Concentración de SARS-CoV-2 en aguas residuales y olas de contagio durante la pandemia

La epidemiología basada en aguas residuales ha demostrado ser una herramienta muy útil para la vigilancia de las pautas de propagación del coronavirus SARS-CoV-2 durante la pandemia de COVID-19. Sin embargo, se han establecido pocos modelos cuantitativos que comparen las concentraciones de virus en las muestras de aguas residuales y la incidencia acumulada.

Un nuevo estudio viene a llenar ese vacío, para el caso específico del uso de las aguas residuales para la predicción de la incidencia del SARS-CoV-2 en Cataluña. Los autores del estudio examinaron la relación entre la concentración del coronavirus SARS-CoV-2 en aguas residuales y la incidencia acumulada en las diferentes oleadas de contagio durante la pandemia, mediante un modelo matemático.

Establecer una relación numérica permite conocer, mediante una muestra de agua de drenaje y su análisis, cuál es el número de personas infectadas en un territorio definido. Así, el modelo matemático desarrollado permite relacionar la concentración de virus en la entrada de una depuradora con la incidencia acumulada reportada en los hospitales del territorio correspondiente durante una ola de contagios. El mismo modelo se ha utilizado para realizar previsiones a corto plazo a medida que avanza la ola de contagios y se ha comparado con un modelo lineal local.

Ambos escenarios se han probado utilizando un conjunto de datos de muestras de 32 plantas de tratamiento de aguas residuales y datos de incidencia del síndrome respiratorio agudo severo 2 (SARS-CoV-2) que cubrían las áreas geográficas correspondientes durante un período de 7 meses, incluyendo dos oleadas de contagio.

El seguimiento de la pandemia y la necesidad de predecir su propagación exigió en todo el mundo destinar muchos recursos logísticos a la labor. Un ejemplo de ello fue la intensa actividad llevada a cabo en este centro estadounidense (EOC, dependiente de los CDC) para garantizar una adecuada coordinación entre la Organización Mundial de la Salud (OMS) y los organismos médicos federales, estatales y locales de esa nación. (Foto: James Gathany / CDC)

En el estudio han participado Clara Prats, Daniel López-Codina, Enric Álvarez-Lacalle y Sergio Alonso, investigadores del grupo de investigación de Biología Computacional y Sistemas Complejos (BIOCOM) de la Universidad Politécnica de Cataluña (UPC); Martí Català, del Departamento de Ortopedia, Reumatología y Ciencias Musculoesqueléticas de Nuffield, en la Universidad de Oxford, Reino Unido; y Bernat Joseph Duran, Albert Serra Compte, Miquel Sàrrias, Susana González y Marina Arnaldos de Cetaqua, el Centro Tecnológico del Agua.

Según Bernat Joseph Duran, project manager del área digital en Cetaqua, “el modelo matemático basado en los datos de las aguas residuales ha mostrado una buena correlación con los casos acumulados y nos ha permitido anticipar la incidencia del SARS-CoV-2 en una semana, lo que es especialmente relevante en situaciones en las que el sistema de vigilancia epidemiológica no puede aplicarse plenamente”.

Clara Prats, investigadora del grupo de investigación en BIOCOM, añade: “hemos demostrado que efectivamente a partir del análisis de las aguas residuales se puede realizar vigilancia epidemiológica cuantitativa, una propuesta viable y de interés. El trabajo de colaboración con Cetaqua ha sido un privilegio para nosotros: ¡en investigación, la colaboración público-privada es imprescindible!”.

Una colaboración que ha resultado especialmente útil para la experiencia sobre epidemiología matemática de la UPC y el conocimiento y experiencia en la gestión del ciclo integral del agua y la persistencia del virus en la red de alcantarillado de Cetaqua. El estudio se ha realizado con los datos aportados por el Instituto Catalán de Investigación del Agua (ICRA) y la Generalitat de Cataluña.

El estudio se titula “Assessing wastewater-based epidemiology for the prediction of SARS-CoV-2 incidence in Catalonia”. Y se ha publicado en la revista académica Scientific Reports. (Fuente: UPC)