Coloquio Queretano del IMUNAM - Juriquilla, noviembre 2021

A pesar de la complejidad de la epidemiología del SARS-CoV-2, se han utilizado modelos epidémicos sencillos que asumen poblaciones homogéneas para describir la epidemia a escalas nacionales e inferir, por ejemplo, el momento en que las tasas de transmisión viral cambian y la eficacia de intervenciones no farmacéuticas.Las inferencias obtenidas con estos modelos dependen, entre otras cosas, de si los modelos incorporan distribuciones apropiadas para la infecciosidad del paciente, y para el tiempo de espera entre el inicio de la infección y momentos importantes en el desarrollo de la enfermedad, como la aparición de los síntomas, la hospitalización y la muerte. En esta trabajo, introducimos un modelo de tipo SIR donde estructuramos la población infectada por “tiempo infectado”, es decir, el número de días desde que se infectó por primera vez, permitiéndonos incorporar fácilmente distribuciones de transición coherentes con los datos clínicos. Encontramos que las inferencias de modelos más simples, que implícitamente especifican incorrectamente estas distribuciones, es inexacta y afecta los valores epidemiológicos, como el número de reproducción y el impacto de las intervenciones no farmacéuticas. También, cuantificamos la incertidumbre en los parámetros usando un enfoque completamente bayesiano, tanto para datos sintéticos como reales. Nos centramos en los datos de defunciones confirmadas de la primer ola de infecciones en el Reino Unido (del 15 de febrero al 14 de julio de 2020). Con este trabajo enfatizamos las circunstancias en las que es engañoso ignorar la incertidumbre en las estimaciones y las suposiciones sobre los parámetros.