Abordar el Covid-19 a través del control adaptativo: lecciones de la India

Este artículo fue escrito por Anup Malani, profesor de la Facultad de Derecho y Medicina de la Universidad de Chicago y director del International Innovation Corps; Luis Bettencourt, profesor de Ecología y Evolución y Director del Instituto Mansueto de la Universidad de Chicago; Jonathan Gruber, profesor del Departamento de Economía del MIT; Vaidehi Tandel, economista del Instituto IDFC; y Satej Soman, investigador de la Universidad de Chicago.

A medida que los casos de Covid-19 en India superan la marca del millón y varias partes del país están experimentando un resurgimiento, los gobiernos estatales han restablecido las medidas de bloqueo en todo el estado y en toda la ciudad . Las decisiones con respecto a la ubicación y duración de tales políticas se pueden tomar de manera efectiva mediante un enfoque conocido como control adaptativo.

Para comprender la lógica detrás del control adaptativo, es útil pensar en el control de infecciones como una actividad con la que estamos familiarizados: conducir un automóvil. Cuando conduce, tiene dos objetivos básicos: mantener la velocidad y evitar obstáculos. Estos objetivos son análogos a mantener la tasa de reproducción de Covid (es decir, cuántas personas infecta una persona infectada) por debajo de uno y ralentizar la actividad económica en caso de brotes.

Al conducir, evita acciones extremas. Rara vez “pisa el pedal a fondo”, lo que equivale a permitir abandonar todo distanciamiento social. Del mismo modo, intenta no frenar bruscamente, lo que, similar al bloqueo total, probablemente significa que algo salió terriblemente mal o que hubo un obstáculo en la carretera. En cambio, desea vigilar el tablero. Cuando su velocidad supera el límite de velocidad, toca los descansos. Cuando cae por debajo de su objetivo, toca el acelerador.

El control adaptativo es una herramienta que podría permitir a los países, estados o ciudades controlar las tasas de infección, a través de políticas como el distanciamiento social voluntario, al tiempo que permite niveles modestos de actividad económica.

Control adaptativo: los tres principios

El control adaptativo no es una técnica nueva y elegante. Nuestro enfoque se basa en lecciones de versiones anteriores del bloqueo en India. India anunció un cierre a nivel nacional el 24 de marzo (conocido como Lockdown 1.0), uno de los cierres más severos del mundo. La movilidad, medida por los informes de movilidad de Google, se redujo en un 40%. Esta política nos enseñó cuánto podemos realmente frenar si es necesario. Sin embargo, esa política era económicamente muy costosa, especialmente para los pobres y los trabajadores asalariados.

El 21 de abril, el gobierno de la India anunció Lockdown 2.0, que permitió a algunos estados relajar los controles en ciertos lugares. Lockdown 3.0 introdujo la idea de que algunas áreas son más riesgosas que otras y el gobierno luego calibró los bloqueos de acuerdo con el riesgo local. Ambos son elementos importantes del control adaptativo: los datos de Covid permiten a las autoridades determinar qué tan riesgosas son las diferentes áreas y luego pueden diseñar políticas para responder a esos riesgos.

Luego, el 17 de mayo, el Ministerio del Interior anunció Lockdown 4.0, que permitió a los estados tomar el volante. Esto facilita el equilibrio entre el riesgo de infección local y el impacto económico local. El control adaptativo proporciona orientación sobre cómo hacerlo.

El control adaptativo tiene tres principios básicos. Primero , establezca un objetivo claro. El objetivo puede estar relacionado en parte con Covid, por ejemplo, un objetivo puede ser reducir la tasa de reproducción por debajo de 1 o garantizar que las muertes se mantengan estables o disminuyan. El objetivo puede estar relacionado con la capacidad sanitaria, como la relación entre camas de hospital y hospitalizaciones. Alternativamente, también puede ser actividad económica: permitir tanta actividad consistente con ese objetivo relacionado con Covid.

Establecer objetivos claros ayuda a los funcionarios a comprender lo que deben lograr para abrir las economías. Esto facilita la coordinación entre funcionarios y población. Al anunciar los objetivos, la respuesta futura del gobierno al comportamiento de la gente es predecible. También le permite al público saber cómo medir la importancia de su distanciamiento social. Los objetivos claros también aumentan la legitimidad de las políticas de bloqueo, que pueden ser políticamente impopulares.

