Mes: marzo 2020

Ayer, domingo 29 de marzo, la Organización Mundial de la Salud (OMS) publicó un informe sobre los modos de transmisión de la enfermedad CoVID-19 y en el que se incluyen recomendaciones sobre la prevención y control de la infección. Una de las precauciones que hemos de tomar mientras dure la pandemia es, si salimos de casa por motivos de primera necesidad, guardar una distancia de seguridad de entre uno y dos metros con otras personas. Esto se debe a que es posible el contagio por las secreciones de la boca (tipo tos, estornudos, hablar, etc.) de personas infectadas. Pero ¿por qué esta distancia?

En una publicación anterior en el blog comentamos un estudio experimental en el que, entre otros resultados, se indicaba que el coronavirus permanece en el aire, con capacidad infectiva, al menos hasta tres horas en aerosoles. Sin embargo, los efluvios cargados de coronavirus que liberan las personas infectadas, no siempre se encuentran como los aerosoles experimentales del estudio, sino como unas gotas a las que, en la jerga médica, se les denomina gotitas de Flügge. El tamaño de las gotitas de Flügge puede ser muy variado, y también el tiempo en el que permanecen en el aire.

De modo general, podemos decir que la transmisión de gérmenes vía aérea puede ocurrir bien a través de gotitas relativamente grandes (de más de 5 μm, y hasta de 500 μm, e incluso más) o a través de otras más pequeñitas que pueden permanecer como aerosoles (menos de 5 μm). Las gotitas más grandes caen al suelo rápidamente por la gravedad, lo que requiere que tanto la persona infectada como las sanas, susceptibles de ser infectadas, estén muy cerca para que se produzca la infección; sin embargo, la transmisión por aerosoles puede ocurrir incluso a largas distancias y no requiere que los individuos infectados y susceptibles estén en el mismo lugar y al mismo tiempo.

En el caso de la enfermedad CoVID-19, por el número y tipo de contagios se estima que el SARS-CoV-2 sale de las vías respiratorias principalmente en gotitas grandes. En gotitas pequeñas (aerosoles), en el informe de la OMS se indica que, según estudios muy recientes, solo parece ocurrir en circunstancias concretas relacionadas con los tratamientos médicos a los pacientes con coronavirus SARS-CoV-2, tales como intubación (y extubación), traqueotomía o incluso colocar al paciente en posición de decúbito prono, lo cual mejora la ventilación respiratoria (comentado aquí).

Nos parece interesante mencionar que, en 1934, W.F. Wells calculó que una gotita de agua de 170 μm de diámetro en aire seco (0% humedad) cae dentro de 2 metros en 3 segundos. Con este y otros datos generó las denominadas “curvas de Wells”, que relacionan la distancia de caída y el tiempo de evaporación de gotas en aire, teniendo en cuenta tanto su diámetro como las condiciones de humedad (ver figura).

Regresando al estudio de la OMS, en él se concluye que se han de extremar la protección del personal sanitario que lleva a cabo las manipulaciones que puedan generar que el virus salga dispersado en forma de aerosoles. En cuanto a los que no estamos expuestos de ese modo, mantienen el continuar con las medidas de higiene y seguridad que ya conocemos, como lavarse las manos y desinfectar las superficies que pudieran haber estado en contacto con el coronavirus, así como mantener la distancia física. Y, en lo referente al uso de mascarilla, lo principal es que estén a disposición del personal sanitario, tal y como bien se comenta aquí.

El verdadero discípulo es el que supera al maestro. – Aristóteles.

En unos meses cumpliré 25 años como docente de la UJA, un largo periodo de tiempo durante el que han pasado cientos de estudiantes por mis clases, en diferentes asignaturas de varias titulaciones, másteres y doctorado. Y, sin lugar a dudas, la mayoría de ellos me han superado, y me alegro de veras.

