El umbral R = 1 puede clasificar erróneamente la estabilidad epidémica

Por qué números de infección estables pueden seguir siendo una señal de advertencia

Los responsables de salud pública de todo el mundo se apoyan en un único número de referencia, llamado número de reproducción R, para decidir si un brote está creciendo o bajo control. Mucha gente ha aprendido que si R está por debajo de 1, una epidemia está disminuyendo, y si está por encima de 1 se está expandiendo. Este artículo demuestra que esta regla sencilla puede ser gravemente engañosa cuando se basa en promedios agregados de muchos lugares o grupos. Incluso cuando el R global parece estar de forma segura en 1, algunas comunidades ya pueden estar en camino hacia un nuevo crecimiento rápido que permanece oculto hasta que es más difícil y costoso de frenar.

Cómo el número R habitual puede ocultar puntos conflictivos

Los autores comienzan examinando cómo suele calcularse R a partir de los recuentos de casos. En la práctica, las autoridades a menudo combinan datos de muchas regiones en una única serie temporal grande y luego estiman un solo R que refleja la transmisión promedio. Esto es conveniente, pero supone que todos los grupos se comportan de forma similar. El estudio muestra matemáticamente que la condición “R igual a 1” puede mantenerse en una enorme variedad de situaciones subyacentes, incluidas muchas en las que varios grupos ya tienen infecciones con fuerte crecimiento. En otras palabras, incluso si la curva global parece plana, algunos subgrupos pueden estar en pleno resurgimiento, y el valor habitual de R seguirá sugiriendo con confianza estabilidad.

Por qué métodos más detallados pueden sobreactuar ante el ruido

Una respuesta a este problema ha sido usar modelos más avanzados que tienen en cuenta las diferencias entre grupos. Una familia popular de métodos construye una especie de rejilla, o matriz, que describe cómo se mueven las infecciones entre tipos de personas o lugares, y luego examina la parte más “peligrosa” de esa rejilla. Este enfoque basado en máximos evita que los subgrupos realmente crecientes se promedien y se diluyan, pero se inclina demasiado en la otra dirección. Como se centra en el grupo más activo, reacciona con fuerza a picos aleatorios en datos pequeños o ruidosos. El artículo muestra que dichos métodos con frecuencia señalan peligro incluso cuando, considerado en su conjunto, el número de infecciones no está aumentando de forma significativa.

Un camino intermedio llamado número de reproducción averso al riesgo

Para lograr un mejor equilibrio, los autores sitúan tanto el R habitual como la medida basada en el máximo en una sola escala de promedios posibles sobre los grupos. En un extremo está el R estándar, que suaviza todo; en el otro extremo está el estricto máximo, que amplifica cada fluctuación. Utilizando ideas del diseño experimental, identifican una elección intermedia denominada número de reproducción averso al riesgo, etiquetada como E. Esta estadística da más peso a los grupos con mayor transmisión, pero no tanto como para que el ruido aleatorio eclipse la señal. Los autores demuestran, mediante teoría y experimentos por ordenador, que fijar el umbral de estabilidad en E igual a 1 reduce drásticamente el conjunto de escenarios que pueden hacerse pasar por seguros, sin dejar de ser robusto frente a recuentos de casos ruidosos.

Lo que la nueva medida revela en brotes reales

El equipo pone luego a prueba estas ideas con datos de epidemias reales. En brotes simulados tipo Ébola divididos en dos regiones, hay periodos en los que los números combinados de casos parecen planos y el R habitual se sitúa muy cerca de 1 con incertidumbre estrecha, sin embargo una región está claramente en crecimiento renovado. En esos mismos periodos, el número averso al riesgo E sube por encima de 1 y su incertidumbre se amplía, insinuando correctamente que la situación es más frágil de lo que sugiere el titular. Patrones similares aparecen en datos de COVID-19 de provincias italianas y condados estadounidenses. En momentos en que el R global ronda el 1, algunas áreas más pequeñas están aumentando silenciosamente, y E lo capta elevándose por encima de 1 y señalando una mayor probabilidad de que las infecciones totales aumenten pronto.

Qué significa esto para decisiones sanitarias y mensajes públicos

Para el público general, estos hallazgos significan que un R comunicado de 1 no siempre debe leerse como “seguro y estable”. Porque los cálculos estándar con frecuencia ocultan diferencias entre lugares y grupos, pueden pasar por alto señales tempranas de un resurgimiento hasta que muchas más personas están infectadas. El número averso al riesgo E propuesto proporciona un umbral más prudente e informativo: cuando E está en 1, es mucho más probable que la mayoría de los grupos estén genuinamente estables; cuando E está por encima de 1, apunta a brotes locales que merecen atención incluso si la curva global aún no ha girado hacia arriba. Los autores sugieren que, siempre que haya datos regionales detallados disponibles, las agencias sanitarias deberían complementar o reemplazar el R habitual con E para orientar respuestas más oportunas y mejor dirigidas.

Cita: Parag, K.V., Santillana, M., Cori, A. et al. The R = 1 threshold can misclassify epidemic stability. Commun Phys 9, 185 (2026). https://doi.org/10.1038/s42005-026-02631-6

Palabras clave: estabilidad epidémica, número de reproducción, resurgimiento de enfermedades, modelización de COVID-19, métricas de salud pública