertos en salud pública y grupos de modelización. Esta red y otros grupos de modelización trabajaron con responsables políticos con el fin de caracterizar las dinámicas y el impacto de la pandemia, así como para evaluar la eficacia de las intervenciones en diversos escenarios. MARCO REGIONAL: La gripe pandémica A(H1N1) de 2009. CAMBIOS IMPORTANTES: Los encargados de la modelización proporcionaron un marco cuantitativo para analizar los datos de vigilancia y para entender la dinámica de la epidemia y el impacto de las intervenciones. No obstante, podría decirse que lo que con mayor frecuencia informó a diario a las decisiones políticas no fue la modelización de simulación sofisticada, sino simples análisis estadísticos en tiempo real basados en los modelos mecanicistas de transmisión, que se basan en los datos epidemiológicos y virológicos disponibles. LECCIONES APRENDIDAS: Una lección clave fue que la modelización no puede sustituir a los datos, únicamente puede hacer uso de los datos disponibles y destacar aquellos datos adicionales que puedan ser la mejor información para la política. Las lagunas de datos en 2009, especialmente de los países con pocos recursos, dificultaron la evaluación de la gravedad, los efectos de la variación estacional en la transmisión y la eficacia de las intervenciones no farmacéuticas. Es necesario mejorar la comunicación entre los encargados de la modelización y los profesionales de salud pública para gestionar las expectativas, facilitar que se compartan e interpreten datos y reducir las incoherencias en los resultados.