El impacto de la COVID-19 en el empleo y la educación ha sido muy perjudicial.
Los datos pueden ayudar a determinar planes seguros para reabrir las escuelas y volver al trabajo.
La modelización a nivel de ciudad muestra el efecto de distintos escenarios en las tasas de infección.
El enfoque de la «burbuja urbana» puede ayudar a poner a prueba y ampliar estrategias eficaces, guiadas por datos, para reabrir los centros de trabajo y las escuelas.
A raíz de la pandemia, las estrategias para mitigar los contagios frenaron el virus, pero tuvieron consecuencias inevitables para los escolares y las personas trabajadoras. Casi dos años después, aún no hay soluciones perfectas para controlar el virus y el impacto de la COVID-19 en el empleo y la educación. Sin embargo, la modelización de datos sobre la pandemia basada en ciudades puede señalar el mejor enfoque.
Los confinamientos nacionales provocados por la pandemia han llevado al cierre y la quiebra de empresas. En 2020, las horas trabajadas se redujeron un 8,8 % y más de 114 millones de personas quedaron desempleadas. El cierre de las escuelas también ha perturbado la educación, y más de 100 millones de niños cayeron por debajo deel nivel mínimo de competencia lectora. Estas consecuencias son especialmente graves en países en desarrollo como Filipinas, donde las desigualdades son mayores.
En septiembre de 2021, la Gran Manila —la Región de la Capital Nacional de Filipinas— había pasado por cuatro confinamientos de distinta severidad, que sumaron nueve meses de restricciones al trabajo, la escuela y otras reuniones públicas. Estos confinamientos han ampliado las disparidades en la educación y el empleo. La digitalización de las tareas escolares favorece inevitablemente a quienes tienen más recursos, ya que solo el 55 % de los estudiantes de la Región de la Capital Nacional tiene acceso a Internet.
Además, las escuelas públicas tienen dificultades para adaptarse debido a la falta de recursos y preparación. Filipinas también alcanzó una tasa de desempleo del 10,3 %, la más alta en 15 años. Ante estos desafíos, ¿qué estrategias pueden ayudar a reabrir las escuelas y oficinas y detener el aumento de la brecha entre ricos y pobres?
Los datos pueden orientar la reapertura segura de las escuelas y la vuelta al trabajo
Al comienzo de la pandemia, era difícil predecir la propagación de la COVID-19 y su impacto, dado lo poco que sabíamos sobre el virus. Por ello, las decisiones del Gobierno filipino se guiaban por informes nacionales sobre casos positivos y síntomas de los pacientes. Este enfoque retrospectivo y las posteriores órdenes de quedarse en casa limitaron el impacto del virus, pero a costa de la educación y los medios de vida de quienes no podían trabajar desde casa. Lo que las comunidades necesitan ahora es una respuesta estratégica a la pandemia y a las perturbaciones en estos sectores.
Una forma de desarrollar una estrategia adecuada es aprovechar los datos de la pandemia e incorporarlos a un modelo computacional llamado SEIR, utilizado en epidemias anteriores. Aunque la precisión del modelo depende de los datos históricos, puede ayudar a quienes toman decisiones a evaluar los planes de forma proactiva antes de implementarlos.
El modelo funciona clasificando a las personas en los siguientes estados de la enfermedad:
Susceptibles: personas sanas
Expuestos: personas que estuvieron en contacto con alguien infectado
Infectados: personas con una infección confirmada y transmisible de COVID-19
Recuperados: personas libres de la enfermedad por fallecimiento o recuperación
Al clasificar así a las personas, podemos simular la velocidad con que pasan de un grupo a otro a lo largo del tiempo. Esta secuencia permite visualizar la dinámica de los contagios y pronosticar la transmisión con distintas intervenciones, por ejemplo, el grado de reapertura, el distanciamiento físico y el uso de mascarillas.
