El seguimiento de los movimientos poblacionales es especialmente exigente en el contexto del brote COVID-19 de China, que comenzó en Wuhan (una ciudad-prefectura en la provincia de Hubei) en el período previo a la víspera del Año Nuevo Lunar Chino, con su migración anual masiva de Chunyun.

Los autores utilizaron información de teléfonos móviles para rastrear el flujo de salida poblacional desde Wuhan y lo vincularon con la evolución de la infección por ubicación. Se incluyeron 296 prefecturas en 31 provincias y regiones. Se normalizó el riesgo de enfermedad a la afluencia de población desde Wuhan, en lugar del tamaño de la población local.

Se formuló un modelo de “fuente de riesgo”, con el objetivo de investigar en qué medida los datos de movimiento poblacional pueden capturar la dinámica espacio-temporal de la propagación del SARS-CoV-2.

El inicio de los síntomas del primer caso registrado en Wuhan fue el 1 de diciembre de 2019; para el 19 de febrero, al final del período de estudio de este trabajo, se habían verificado 74 279 casos de infección en China. Se incluyeron todos los usuarios de teléfonos celulares hubieses estado al menos 2 horas en Wuhan durante este período.

Se contabilizaron 11 478 484 viajes desde Wuhan, 8 685 007 a otras prefecturas dentro de Hubei y 2 793 477 a prefecturas en otras provincias.

Las fechas fundamentales fueron el 24 de enero, la víspera de Año Nuevo Lunar y el 23 de enero, cuando se impuso la cuarentena en Wuhan, que fue efectiva, se observó una caída del 52% (38%) de la salida de población interprovincial e intraprovincial el 23 de enero comparado con el 22 de enero, y una disminución adicional del 94% (84%) el 24 de enero en comparación con el 23 de enero.

El flujo poblacional desde Wuhan exportó el virus a otros lugares, donde produjo brotes locales; coincidente con esta hipótesis, el número acumulado de infecciones estuvo altamente correlacionado con la salida de población de Wuhan del 1 al 24 de enero. En la predicción del número de infecciones, si bien el tamaño y la distancia de la población “receptora” fueron predictores significativos, el flujo poblacional desde Wuhan medió el efecto de la distancia.

Los autores formularon lo que denominaron un modelo de "fuente de riesgo", que aprovecha los datos de flujo de población observados para hacer operativo el riesgo que emana de la fuente epidémica.

De los análisis realizados, el rendimiento de los modelos mejoró continuamente a medida que se confirmaban más casos, lo que sugiere que el patrón de propagación del virus converge gradualmente a la distribución de la salida de población de Wuhan a otras prefecturas en China. El flujo de población de Wuhan a otras prefecturas determinó fundamentalmente la distribución final de las infecciones totales en China.

Usando los casos diarios pronosticados se puede calcular un puntaje de riesgo diario para las prefecturas en función de la diferencia entre los casos predichos y los confirmados, en una fecha determinada. Un nivel de infección más alto de lo esperado sugiere una mayor transmisión de la comunidad, es decir, "bajo rendimiento" en comparación con el punto de referencia derivado de la población de salida de Wuhan. En las prefecturas de "rendimiento excesivo", con menos casos de lo esperado, se podrían haber implementado medidas de salud pública altamente exitosas, o ser propensas a informes de datos inexactos.

Luego, los autores elaboraron un modelo espacio-temporal para explorar los cambios en la distribución y el crecimiento de COVID-19 en todas las prefecturas a lo largo del tiempo, dándole una característica dinámica, mediante la incorporación de todos los casos de infección en todos los lugares y fechas para derivar estadísticamente la curva epidémica COVID-19 y el comportamiento del crecimiento en China. Las diferencias en las tendencias de crecimiento entre los casos predichos y confirmados pueden indicar niveles más altos de transmisión comunitaria de SARS-CoV-2. Este modelo identificó una lista de "bajo rendimiento"; en la mayoría de estos casos, posteriormente se impuso la cuarentena. Las prefecturas con tendencias más bajas de lo esperado podrían haber implementado medidas de control más exitosas.

Conclusión

La migración humana repentina, a gran escala y difusa puede amplificar los brotes localizados en epidemias generalizadas. Por lo tanto, el seguimiento rápido y preciso de los flujos de población puede ser epidemiológicamente informativo. En primer lugar, los autores documentaron la eficacia de la cuarentena. En segundo lugar, mostraron que la salida de población de Wuhan predijo con precisión la frecuencia relativa y la distribución geográfica de las infecciones por COVID-19 hasta el 19 de febrero de 2020, en toda China. Tercero, formularon un modelo espacio-temporal de "fuente de riesgo" que aprovecha los datos de flujo de población para, no sólo pronosticar casos confirmados, sino también para identificar lugares de alto riesgo de transmisión en una etapa temprana. Por último, utilizaron este modelo de fuente de riesgo para derivar estadísticamente la extensión geográfica de COVID-19 y la modalidad de crecimiento basado en la salida de población de Wuhan.

Cuando las personas se mudan, se llevan enfermedades contagiosas. Sus movimientos son, por lo tanto, un presagio del estado futuro de una epidemia, y esto ofrece la posibilidad de utilizar técnicas de análisis de datos para controlar una epidemia antes de que golpee demasiado.