Cuando salió de la provincia china de Hubei hacia Europa y sus vecinos asiáticos, entre diciembre de 2019 y enero de 2020, el coronavirus SARS-CoV-2 encontró en algunas regiones del mundo condiciones particularmente favorables para su propagación.
Después de analizar datos de 126 países, incluido Brasil, investigadores de las universidades de Barcelona y Campinas (Unicamp) y identificaron un conjunto de factores que pudieron haber favorecido la rápida propagación del virus en la fase inicial de la epidemia, antes de que los países adoptaran las políticas para contener el contagio.
Según el estudio respaldado por FAPESP, entre los factores que contribuyeron a la mayor tasa de crecimiento inicial de COVID-19 se encuentran:
- una baja temperatura y, en consecuencia, una población menos expuesta a los rayos ultravioleta del sol y con un nivel más bajo de vitamina D en la sangre;
- una mayor proporción de personas mayores y, por lo tanto, mayor esperanza de vida;
- un mayor número de turistas internacionales en los primeros días de la epidemia;
- el inicio temprano del brote (los países donde la enfermedad llegó por primera vez tardaron más en tomar medidas preventivas);
- una mayor prevalencia de cáncer de pulmón, cáncer en general y EPOC (enfermedad pulmonar obstructiva crónica);
- una mayor proporción de hombres obesos;
- una mayor tasa de urbanización;
- un mayor consumo de alcohol y tabaco;
- y hábitos de saludo que implican contacto físico, como besarse, abrazarse o darse la mano.
“Elegimos como punto de partida de nuestro análisis el día en que cada país registró 30 casos de COVID-19 y analizamos los días siguientes [entre 12 y 20 días, dependiendo del país]. El objetivo era comprender qué sucedió en la fase en que la enfermedad creció libremente, casi exponencialmente ”, ha explicado a la Agencia FAPESP Donato Giorgio Torrieri, profesor del Instituto de Física de la Unicamp Gleb Wataghin (IFGW-Unicamp) y coautor del artículo publicado en la plataforma medRxiv , todavía sin revisión por pares.
Según el investigador, la propuesta era aplicar análisis estadísticos comúnmente utilizados en el campo de la física, entre ellos la regresión lineal simple y el cálculo del coeficiente de determinación, para tratar de comprender lo que sucedió al comienzo de la pandemia. Los datos utilizados en los análisis provienen de diferentes fuentes, en gran parte de un repositorio público conocido como Our World in Data .
Vacuna contra la tuberculosis y COVID-19
Algunos estudios sugieren que la vacuna BCG contra la tuberculosis puede tener algún efecto protector en el caso de COVID-19. Los análisis realizados por investigadores de la Unicamp y la UB indican la existencia de una correlación débil entre las dos variables (tasa de inmunización contra la tuberculosis y tasa de contagio por SARS-CoV-2). Sin embargo, según Torrieri, es posible que el resultado se haya visto obstaculizado por la falta de datos confiables en países donde la vacunación no es obligatoria.
“Cuando excluimos países sin datos de vacunación, la correlación es débil. Pero cuando incluimos estos sitios en el análisis y asumimos que tienen una baja tasa de inmunización, la correlación se vuelve más fuerte ”, ha asegurado el investigador.
Para algunos de los factores analizados, entre ellos la prevalencia de enfermedades como la anemia, la hepatitis B (en mujeres) y la hipertensión, los investigadores identificaron una correlación negativa. Es decir, en países con una mayor proporción de pacientes hipertensos, por ejemplo, la tasa de contagio inicial del SARS-CoV-2 fue menor.
"Podemos imaginar que en estos lugares hay más enfermedades cardiovasculares y, por lo tanto, menos esperanza de vida", ha asegurado Torrieri. Entre los factores analizados que no mostraron correlación con el contagio (ni positivo ni negativo) se encuentra: el número de habitantes; la prevalencia de asma; la densidad poblacional; la cobertura de vacunación contra la poliomielitis, la difteria, el tétanos, la tos ferina y la hepatitis B; la prevalencia de diabetes; el nivel de contaminación del aire; el número de vacaciones; y proporción de días lluviosos. En el caso del PIB per cápita , como explica Torrieri, la correlación fue positiva solo en cantidades superiores a 5.000 euros.
“El PIB está relacionado con la calidad de la infraestructura pública. Cuanto mayor sea el PIB per cápita de un país, mejor será la infraestructura de salud y vivienda, por ejemplo. Pero por debajo de los 5.000 euros, probablemente no haya diferencia porque la infraestructura es de baja calidad ”, evalúa el investigador.
Como señalan los autores en el texto, varias variables analizadas se correlacionan entre sí y, por lo tanto, es probable que tengan una interpretación común y no es fácil separarlas. "La estructura de correlación es bastante rica y no trivial, y alentamos a los lectores interesados a estudiar las tablas [en el artículo] en detalle", dicen.
Según los investigadores, algunas de las correlaciones señaladas son "obvias", por ejemplo, entre temperatura, radiación UV y nivel de vitamina D. "Otras son accidentales, históricas y sociológicas. Por ejemplo, hábitos como el consumo de alcohol y fumar están correlacionados con variables climáticas. Del mismo modo, la correlación entre fumar y el cáncer de pulmón es muy alta y probablemente contribuye a la correlación de este último con el clima. Las razones históricas también explican la correlación entre el clima y el PIB per cápita ”, han afirmado los investigadores.
Según los autores, otras variables pueden ser controladas por los gobiernos: pruebas y aislamiento de viajeros internacionales; restricción de vuelos a las regiones más afectadas por la pandemia; promover hábitos de desprendimiento social y campañas para reducir el contacto físico mientras el virus se está propagando; y campañas destinadas a estimular la suplementación de vitamina D en la población, reduciendo el tabaquismo y la obesidad.