Como ejemplo, Cristina a la que, por mi amistad con su padre, conocí mucho antes de ser mi alumna. Brillante y con ese puntito especial que tienen las personas excepcionales, el otro día hizo el siguiente comentario en las redes sociales a raíz de otra publicación en este blog:

En nuestro grupo de investigación tenemos experiencia en desarrollar herramientas diagnósticas, mediante el uso de abordajes matemáticos y computacionales, como lo han sido un sistema de detección precoz de esclerosis múltiple y otro de receptividad endometrial, ambos a partir de datos biomédicos. El machine learning o “aprendizaje máquina”, forma parte de los procedimientos de análisis que utilizamos. Se basa en el uso de algoritmos de inteligencia artificial que “aprenden” a partir de conjuntos de datos; es decir, son capaces de identificar patrones muy complejos en las variables de estudio (por ejemplo, relación entre la expresión de miles de genes y el desarrollo de enfermedades) que son difíciles de encontrar por otros medios.

En relación al coronavirus SARS-CoV-2, aún no se disponen de datos clínicos y moleculares suficientes como para aplicar estas técnicas y demostrar su posible utilidad, al menos para mi conocimiento. Sin embargo, aprovechando que ayer el Instituto de Salud Carlos III publicó los datos diarios de casos detectados, hospitalizados, en UCI y fallecidos, desde el 20 de febrero al 25 de marzo, y aun con las limitaciones de su análisis con este tipo de algoritmos, hemos realizado un breve estudio de predicción de fallecidos por CoVID-19 a un día. Es decir, si pueden ser útiles para predecir los fallecidos el 26 de marzo sabiendo los fallecidos hasta el 25 de marzo.

Utilizando la aplicación Forecast, en el software Weka, que incluye el algoritmo tipo red neuronal (de machine learning) MultilayerPerceptron, hemos obtenido la predicción a un día del número de pacientes en UCI y de fallecidos, resultados que pueden apreciarse en la gráfica siguiente. El número de fallecidos que se predice es de 762, con un error absoluto medio de 6 personas. Si lo comparamos con 769, que es el número de fallecidos en las últimas 24 horas (ver aquí o aquí), observamos que estos procedimientos pueden ser de utilidad, siempre con las limitaciones propias del número y tipo de datos, y de los modelos.

Gracias, Cristina, por tu acertada propuesta de análisis y te animo a que incluyas las herramientas de machine learning entre las otras muchas computacionales que ya sé que dominas.

Y, desde aquí, hacemos público nuestro más sentido pésame a todas las personas que han perdido a un ser querido en estas terribles y dolorosas circunstancias. Lo lamentamos de veras y haremos todo lo posible por seguir transformando la ciencia en valor social.

Hace unos días se publicó un interesante artículo en el que se describía, en condiciones experimentales, la estabilidad del coronavirus SARS-CoV-2 tanto en aerosoles en el aire como en superficies de plástico, acero inoxidable, cartón y cobre. Brevemente, los resultados mostraban que la transmisión aérea y por contacto con superficies es plausible, ya que el virus puede permanecer viable e infeccioso hasta al menos 3 horas en suspensión y hasta 3 días en superficies, aunque la capacidad infectiva depende de la cantidad de partículas virales presentes.

En ese artículo también obtienen la vida media del coronavirus en el aire y en cada superficie, concluyendo que es alrededor de una hora para las gotitas en suspensión, casi siete horas en plástico, unas cinco horas y media en acero inoxidable, tres horas en cartón y unos cuarenta y cinco minutos en el cobre.

Comentando estos resultados con mi buen amigo Renato Álvarez-Nodarse, Catedrático de Análisis Matemático de la Universidad de Sevilla, y activo divulgador de las matemáticas en diferentes foros, incluido el blog del Instituto de Matemáticas de la Universidad de Sevilla, me invitó a que escribiésemos juntos una entrada en ese blog describiendo, de un modo lo más entendible posible, cómo se obtuvo la vida media del virus en aquel trabajo, tanto desde el punto de vista experimental como matemático. Para las mates, nos basamos en un modelo muy simple de crecimiento (y decaimiento) de una población: el modelo maltusiano.