La santidad de los datos que utiliza el gobierno también es importante para la aceptación. Al establecer objetivos, el gobierno debe tener en cuenta los incentivos para manipular datos. Si el objetivo es el nivel de casos de Covid, los funcionarios pueden tener un incentivo para no realizar pruebas de Covid. Una mejor política es utilizar una combinación de tasas de prueba y tasas de mortalidad. Cuando los funcionarios tienen que cumplir con las tasas de pruebas, tienen más dificultades para ocultar los casos al no mirar. Además, es más difícil para los funcionarios suprimir la notificación de muertes que de casos.

El segundo principio es ajustar gradualmente las políticas de distanciamiento social para lograr el objetivo. El bloqueo o la liberación completa de todas las restricciones son extremos. Pueden ser potencialmente dañinos. El cierre fue difícil, especialmente para los pobres, que tienen menos ahorros para sobrevivir meses sin ingresos. La liberación completa puede hacer que la enfermedad reaparezca, simplemente postergando la curva de las infecciones en lugar de aplanarla. Los cambios más pequeños, revisados cada una a tres semanas, permiten al gobierno aprender mejor cómo las políticas afectan las tasas de enfermedad y los niveles de empleo y calibrar su respuesta de manera adecuada.

El tercer principio es tomar decisiones a nivel de distrito y quizás a nivel municipal. Las políticas locales permiten a los gobiernos equilibrar el riesgo de infección, que varía según las áreas, con la pérdida de negocios.

La precisión con la que pueden calibrar las políticas depende del nivel en el que se puedan hacer cumplir las restricciones de viaje o de la capacidad de controlar el movimiento de personas. Una ventaja de la formulación de políticas locales es que si hay un brote en un área, se puede acordonar mientras se permite que otras áreas sigan funcionando.

Superando retos

Si bien el control adaptativo puede parecer de sentido común, implementarlo requiere cuidado. Es importante establecer objetivos claros y reflexivos y prestar atención a cómo responde la población a las diferentes políticas. Debido a que la India no tiene mucha experiencia con el distanciamiento social, debe aprender cómo las diferentes reglas afectan la movilidad y la enfermedad.

Otro desafío es saber qué políticas controlan las tasas de infección y a qué costo en términos de ganancias económicas.

Dos cosas complican las cosas. Primero, no es obvio qué políticas funcionarán. Tomemos, por ejemplo, la limitación del horario comercial. Esto parecería limitar la actividad, pero limitar las horas no reduce la cantidad de personas que quieren comprar en la tienda. Como resultado, es probable que haya más personas en la tienda al mismo tiempo, lo que puede aumentar el contacto y, por lo tanto, las infecciones.

En segundo lugar, existe un desfase entre el momento en que se promulgan las políticas y el momento en que afectan a la enfermedad y un desfase entre las fechas de infección y muerte. Observar las infecciones o muertes actuales para decidir las políticas puede conducir a errores. Se pueden subestimar o sobrestimar los casos que realmente están ocurriendo cuando la política finalmente tiene un impacto en los casos. En cambio, los gobiernos deben proyectar lo que sucederá con los casos en una semana o las muertes en dos semanas para determinar qué cambios deben realizarse hoy.

Nuestras simulaciones sugieren que el control adaptativo puede beneficiar a la mayoría de los estados de la India, a algunos estados más que a otros. Las simulaciones se basan en un modelo epidemiológico cuantitativo denominado modelo susceptible-infectado-recuperado (SIR). Modificamos este modelo para permitir compartimentos separados para cada estado indio y para la migración entre estados. Los detalles se proporcionan en este documento técnico. Las figuras a continuación proporcionan ejemplos simulados para los estados de Maharashtra, que tiene el mayor número de casos confirmados, y Karnataka.

En ambos estados, simulamos lo que sucedería durante 90 días si los estados usaran el control adaptativo para mantener la tasa de reproducción por debajo de 1 en lugar de permitir toda la actividad. Maharashtra experimentaría una rápida reducción de la infección por Covid (como se ve en la línea naranja) mientras que Karnataka inicialmente vería un aumento en los casos pero una reducción con el tiempo.

La razón es simple: con el control adaptativo, los estados tienen una opción. Siempre pueden elegir la actividad sobre el control de infecciones o viceversa, según lo que sea mejor.

Lo que proporciona el control adaptativo es una estrella del norte para guiar a los estados. Las decisiones son menos ad hoc y más transparentes. Tanto los gobiernos como sus ciudadanos pueden estar seguros de ello. - Bettencourt, Gruber, Malani , Soman, Tandel

Este equipo ha estado asesorando a los estados sobre el control de infecciones. Los autores agradecen a Reuben Abraham sus comentarios.

(Crédito de la imagen: Unsplash)