Modelización a nivel de ciudad
Utilizamos datos de contacto según la edad, dentro de un modelo basado en agentes y lo pusimos a prueba en una ciudad —Pasig, en la Gran Manila— para la que había datos fiables disponibles. Después simulamos distintos escenarios:
Escuelas: apertura al 100 % y al 50 %, con una apertura del 0 % como escenario de control
Centros de trabajo: apertura al 100 %, con una apertura del 50 % como escenario de control, ya que algunas empresas ya han puesto en marcha el trabajo híbrido.
Después comprobamos si era posible una apertura al 100 % al integrar distintos niveles de uso de mascarillas y distanciamiento físico:
Ideal: uso de mascarillas y distanciamiento físico al 100 %
Moderado: uso de mascarillas y distanciamiento físico al 50 %
Peor escenario: uso de mascarillas y distanciamiento físico al 0 %.
Según la modelización, la apertura al 100 % de escuelas y oficinas en la ciudad de Pasig no aumentaría sustancialmente los contagios si se mantuvieran el uso de mascarillas y el distanciamiento físico. Con medidas moderadas, la apertura al 100 % de escuelas y oficinas aumentaría los contagios un 3,9 % y un 5,2 %, respectivamente: 3.900 y 5.200 personas por cada 100.000 habitantes.
El enfoque de la «burbuja urbana»
Aprovechar los datos de la pandemia para prever cómo afectan las intervenciones a la transmisión probablemente permitirá una reapertura más estratégica. Sin embargo, aplicarla a escala nacional podría impulsar los contagios y provocar consecuencias sanitarias y económicas desfavorables.
Entonces, ¿cómo podemos traducir esto en políticas?
La idea de la burbuja de la COVID-19 —un método que permite que más de un hogar (por lo general, dos) mantenga contacto físico durante las restricciones— se ha aplicado en Nueva Zelanda, Australia y el Reino Unido. A partir de este enfoque, las políticas de reapertura guiadas por datos pueden implementarse ciudad por ciudad. Así es como se haría:
1. Empezar con una ciudad, una burbuja
Seleccionar una sola ciudad para poner en marcha un estudio piloto puede determinar si funcionan las estrategias de reapertura basadas en modelos. La ciudad elegida debe contar con un sistema eficiente de rastreo de contactos y no ser un foco de COVID-19, para minimizar el riesgo de que el piloto salga mal.
2. Reabrir primero las escuelas
Nuestros datos indican que la reapertura de las escuelas provoca pocos contagios entre estudiantes de primaria y secundaria, independientemente de la estrategia de apertura. Esto contrasta con los centros de trabajo, donde una apertura del 50 % o del 100 % podría aumentar significativamente la población trabajadora infectada. Aun así, conviene considerar estrategias de mitigación como vacunar al personal escolar y aislar pronto los casos sospechosos.
3. Reabrir según el grupo de edad
Los estudios han demostrado que los niños tienen una menor susceptibilidad a la COVID-19 que los adultos. A pesar de ello, pueden observarse tasas de infección similares al reabrir las escuelas y los centros de trabajo: es probable que algunos niños sean asintomáticos y aun así puedan contagiar a sus padres. No obstante, empezar por el grupo de edad menos susceptible permite vigilar cuidadosamente los nuevos contagios. Esto puede reforzarse tomando precauciones adicionales, como limitar el horario escolar, reducir el tamaño de las clases y establecer grupos de trabajo para el control de infecciones.
4. Adaptar y aplicar la política en otras ciudades
Durante la fase piloto, es importante registrar qué funcionó y qué no, y mejorar el modelo con datos sobre la eficacia de las vacunas, los casos asintomáticos y las variantes del virus. Estas enseñanzas pueden ayudar a ampliar y replicar estas estrategias en otras ciudades. La pandemia pone de relieve la importancia de la colaboración entre responsables de políticas, proveedores de atención sanitaria, científicos, educadores y líderes empresariales para garantizar estrategias de reapertura sistemáticas y seguras. Dado que los países en desarrollo cuentan con recursos sanitarios especialmente limitados, el enfoque de la burbuja urbana podría ayudar a abordar las disyuntivas entre la propagación de los contagios y los daños causados por las interrupciones prolongadas de la escuela y el trabajo.
