ISGlobal | Barcelona Institute for GlobalHealth

Los servicios climatológicos pueden ayudar a predecir la incidencia de dengue con varios meses de antelación

Los servicios climatológicos pueden ayudar a predecir la incidencia de dengue con varios meses de antelación

Un modelo desarrollado por ISGlobal subraya el valor de la información climática para reforzar la detección temprana de enfermedades transmitidas por mosquito

Foto: Pablo D. Flores

Gracias a un modelo que incorpora previsiones de precipitación, temperatura y fenómeno del Niño, se puede predecir el número mensual de casos de dengue con varios meses de antelación, según un estudio que ISGlobal, centro impulsado por la Obra Social “la Caixa”, ha coordinado junto con la London School of Hygiene & Tropical Medicine. El estudio, publicado en la revista Lancet Planetary Health, muestra que el uso de información climatológica puede ayudar a las autoridades sanitarias a anticipar la transmisión de la enfermedad y a optimizar el uso de recursos.

El dengue, cuyo número de casos a nivel global ha aumentado considerablemente durante las últimas décadas (casi 60 millones en 2013, según la OMS), es particularmente sensible a los cambios de clima. Por ejemplo, la temperatura afecta la proliferación y actividad del vector (el mosquito Aedes) y la replicación del virus en el mismo. Sin embargo, la colaboración entre los servicios meteorológicos y de salud para ayudar a la toma de decisiones de salud pública aún es muy limitada. Además, hasta ahora las predicciones sobre el efecto del clima en la incidencia de dengue se han realizado de manera retrospectiva, usando datos que no habrían estado disponibles antes de la temporada.

Este estudio utilizó por primera vez previsiones climatológicas para hacer predicciones a largo plazo sobre la incidencia de dengue en la ciudad de Machala, Ecuador, una región altamente endémica para la enfermedad. En particular, usaron previsiones en tiempo real de temperatura, precipitación e índex del Niño para predecir el número de casos mensuales de dengue en el 2016. Compararon la incidencia calculada por el modelo probabilístico con la incidencia observada. Además, usaron datos de vigilancia epidemiológica activa para eliminar casos falsos (que se notificaron como dengue pero que en realidad eran casos de chikunguña, un virus que se introdujo a la región en el 2014 y que produce síntomas parecidos a los del dengue). Los resultados muestran que el modelo predijo correctamente el aumento en la incidencia de dengue en la primera mitad del 2016 (comparado con los cinco años anteriores), y que el pico de la epidemia ocurriría tres meses antes de lo normal.

“La gran ventaja de este modelo es que permite hacer predicciones sobre la temporada entera desde el inicio del año”, señala Rachel Lowe, primera autora del estudio. “Esta información previa sobre la magnitud y evolución del pico de la incidencia puede ayudar a las autoridades de salud pública a invertir mejor los recursos, sobre todo cuando son escasos”, añade Xavier Rodó, jefe del programa de Clima y Salud de ISGlobal .

Los autores advierten que las previsiones climáticas son particularmente útiles en años en que ocurren eventos del Niño o de La Niña. Otros años, factores como la movilidad humana, campañas de control vectorial, o el nivel de inmunidad de la población pueden jugar un papel tan o más importante que el clima. Además, señalan que son necesarios datos climatológicos de calidad, fiables y a escala espaciotemporal adecuada, lo cual no siempre es fácil en países de bajos recursos.

Como señala un comentario publicado en la misma revista, este estudio “abre la vía a la disciplina de servicios climatológicos para la salud” y muestra la importancia de generalizar y aplicar este tipo de herramientas para guiar políticas de salud pública destinadas a reducir la carga de dengue y otras enfermedades sensibles al clima.

Referencia

Lowe R, Stewart-Ibarra AM, Petrova D et al. Climate services for health: predicting the evolution of the 2016 dengue season in Machala, Ecuador. Lancet Planet Health 2017, 1:e142-51. http://dx.doi.org/10.1016/S2542-5196(17)30064-5

id=5830601
id=5655905
id=2999620