📄 Mostrando la versión "Simple" — "Avanzado" aún no está lista. Añádelo a favoritos para ayudar a priorizarla. Pedir el análisis completo

Una ciudad no es solo un conjunto de casas y calles. Para el virus del dengue, transmitido por mosquitos, la ciudad es una colcha de retazos de barrios donde las condiciones para los brotes son muy distintas. En una zona apenas hay mosquitos, mientras que en la vecina pululan como si alguien hubiera dejado abiertos cientos de recipientes con agua. Los investigadores de Ahmedabad han construido un modelo matemático que convierte esa colcha en un mapa de riesgos comprensible.

El modelo, llamado M-SDT (modelo mecanicista de transmisión estacional del dengue), funciona como una contabilidad de la infección. Divide a los habitantes en grupos: los que aún no han contactado con el virus; los que ya están infectados pero se sienten bien (portadores asintomáticos); y los que enferman de forma manifiesta. Cada transición de un grupo a otro depende de números concretos, por ejemplo, de la frecuencia con que un mosquito pica a una persona y de cuánto vive el insecto. Los datos para el ajuste se tomaron reales: estadísticas mensuales de incidencia por zonas de Ahmedabad de 2020 a 2024. Para que el modelo no engañe, los científicos aplicaron un método ingenioso: barajaron muchas veces los datos originales y les añadieron ruido, imitando la imprevisibilidad natural. Así estimaron la precisión de los pronósticos.

¿Y qué mostró la simulación? Primero, que la ciudad es realmente abigarrada. En unas zonas los brotes aparecen con regularidad, como un reloj, y en otras solo de vez en cuando. El parámetro clave es la proporción entre mosquitos y personas. Donde hay muchos mosquitos por persona, incluso una pequeña introducción del virus provoca un incendio. Donde hay pocos, la enfermedad apenas chisporrotea. La proyección para los próximos tres años (2026–2028) no promete tregua: el dengue seguirá siendo un huésped estacional habitual, aunque la magnitud de las olas variará un poco de un año a otro.

Y aquí está la principal conclusión práctica: distintas zonas requieren distintos enfoques. Donde tradicionalmente hay muchos mosquitos, la fumigación puede ser casi inútil: se necesitan medidas más agresivas. En cambio, en zonas relativamente tranquilas, el tratamiento puntual de paredes puede sofocar rápidamente una epidemia incipiente. El modelo permite no solo adivinar, sino calcular dónde y cuándo cada intervención aportará el mayor beneficio. Así, las matemáticas se convierten en una herramienta de salud pública urbana, transformando un caos febril en un proceso controlable.

Resumen original

tal como lo escribieron los autores, en inglés arXiv:2605.17975

Dengue fever poses a persistent public health challenge in rapidly urbanizing Indian cities such as Ahmedabad, where spatial heterogeneity and seasonal variability complicate forecasting and control. In this study, we develop a data-driven compartmental framework to simulate transmission dynamics, generate forecasts, and evaluate intervention strategies across the Ahmedabad Municipal Corporation (AMC). We employ a Mechanistic Seasonal Dengue Transmission (M-SDT) model that incorporates symptomatic and asymptomatic infections. We calibrated the proposed model using zone-wise dengue case data during 2020--2024. Parameter uncertainty is rigorously quantified using a bootstrap sampling framework with negative binomial noise. The calibrated model reveals pronounced spatial heterogeneity across AMC zones, with persistent hotspots and distinct transmission regimes. Forecasts for 2026--2028 indicate continued endemic circulation with moderate inter-annual variability. Sensitivity analysis identifies the mosquito biting rate and vector mortality as dominant drivers of long-term disease burden, highlighting the central role of vector ecology in shaping epidemic outcomes. Evaluating seasonal vector control strategies shows a notable difference in operation; periodic fogging has a cumulative effect over the years, while sustained residual spraying can quickly curb outbreaks and decrease incidence by over 80%. The zone-wise analysis reveals that the mosquito-to-human ratio governs not only the baseline outbreak potential but also each zone's responsiveness to control strategies. Overall, the M-SDT modelling framework enables reconstruction of unobserved dynamics, rigorous uncertainty quantification, and evaluation of targeted, zone-specific interventions, underscoring the importance of integrating fine-scale surveillance data with mechanistic modelling for adaptive urban dengue control.