Si tienes interés en conocer los detalles, el enlace a la entrada en el blog está aquí. Si quieres descargarte el artículo en formato pdf junto al fichero de Maxima con el análisis de datos pincha aquí. Si solo quieres el pdf pincha aquí.

Y gracias, Renato, por tu invitación y tu amistad. (Por cierto, a Renato le gusta Dream Theater casi tanto como a mí, y a mí Alter Bridge casi tanto como a él.)

Para que el coronavirus SARS-CoV-2, responsable de la actual pandemia, invada las células de nuestro cuerpo es necesario que esté presente en las mismas un receptor denominado ACE2. Concretamente, la infección de los pulmones se produce por la unión del coronavirus al receptor ACE2 presente en las células alveolares de tipo II de este órgano, lo cual da lugar a las alteraciones respiratorias propias de la enfermedad.

Es bien conocido que el receptor ACE2 se expresa en la superficie de células que forman parte de diferentes órganos como los riñones, el hígado, el intestino y los testículos (ver la figura anterior, que se ha obtenido del Human Protein Atlas); es más, en comparación con estos órganos, su expresión es baja en los pulmones. El hecho de que algunos pacientes hayan mostrado síntomas no respiratorios, como un fallo renal, implica que el coronavirus podría también invadir células de otros órganos.

Así pues, y dentro del enorme esfuerzo que la comunidad científica está realizando en muy poco tiempo, y para conocer con detalle al coronavirus causante de la enfermedad CoVID-19, recientemente se ha publicado un trabajo que demuestra la expresión del receptor ACE2 en tipos celulares específicos localizados en el pulmón, el corazón, el esófago, el riñón, la vejiga y el intestino, todos ellos susceptibles de ser infectados por SARS-CoV-2. Además, estos investigadores han construido un mapa de riesgo que indica la vulnerabilidad de los diferentes órganos a la infección por coronavirus (ver figura). Sin duda, los resultados obtenidos pueden ser de utilidad para conocer tanto la patogénesis como las rutas de infección de este virus.

 

Con el fin de hacernos una idea de los trabajos científicos que se están publicando en relación al coronavirus de la actual pandemia, hemos llevado a cabo un breve análisis de las publicaciones que contienen el término SARS-CoV-2, que es el nombre del virus causante de la enfermedad CoVID-19.

Dicho análisis se basa en la co-ocurrencia de palabras clave (MeSH keywords) en artículos científicos. Para ello hemos utilizado el programa de mapeo bibliométrico VOSviewer y la API asociada a la base de datos bibliográfica biomédica Europe PCM. Con estas herramientas computacionales se han seleccionado 537 artículos que incluyen SARS-CoV-2 en el título o en el resumen, todos ellos publicados en los apenas tres meses que llevamos de año.

De estos artículos se obtuvieron 191 palabras clave (ver tabla), de las cuales 188 se representan en la imagen anterior (no se incluyeron las tres genéricas human, coronavirus infections y betacoronavirus, con 42 entradas la primera y 39 las otras dos, al ser las más numerosas y muy genéricas).  El tamaño del nodo que representa a cada término es proporcional al número de artículos en los que aparece, y los nodos de igual color forman grupos por su co-ocurrencia en un mismo artículo; en cada grupo hay 10 nodos como mínimo.

En la red se aprecia que los términos se agrupan de modo diferencial por su relación con estudios clínicos, epidemiológicos, terapéuticos, moleculares, demográficos y de salud pública, principalmente. Así pues, podemos concluir que la comunidad científica está realizando un enorme esfuerzo, en muy poco tiempo, para tratar de conocer al máximo al virus SARS-CoV-2 y poder establecer las mejores estrategias y terapias tanto para frenar la pandemia de CoVID-19 como para evitar otras posibles en el futuro.