Nuevo modelo de factores de transmisión de enfermedades en los efectos de la dinámica social

Investigadores de la Facultad de Artes y Ciencias de la Universidad de Pensilvania y de la Queen’s University de Canadá han elaborado un modelo teórico de transmisión de la enfermedad Covid-19 que tiene en cuenta los efectos de la dinámica social y, en concreto, el modo en que las normas sociales afectan a las Intervenciones No Farmacéuticas (INF), como el enmascaramiento y el distanciamiento social.

La investigación, publicada en Proceedings of the National Academy of Sciences, muestra que la conformidad social crea una especie de «adherencia» por la que los individuos se niegan a cambiar su uso de las INF si difiere de lo que hacen los demás.

Los investigadores pretendían comprender mejor cómo la priorización del riesgo y las normas sociales afectan a la adopción de las INF durante una pandemia. Para ello, desarrollaron un modelo que tiene en cuenta el riesgo de infección, el coste de las INF y el coste social de desviarse de las normas de uso de las INF. El modelo describe la dinámica de umbral en el número de individuos necesarios para apoyar un cambio de comportamiento, lo que crea «puntos de inflexión» en la adopción de comportamientos INF donde un pequeño cambio en la prevalencia de la enfermedad puede causar un cambio significativo en el comportamiento de la población.

«Nuestro modelo descubrió que pequeños cambios en determinados factores, como la eficacia de las INF, la tasa de transmisión y los costes de las intervenciones, pueden provocar grandes cambios en la tasa de propagación de la enfermedad, o tasa de ataques», afirma Akçay.

Explica que esto se debe en parte a que la gente es conformista y, por tanto, lenta a la hora de adoptar nuevos comportamientos como el uso de mascarillas, hasta que la enfermedad alcanza niveles tan altos que la percepción del riesgo anula la conformidad, momento en que la población se vuelca. El conformismo también funciona en sentido contrario; el nuevo comportamiento persiste más tiempo en la población de lo que lo haría si la gente sólo se preocupara de sus riesgos y costes individuales. Esto crea olas de infección y de comportamiento ante INF distintas.

Según el equipo, los resultados ponen de manifiesto una compleja relación entre las normas sociales y la propagación de la enfermedad. Explican que al realizar una simulación epidemiológica sin uso de INF al principio de la epidemia, obtuvieron una tasa de ataques previsiblemente alta y, con el tiempo, los individuos empezaron a utilizar INF por temor al riesgo de infección.

Sin embargo, el inicio del uso del INF se produce mucho más tarde, cuando los parámetros del coste de desviarse de las normas sociales se fijan más altos «porque si nadie se enmascara no quieres ser la primera persona», afirma Akçay.

«Así que aumentar este parámetro provoca un retraso en el enmascaramiento, lo que hace que la primera oleada de la epidemia sea mucho más alta de lo que habría sido si los individuos reaccionaran a sus niveles de riesgo. Por otra parte, cuando realizamos la simulación con enmascaramiento y el número de casos empezó a descender, se produjo una reticencia a dejar de enmascararse porque nadie quería ser la primera persona en dejar de hacerlo, lo que denominamos pegajosidad.»

Morsky explica que el modelo estuvo motivado inicialmente por algunos resultados de un estudio anterior que investigaba las normas sociales y sus efectos en relación con el comportamiento de reciprocidad, donde el comportamiento conformista puede inducir ciclos de auge y caída en comunidades cooperativas. En este caso, el comportamiento conformista hace que las oleadas epidémicas sean intrínsecamente más distintas de lo que habrían sido de otro modo, inclusive en ausencia de factores externos como la variación estacional de las tasas de transmisión.

Akçay afirma que la información sobre estas tendencias y dinámicas sociales puede ser útil para los responsables políticos que sopesan decisiones sobre cómo responder al comportamiento humano.

Mayo 10/2023 (MedicalXpress) – Tomado de Diseases, Conditions, Syndromes – Health informatics  Copyright Medical Xpress 2011 – 2023 powered by Science X Network.

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator