Información

16.2: Seguimiento de enfermedades infecciosas - Biología

16.2: Seguimiento de enfermedades infecciosas - Biología


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Objetivos de aprendizaje

  • Explicar los enfoques de investigación utilizados por los pioneros de la epidemiología.
  • Explicar cómo los estudios epidemiológicos descriptivos, analíticos y experimentales determinan la causa de la morbilidad y la mortalidad.

La epidemiología tiene sus raíces en el trabajo de los médicos que buscaron patrones en la ocurrencia de enfermedades como una forma de entender cómo prevenirlas. La idea de que las enfermedades se pueden transmitir fue un precursor importante para dar sentido a algunos de los patrones. En 1546, Girolamo Fracastoro propuso por primera vez la teoría de los gérmenes de la enfermedad en su ensayo De Contagione et Contagiosis Morbis, pero esta teoría siguió compitiendo con otras teorías, como la hipótesis del miasma, durante muchos años (ver Lo que sabían nuestros antepasados). La incertidumbre sobre la causa de la enfermedad no era una barrera absoluta para obtener conocimientos útiles a partir de los patrones de la enfermedad. Algunos investigadores importantes, como Florence Nightingale, se suscribieron a la hipótesis del miasma. La transición a la aceptación de la teoría de los gérmenes durante el siglo XIX proporcionó una sólida base mecanicista para el estudio de los patrones de enfermedad. Los estudios de médicos e investigadores del siglo XIX como John Snow, Florence Nightingale, Ignaz Semmelweis, Joseph Lister, Robert Koch, Louis Pasteur y otros sembraron las semillas de la epidemiología moderna.

Pioneros de la epidemiología

John Snow (Figure ( PageIndex {1} )) fue un médico británico conocido como el padre de la epidemiología por determinar el origen de la epidemia de cólera de 1854 en Broad Street en Londres. Sobre la base de las observaciones que había hecho durante un brote de cólera anterior (1848-1849), Snow propuso que el cólera se contagiaba a través de una vía de transmisión fecal-oral y que un microbio era el agente infeccioso. Investigó la epidemia de cólera de 1854 de dos maneras. Primero, sospechando que el agua contaminada era la fuente de la epidemia, Snow identificó la fuente de agua para los infectados. Encontró una alta frecuencia de casos de cólera entre las personas que obtenían agua del río Támesis, aguas abajo de Londres. Esta agua contenía la basura y las aguas residuales de Londres y los asentamientos río arriba. También señaló que los trabajadores de la cervecería no contrajeron cólera y, en la investigación, descubrió que los propietarios les proporcionaron cerveza para beber y dijeron que probablemente no bebieron agua.1 En segundo lugar, también trazó minuciosamente un mapa de la incidencia del cólera y encontró una alta frecuencia entre las personas que usaban una bomba de agua en particular ubicada en Broad Street. En respuesta al consejo de Snow, los funcionarios locales quitaron la manija de la bomba,2 resultando en la contención de la epidemia de cólera de Broad Street.

El trabajo de Snow representa un estudio epidemiológico temprano y resultó en la primera respuesta de salud pública conocida a una epidemia. Los meticulosos métodos de seguimiento de casos de Snow son ahora una práctica común para estudiar los brotes de enfermedades y asociar nuevas enfermedades con sus causas. Su trabajo arrojó más luz sobre las prácticas de alcantarillado insalubres y los efectos del vertido de desechos en el Támesis. Además, su trabajo apoyó la teoría de los gérmenes de la enfermedad, que argumentó que la enfermedad podría transmitirse a través de elementos contaminados, incluida el agua contaminada con materia fecal.

El trabajo de Snow ilustró lo que hoy se conoce como una fuente común de propagación de enfermedades infecciosas, en la que existe una única fuente para todos los individuos infectados. En este caso, la única fuente fue el contaminado muy por debajo de la bomba de Broad Street. Los tipos de propagación de fuente común incluyen propagación de fuente puntual, propagación de fuente común continua y propagación de fuente común intermitente. En la propagación de una enfermedad infecciosa por fuente puntual, la fuente común opera durante un período de tiempo corto, menos que el período de incubación del patógeno. Un ejemplo de propagación de fuente puntual es una sola ensalada de papa contaminada en un picnic grupal. En la propagación de fuente común continua, la infección se produce durante un período de tiempo prolongado, más largo que el período de incubación. Un ejemplo de propagación continua de una fuente común sería la fuente de agua de Londres que se toma aguas abajo de la ciudad, que está continuamente contaminada con aguas residuales de aguas arriba. Finalmente, con la propagación intermitente de fuentes comunes, las infecciones ocurren durante un período, se detienen y luego comienzan de nuevo. Esto podría observarse en las infecciones de un pozo que se contaminó solo después de grandes lluvias y que se limpió de contaminación después de un corto período.

A diferencia de la propagación de fuentes comunes, la propagación se produce a través del contacto directo o indirecto de persona a persona. Con la propagación propagada, no existe una fuente única de infección; cada individuo infectado se convierte en fuente de una o más infecciones posteriores. Con la propagación propagada, a menos que la propagación se detenga inmediatamente, las infecciones ocurren durante más tiempo que el período de incubación. Aunque las fuentes puntuales a menudo conducen a brotes a gran escala pero localizados de corta duración, la propagación propagada generalmente da como resultado brotes de mayor duración que pueden variar de pequeños a grandes, según la población y la enfermedad (Figura ( PageIndex {2} ) ). Además, debido a la transmisión de persona a persona, la propagación propagada no puede detenerse fácilmente en una sola fuente como la propagación de fuente puntual.

El trabajo de Florence Nightingale es otro ejemplo de un estudio epidemiológico temprano. En 1854, Nightingale era parte de un contingente de enfermeras enviadas por el ejército británico para cuidar a los soldados heridos durante la Guerra de Crimea. Nightingale mantuvo registros meticulosos sobre las causas de enfermedad y muerte durante la guerra. Su mantenimiento de registros fue una tarea fundamental de lo que más tarde se convertiría en la ciencia de la epidemiología. Su análisis de los datos que recopiló se publicó en 1858. En este libro, presentó datos de frecuencia mensual sobre las causas de muerte en un histograma de gráfico de cuña (Figura ( PageIndex {3} )). Esta presentación gráfica de datos, inusual en ese momento, ilustró poderosamente que la gran mayoría de las víctimas durante la guerra no se debieron a heridas sufridas en acción, sino a lo que Nightingale consideraba enfermedades infecciosas prevenibles. A menudo, estas enfermedades se producen debido a un saneamiento deficiente y la falta de acceso a las instalaciones hospitalarias. Los hallazgos de Nightingale llevaron a muchas reformas en el sistema de atención médica del ejército británico.

Joseph Lister proporcionó evidencia epidemiológica temprana que condujo a buenas prácticas de salud pública en clínicas y hospitales. Estos escenarios eran notorios a mediados del siglo XIX por las infecciones fatales de las heridas quirúrgicas en un momento en que la teoría de los gérmenes de la enfermedad aún no era ampliamente aceptada (ver Fundamentos de la teoría celular moderna). La mayoría de los médicos no se lavaban las manos entre las visitas de los pacientes ni limpiaban y esterilizaban sus instrumentos quirúrgicos. Sin embargo, Lister descubrió las propiedades desinfectantes del ácido carbólico, también conocido como fenol (consulte Uso de productos químicos para controlar microorganismos). Introdujo varios protocolos de desinfección que redujeron drásticamente las tasas de infección posquirúrgica.3 Exigió que los cirujanos que trabajaban para él usaran una solución de ácido carbólico al 5% para limpiar sus herramientas quirúrgicas entre pacientes, e incluso llegó a rociar la solución sobre los vendajes y sobre el sitio quirúrgico durante las operaciones (Figura ( PageIndex {4 } )). También tomó precauciones para no introducir fuentes de infección en su piel o ropa al quitarse el abrigo, remangarse y lavarse las manos en una solución diluida de ácido carbólico antes y durante la cirugía.

Visite el sitio web para El mapa fantasma, un libro sobre el trabajo de Snow relacionado con el brote de cólera de la bomba de Broad Street.

El propio relato de John Snow sobre su trabajo tiene enlaces e información adicionales.

Este recurso de los CDC desglosa aún más el patrón esperado de un brote de fuente puntual.

Obtenga más información sobre la tabla de cuñas de Nightingale aquí.

Ejercicio ( PageIndex {1} )

  1. Explique la diferencia entre la propagación de una fuente común y la propagación propagada de una enfermedad.
  2. Describa cómo las observaciones de John Snow, Florence Nightingale y Joseph Lister llevaron a mejoras en la salud pública.

Tipos de estudios epidemiológicos

Hoy en día, los epidemiólogos hacen uso de diseños de estudios, la forma en que se recopilan los datos para probar una hipótesis, similares a los de los investigadores que estudian otros fenómenos que ocurren en las poblaciones. Estos enfoques se pueden dividir en estudios observacionales (en los que no se manipula a los sujetos) y estudios experimentales (en los que se manipula a los sujetos). En conjunto, estos estudios brindan a los epidemiólogos de hoy en día múltiples herramientas para explorar las conexiones entre las enfermedades infecciosas y las poblaciones de individuos susceptibles que podrían infectar.

Estudios observacionales

En un estudio observacional, los datos se recopilan de los participantes del estudio a través de mediciones (como variables fisiológicas como el recuento de glóbulos blancos) o respuestas a preguntas en entrevistas (como viajes recientes o frecuencia de ejercicio). Los sujetos de un estudio observacional generalmente se eligen al azar de una población de individuos afectados o no afectados. Sin embargo, los sujetos de un estudio observacional no son manipulados de ninguna manera por el investigador. Los estudios observacionales suelen ser más fáciles de realizar que los estudios experimentales y, en determinadas situaciones, pueden ser los únicos estudios posibles por razones éticas.

Los estudios observacionales solo pueden medir las asociaciones entre la aparición de la enfermedad y los posibles agentes causales; no prueban necesariamente una relación causal. Por ejemplo, suponga que un estudio encuentra una asociación entre el consumo excesivo de café y una menor incidencia de cáncer de piel. Esto podría sugerir que el café previene el cáncer de piel, pero puede haber otro factor no medido involucrado, como la cantidad de exposición al sol que reciben los participantes. Si resulta que los bebedores de café trabajan más en las oficinas y pasan menos tiempo al aire libre que los que beben menos café, entonces es posible que la menor tasa de cáncer de piel se deba a una menor exposición al sol, no al consumo de café. El estudio observacional no puede distinguir entre estas dos causas potenciales.

Hay varios enfoques útiles en los estudios observacionales. Estos incluyen métodos clasificados como epidemiología descriptiva y epidemiología analítica. La epidemiología descriptiva recopila información sobre un brote de enfermedad, las personas afectadas y cómo la enfermedad se ha propagado a lo largo del tiempo en una etapa exploratoria de estudio. Este tipo de estudio involucrará entrevistas con pacientes, sus contactos y sus familiares; examen de muestras y registros médicos; e incluso historias de alimentos y bebidas consumidas. Tal estudio podría realizarse mientras el brote aún se está produciendo. Los estudios descriptivos podrían formar la base para desarrollar una hipótesis de causalidad que podría ser probada por estudios observacionales y experimentales más rigurosos.

La epidemiología analítica emplea grupos de individuos cuidadosamente seleccionados en un intento por evaluar de manera más convincente las hipótesis sobre las posibles causas de un brote de enfermedad. La selección de casos generalmente se hace al azar, por lo que los resultados no están sesgados debido a alguna característica común de los participantes del estudio. Los estudios analíticos pueden recopilar sus datos retrocediendo en el tiempo (estudios retrospectivos) o a medida que los eventos se desarrollan en el tiempo (estudios prospectivos).

Los estudios retrospectivos recopilan datos del pasado sobre casos actuales. Los datos pueden incluir cosas como el historial médico, la edad, el sexo o el historial ocupacional de las personas afectadas. Este tipo de estudio examina las asociaciones entre los factores elegidos o disponibles para el investigador y la aparición de la enfermedad.

Los estudios prospectivos siguen a las personas y controlan su estado de enfermedad durante el transcurso del estudio. Los datos sobre las características de los sujetos de estudio y sus entornos se recopilan al inicio y durante el estudio para que los sujetos que se enferman puedan ser comparados con los que no lo hacen. Nuevamente, los investigadores pueden buscar asociaciones entre el estado de la enfermedad y las variables que se midieron durante el estudio para arrojar luz sobre las posibles causas.

Los estudios analíticos incorporan grupos en sus diseños para ayudar a descubrir asociaciones con enfermedades. Los enfoques de los estudios analíticos basados ​​en grupos incluyen estudios de cohortes, estudios de casos y controles y estudios transversales. El método de cohorte examina grupos de individuos (llamados cohortes) que comparten una característica particular. Por ejemplo, una cohorte puede estar formada por personas nacidas en el mismo año y en el mismo lugar; o puede consistir en personas que practican o evitan un comportamiento en particular, por ejemplo, fumadores o no fumadores. En un estudio de cohortes, las cohortes pueden seguirse de forma prospectiva o estudiarse retrospectivamente. Si se sigue una sola cohorte, los individuos afectados se comparan con los individuos no afectados del mismo grupo. Los resultados de la enfermedad se registran y analizan para tratar de identificar correlaciones entre las características de los individuos de la cohorte y la incidencia de la enfermedad. Los estudios de cohortes son una forma útil de determinar las causas de una condición sin violar la prohibición ética de exponer a los sujetos a un factor de riesgo. Por lo general, las cohortes se identifican y definen en función de los factores de riesgo sospechosos a los que las personas ya han estado expuestas a través de sus propias elecciones o circunstancias.

Los estudios de casos y controles suelen ser retrospectivos y comparan un grupo de personas con una enfermedad con un grupo similar de personas sin la enfermedad. Los estudios de casos y controles son mucho más eficientes que los estudios de cohortes porque los investigadores pueden seleccionar deliberadamente sujetos que ya están afectados por la enfermedad en lugar de esperar a ver qué sujetos de una muestra aleatoria desarrollarán una enfermedad.

Un estudio transversal analiza individuos seleccionados al azar en una población y compara individuos afectados por una enfermedad o condición con aquellos no afectados en un solo momento. Los sujetos se comparan para buscar asociaciones entre ciertas variables medibles y la enfermedad o condición. Los estudios transversales también se utilizan para determinar la prevalencia de una afección.

Estudios experimentales

La epidemiología experimental utiliza estudios clínicos o de laboratorio en los que el investigador manipula a los sujetos del estudio para estudiar las conexiones entre las enfermedades y los posibles agentes causantes o para evaluar los tratamientos. Ejemplos de tratamientos pueden ser la administración de un fármaco, la inclusión o exclusión de diferentes elementos dietéticos, el ejercicio físico o un procedimiento quirúrgico en particular. Se utilizan animales o seres humanos como sujetos de prueba. Debido a que los estudios experimentales involucran la manipulación de sujetos, generalmente son más difíciles y, a veces, imposibles por razones éticas.

Los postulados de Koch requieren intervenciones experimentales para determinar el agente causal de una enfermedad. A diferencia de los estudios observacionales, los estudios experimentales pueden proporcionar una fuerte evidencia que respalde la causa porque otros factores generalmente se mantienen constantes cuando el investigador manipula el tema. Los resultados de un grupo que recibe el tratamiento se comparan con los resultados de un grupo que no recibe el tratamiento pero que recibe el mismo tratamiento de todas las demás formas. Por ejemplo, un grupo puede recibir un régimen de un medicamento administrado en forma de píldora, mientras que el grupo sin tratamiento recibe un placebo (una píldora que se ve igual pero no tiene ingrediente activo). Ambos grupos se tratan de la manera más similar posible excepto por la administración del fármaco. Debido a que otras variables se mantienen constantes tanto en los grupos tratados como en los no tratados, el investigador está más seguro de que cualquier cambio en el grupo tratado es el resultado de la manipulación específica.

Los estudios experimentales proporcionan la evidencia más sólida de la etiología de la enfermedad, pero también deben diseñarse con cuidado para eliminar los efectos sutiles del sesgo. Por lo general, los estudios experimentales con humanos se realizan como estudios doble ciego, lo que significa que ni los sujetos ni los investigadores saben quién es un caso de tratamiento y quién no. Este diseño elimina una causa bien conocida de sesgo en la investigación llamada efecto placebo, en la que el conocimiento del tratamiento por parte del sujeto o del investigador puede influir en los resultados.

Ejercicio ( PageIndex {2} )

  1. Describir las ventajas y desventajas de los estudios observacionales y los estudios experimentales.
  2. Explique las formas en que se pueden seleccionar grupos de sujetos para estudios analíticos.

Parte 3

Dado que las pruebas de laboratorio habían confirmado Salmonela, un patógeno común transmitido por los alimentos, como agente etiológico, los epidemiólogos sospecharon que el brote fue causado por la contaminación en una instalación de procesamiento de alimentos en la región. Las entrevistas con los pacientes se centraron en el consumo de alimentos durante y después de las vacaciones de Acción de Gracias, correspondientes al momento del brote. Durante las entrevistas, se pidió a los pacientes que enumeraran los artículos consumidos en las reuniones festivas y que describieran qué tan ampliamente se consumía cada artículo entre los miembros de la familia y los parientes. También se les preguntó sobre las fuentes de los alimentos (por ejemplo, marca, lugar de compra, fecha de compra). Al hacer tales preguntas, los funcionarios de salud esperaban identificar patrones que condujeran a la fuente del brote.

El análisis de las respuestas de la entrevista finalmente vinculó casi todos los casos con el consumo de un plato navideño conocido como turducken: un pollo relleno dentro de un pato relleno dentro de un pavo. El turducken es un plato que generalmente no se consume durante todo el año, lo que explicaría el aumento en los casos justo después de las vacaciones de Acción de Gracias. Un análisis adicional reveló que los turduckens consumidos por los pacientes afectados se compraron ya rellenos y listos para cocinar. Además, todos los turduckens rellenos se vendieron en la misma cadena de supermercados regional con dos marcas diferentes. Tras una mayor investigación, los funcionarios rastrearon ambas marcas hasta una sola planta de procesamiento que abastecía a las tiendas en todo el territorio de Florida.

Ejercicio ( PageIndex {3} )

  1. ¿Es este un ejemplo de propagación de fuente común o propagación propagada?
  2. ¿Qué próximos pasos probablemente tomaría la oficina de salud pública después de identificar la fuente del brote?

Conceptos clave y resumen

  • Los primeros pioneros de la epidemiología, como John Snow, Florence Nightingale y Joseph Lister, estudiaron enfermedades a nivel de población y utilizaron datos para interrumpir la transmisión de enfermedades.
  • Epidemiología descriptiva los estudios se basan en el análisis de casos y los historiales de los pacientes para obtener información sobre los brotes, con frecuencia mientras aún están ocurriendo.
  • Epidemiología retrospectiva Los estudios utilizan datos históricos para identificar asociaciones con el estado de enfermedad de los casos actuales. Epidemiología prospectiva Los estudios recopilan datos y siguen los casos para encontrar asociaciones con futuros estados de enfermedad.
  • Epidemiología analítica Los estudios son estudios de observación que están cuidadosamente diseñados para comparar grupos y descubrir asociaciones entre factores ambientales o genéticos y enfermedades.
  • Epidemiología experimental Los estudios generan una fuerte evidencia de causalidad en la enfermedad o el tratamiento manipulando a los sujetos y comparándolos con los sujetos de control.

Pareo

Empareje cada tipo de estudio epidemiológico con su descripción.

___experimentalA. examen de historias de casos anteriores y resultados de pruebas médicas realizadas en pacientes en un brote
___analíticoB. examen de historias clínicas actuales, entrevistas con pacientes y sus contactos, interpretación de los resultados de las pruebas médicas; se realiza con frecuencia mientras el brote aún está en curso
___futuroC.Uso de un conjunto de sujetos de prueba (humanos o animales) y sujetos de control que se tratan de la misma manera que los sujetos de prueba, excepto por el tratamiento específico que se está estudiando.
___descriptivoD. observar grupos de individuos para buscar asociaciones con enfermedades
___retrospectivoE. una comparación de una cohorte de individuos a lo largo del curso del estudio

C, D, E, B, A

Empareje a cada pionero de la epidemiología con su contribución.

___Ruiseñor de FlorenciaA. determinó la fuente de un brote de cólera en Londres
___Robert KochB. demostró que las tasas de infección de heridas quirúrgicas podrían reducirse drásticamente mediante el uso de ácido carbólico para desinfectar herramientas quirúrgicas, vendajes y sitios quirúrgicos.
___ Joseph ListerC. recopilación de datos sobre las causas de mortalidad de los soldados, lo que dio lugar a innovaciones en la atención médica militar
___ John SnowD. desarrolló una metodología para determinar de manera concluyente la etiología de la enfermedad

C, D, B, A

Complete el espacio en blanco

________ ocurre cuando un individuo infectado transmite la infección a otros individuos, quienes la transmiten a otros más, aumentando la penetración de la infección en la población susceptible.

Propagación propagada

Un lote de comida contaminada con exotoxina del botulismo, consumida en una reunión familiar por la mayoría de los miembros de una familia, sería un ejemplo de un brote de ________.

punto de partida

Respuesta corta

¿Qué actividad realizó John Snow, además del mapeo, que los epidemiólogos contemporáneos también utilizan cuando intentan comprender cómo controlar una enfermedad?

Notas al pie

  1. John Snow. Sobre el modo de comunicación del cólera. Segunda edición, muy ampliada. John Churchill, 1855.
  2. John Snow. "El cólera cerca de Golden-Wquare y en Deptford". Medical Times and Gazette 9 (1854): 321–322. http://www.ph.ucla.edu/epi/snow/chol...densquare.html.
  3. O.M. Lidwell. "Joseph Lister y la infección desde el aire". Epidemiología e infección 99 (1987): 569–578. www.ncbi.nlm.nih.gov/pmc/arti...00006-0004.pdf.

16.2: Seguimiento de enfermedades infecciosas - Biología

Todos los artículos publicados por MDPI están disponibles inmediatamente en todo el mundo bajo una licencia de acceso abierto. No se requiere un permiso especial para reutilizar todo o parte del artículo publicado por MDPI, incluidas las figuras y tablas. Para los artículos publicados bajo una licencia Creative Common CC BY de acceso abierto, cualquier parte del artículo puede ser reutilizada sin permiso siempre que el artículo original esté claramente citado.

Los artículos de fondo representan la investigación más avanzada con un potencial significativo de alto impacto en el campo. Los artículos de fondo se envían por invitación individual o recomendación de los editores científicos y se someten a una revisión por pares antes de su publicación.

El artículo destacado puede ser un artículo de investigación original, un estudio de investigación novedoso y sustancial que a menudo implica varias técnicas o enfoques, o un artículo de revisión completo con actualizaciones concisas y precisas sobre los últimos avances en el campo que revisan sistemáticamente los avances científicos más interesantes. literatura. Este tipo de artículo ofrece una perspectiva sobre las futuras direcciones de la investigación o sus posibles aplicaciones.

Los artículos de Editor's Choice se basan en las recomendaciones de los editores científicos de las revistas de MDPI de todo el mundo. Los editores seleccionan una pequeña cantidad de artículos publicados recientemente en la revista que creen que serán particularmente interesantes para los autores o importantes en este campo. El objetivo es proporcionar una instantánea de algunos de los trabajos más interesantes publicados en las diversas áreas de investigación de la revista.


Tipos de enfermedades: 2 tipos principales de enfermedades | Salud humana | Biología

Los siguientes puntos destacan los dos tipos principales de enfermedades que ocurren en los seres humanos. Los tipos son: 1. Enfermedades transmisibles o infecciosas. 2. Enfermedades no transmisibles o no infecciosas.

Tipo # 1. Enfermedades transmisibles o infecciosas:

Estos pueden transmitirse de una persona infectada a una persona sana por medio del aire, agua, alimentos, contacto físico o vectores. Estos se deben a la infección y multiplicación de algún tipo de microorganismos, por lo que también se denominan enfermedades infecciosas.

Clasificación de enfermedades transmisibles. Estos se pueden clasificar de dos maneras:

(i) Según el agente causal, las enfermedades transmisibles son de seis tipos:

1. Enfermedades bacterianas, por ejemplo, difteria, tos ferina, lepra, sífilis, tétanos, tifoidea, peste, neumonía, tuberculosis, cólera, ántrax, etc.

2. Enfermedades virales, por ejemplo, dengue, influenza, sarampión, poliomielitis, viruela, varicela, resfriado común, rabia, encefalitis japonesa, SIDA, hepatitis infecciosa, etc.

3. Enfermedades por protozoos, por ejemplo, malaria, amebiasis, kala azar, enfermedad del sueño, etc.

4. Enfermedades por helmintos, por ejemplo, teniasis, ascariasis, elefantiasis, triquinosis, hígado, equinococosis, etc.

5. Enfermedades micóticas, por ejemplo, tiña, pie de atleta y # 8217, candidaturas, etc.

6. Enfermedades por rickettsias, por ejemplo, fiebre tifoidea, fiebre de trinchera, fiebre Q, fiebre maculosa de las Montañas Rocosas, etc.

(ii) Sobre la base de su modo de transmisión, las enfermedades transmisibles son de dos tipos:

una. Enfermedades contagiosas:

Estas enfermedades transmisibles pueden transmitirse de una persona infectada a una persona sana mediante el contacto real entre ellas, por ejemplo, enfermedades de transmisión sexual, viruela, varicela, sarampión, lepra, etc.

B. Enfermedades no contagiosas:

Estos pueden transmitirse de una persona infectada a una persona sana con alimentos, aire o agua, por ejemplo, teniasis, ascariasis, cólera, tuberculosis, fiebre tifoidea, etc., o algún portador o hospedador de vectores inyecta microorganismos dentro del cuerpo humano, por ejemplo, malaria, filariasis, peste, etc.

Tipo # 2. Enfermedades no transmisibles o no infecciosas:

Estos no se transmiten de una persona infectada a una persona sana.

Estos son de cuatro tipos en función de sus agentes causales:

(i) Enfermedades por deficiencia:

Estos ocurren debido a la deficiencia de algunos nutrientes en la dieta o de alguna hormona, por ejemplo, kwashiorkor (proteína), diabetes mellitus (insulina), enanismo (hormona del crecimiento), etc.

(ii) Enfermedades degenerativas:

Estos ocurren debido a la degeneración de ciertos tejidos corporales, por ejemplo, enfermedades cardiovasculares (del corazón y los vasos sanguíneos), enfermedad de ictus (del cerebro) y artritis (de las articulaciones).

(iii) Enfermedades cancerosas:

Estos ocurren debido al crecimiento descontrolado y la división de células en ciertos tejidos corporales que conducen a la formación de tumores.


Nuestro equipo

Programas
MD, PhD. en el Programa de Capacitación para Científicos Médicos del Sur de Texas
SRA. en Investigación Clínica y Ciencia Traslacional
SRA. en Inmunología e Infección
Inmunología molecular y microbiología amp
Doctor. en Ciencias Biomédicas Integradas

Waridibo Allison, M.D., Ph.D.

Profesor asistente / Investigación
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

Gregory Anstead, M.D.

Profesor / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

Ruth Berggren, M.D.

Director, Centro de Ética y Humanidades Médicas
Profesor de medicina
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

Jason Bowling, M.D.

Profesor Asociado / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

Delia Bullock, M.D.

Profesor Asistente / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

José Cadena Zuluaga, M.D.

Profesor Asociado / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

Biju Chandu, Ph.D.

Profesor asistente / Investigación
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Robert Clark, M.D.

Vicepresidente adjunto de Investigación Clínica, Oficina del VPR
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
Biología del envejecimiento
MD, PhD. en el Programa de Capacitación para Científicos Médicos del Sur de Texas
SRA. en Investigación Clínica y Ciencia Traslacional
Inmunología molecular y microbiología
Neurociencia
Doctor. en Ciencias Biomédicas Integradas

Patrick Danaher, M.D.

Profesor / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

David Dooley, M.D.

Profesor / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

René González, MSN, APRN, FNP-BC

Enfermera especialista registrada de práctica avanzada

Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Heta Javeri, M.D., MPH

Director del programa - Beca de Enfermedades Infecciosas
Profesor Asociado / Clínico
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
M.D. en Doctor en Medicina

Senlin Li, M.D.

Profesor / Investigador
[email protected]
Departamentos y Divisiones # 038
Departamento de Medicina
División de Enfermedades Infecciosas

Programas
Biología del envejecimiento
MD, PhD. en el Programa de Capacitación para Científicos Médicos del Sur de Texas
SRA. en Investigación Clínica y Ciencia Traslacional
Doctor. en Ciencias Biomédicas Integradas

Jan Patterson, M.D., M.S.

Programas
M.D. en Doctor en Medicina

UT Health San Antonio

7703 Floyd Curl Drive
San Antonio, TX 78229
210-567-7000

Conéctate con nosotros

MEJORAMOS LA VIDA ®

El Centro de Ciencias de la Salud de la Universidad de Texas en San Antonio, también llamado UT Health San Antonio, es un centro de salud académico líder con la misión de mejorar la vida a través de la excelencia en estudios académicos avanzados, investigación que salva vidas y atención clínica integral que incluye salud, odontología y servicios de cáncer.


Diversidad del virus del papiloma y tropismos epiteliales

Se han identificado más de 200 papilomavirus y se han secuenciado completamente, incluidos más de 150 HPV (consulte 10 y Papilomavirus Episteme (PaVE) http://pave.niaid.nih.gov/#home). Los tipos humanos se dividen en cinco géneros en función de las diferencias en su secuencia de ADN, y los tipos individuales tienen una secuencia de nucleótidos (muestreada del gen L1) que es al menos un 10% diferente de la de otros papilomavirus 10. Los términos "serotipo" y "cepa" no se utilizan para distinguir entre papilomavirus y, de hecho, muchos papilomavirus no se han caracterizado más allá del nivel de su secuencia de ADN. En los últimos años, los métodos de detección sensibles han permitido la identificación de un gran número de nuevos tipos de VPH (principalmente tipos Beta y Gamma) a partir de hisopos tomados del epitelio cutáneo o de pelos arrancados http://pave.niaid.nih.gov/#home . Los tipos Beta casi se han duplicado en número (de 25 a 45), mientras que los tipos Gamma se han multiplicado casi por ocho (de 7 a 54) durante la última década 11. Aunque la filogenia proporciona información sobre las asociaciones de enfermedades, los tipos estrechamente relacionados pueden mostrar patologías distintas. Los VPH 6 y 11 comparten una identidad de secuencia del 85%, pero el primero se encuentra con más frecuencia en las verrugas anogenitales que el VPH 11, que es la causa principal de papilomas laríngeos. De manera similar, el VPH 13, que comparte una identidad de secuencia del 78% con el VPH 6 y el VPH 11, no causa verrugas anogenitales ni papilomas laríngeos 12, 13, mientras que el VPH 7, que es 87% homólogo al VPH 40 de tipo mucoso, causa "carnicería ”Verrugas en sitios cutáneos. Se cree que los tropismos se controlan principalmente a nivel de la expresión de genes virales, siendo los elementos reguladores dentro de la región de control largo (LCR) un determinante importante 12. La regulación a nivel de infectividad también puede influir en el sitio de la infección, notificándose distribuciones de carga marcadamente diferentes entre viriones cutáneos y mucosos 14. La infección exitosa requiere cambios conformacionales en la cápside, seguidos de la escisión de furina de la proteína menor de la cápside L2 15-17, que también puede influir en los tropismos de los tipos individuales de HPV 15, 16, 18-22. Aunque las enfermedades causadas por tipos específicos de VPH a veces ocurren en sitios atípicos, esto es poco común, y las lesiones a menudo exhiben una morfología y patología atípicas 23. La relación evolutiva entre los tipos de VPH y las asociaciones de cáncer del importante género Alpha se muestran en la Figura 1B y C.


Seguimiento de enfermedades infecciosas

El mismo año en que el System / 370 ayudó por primera vez a rastrear la viruela, investigadores de los EE. UU. Utilizaron la computadora central para lograr grandes avances en la atención al paciente, incluida la prevención de enfermedades no infecciosas. En Hawái, por ejemplo, el System / 370 ayudó a identificar grupos con un riesgo elevado de cáncer.

Una alianza global

IBM se unió a 20 instituciones de salud pública globales, incluida la Organización Mundial de la Salud, para formar la Iniciativa Global Pandémica en 2006. Este esfuerzo de colaboración para frenar la propagación de enfermedades condujo al desarrollo de STEM, PHIAD y el trabajo de supercomputación de IBM en la predicción de la mutación H5N1.

Las numerosas innovaciones de IBM en el campo de la epidemiología han dado lugar a una prevención de enfermedades más exitosa y una mejor atención general al paciente. La historia de trabajo de la compañía para comprender mejor las enfermedades infecciosas se remonta a la década de 1950, cuando las tarjetas perforadas de IBM desempeñaron un papel de apoyo en las pruebas de la vacuna contra la poliomielitis del investigador médico estadounidense Jonas Salk.

Vacunando contra la polio

En ese momento, la poliomielitis, una enfermedad incurable y altamente infecciosa que invade el sistema nervioso, era una de las enfermedades más temidas en los países industrializados y paralizaba a miles de niños cada año. En el experimento médico más grande de la historia, la vacuna Salk se probó en 1,8 millones de niños en todo Estados Unidos, lo que generó 144 millones de puntos de datos, todos capturados en tarjetas perforadas de IBM. La vacuna de Salk resultó ser una ganadora y, dos años después de su desarrollo, los casos anuales de polio en los EE. UU. Se habían reducido de 35,000 en 1953 a 5600 en 1957.

Hoy, a través de sus avances en modelos predictivos, intercambio de información de salud pública y supercomputación, IBM continúa ayudando a gobiernos, investigadores y organizaciones de salud pública de todo el mundo a prepararse y responder a los brotes de enfermedades.

Modelado de enfermedades de código abierto con STEM

Desarrollado en colaboración por los laboratorios de IBM en Almaden, Haifa y Watson, Spatiotemporal Epidemiological Modeler (STEM) es una herramienta de código abierto que tiene la capacidad de pronosticar y analizar la posible propagación de enfermedades infecciosas, como la gripe aviar, el dengue, el virus H5N1 y otros. Permite a los usuarios crear modelos espaciales y temporales de enfermedades infecciosas emergentes, ayudando a los investigadores y funcionarios de salud pública a simular la propagación de enfermedades en el tiempo y el espacio, y permitiéndoles evaluar el impacto probable de las medidas preventivas. STEM puede estimar, por ejemplo, cuánto tiempo después de que aparece el primer caso de una nueva influenza en San Francisco, California, alcanzará su punto máximo en la Ciudad de México, así como puntos de datos como el número total de casos de posibles brotes de enfermedades.

Los usuarios de STEM pueden acceder a los componentes principales de la herramienta: el marco de representación central, la interfaz gráfica de usuario, el motor de simulación, los cálculos de modelos de enfermedades y varios conjuntos de datos, como complementos separados para construir sobre modelos existentes o crear nuevos. Los conjuntos de datos describen la geografía, los sistemas de transporte y la población de los 244 países y áreas dependientes del mundo hasta el nivel administrativo dos, equivalente al nivel de condado en los EE. UU., Para la mayoría de los países. Su compatibilidad con la infraestructura sanitaria interoperable basada en estándares desarrollada por IBM, Health Information Exchange (HIE), le permite consultar clínicas, hospitales, laboratorios y otras fuentes de información de salud pública para obtener datos en tiempo real sobre la salud de una población.

Datos de vigilancia clínica compartidos con PHIAD

El dominio de afinidad de información de salud pública (PHIAD), una red escalable que utiliza tecnología de intercambio de información de salud (HIE) y estándares para el intercambio de información de salud pública, permite a las clínicas y laboratorios compartir electrónicamente datos de vigilancia clínica con funcionarios de salud pública para obtener información actualizada. detección de brotes de enfermedades infecciosas al minuto. Desarrollado por investigadores de IBM que colaboran en el Centro de Investigación de Almaden y el Laboratorio de Investigación de Haifa, PHIAD proporciona una aplicación de usuario final basada en la web y está codificado para funcionar a través de sistemas patentados y límites geopolíticos para una aplicación verdaderamente sin fronteras.

Arquitectura PHIAD

El flujo de datos PHIAD

PHIAD admite el flujo de datos jerárquico en diferentes dominios. Cada PHIAD regional recopila datos de fuentes locales, como hospitales, clínicas veterinarias y laboratorios. El PHIAD regional luego envía la información apropiada a un PHIAD nacional, que es administrado por una organización de control de enfermedades como los Centros para el Control de Enfermedades de EE. UU. (CDC). PHIAD puede extender esta jerarquía de intercambio de datos a asociaciones internacionales. En cada nivel, se pueden implementar diferentes políticas de privacidad de datos con respecto a variables como la identificación de personas y la identificación de ubicación.

Impulsando la detección colaborativa de enfermedades en Oriente Medio

El desarrollo de PHIAD comenzó en 2008 como un proyecto de colaboración con la Nuclear Threat Initiative y el Middle East Consortium on Infectious Disease Surveillance (MECIDS), un programa que facilita la colaboración entre Israel, Jordania y Palestina para prevenir y responder a brotes de enfermedades infecciosas. Utilizando su red de intercambio de información de salud pública basada en estándares como base, IBM trabajó con MECIDS para personalizar una solución que permitiría a los miembros del consorcio compartir información, estadísticas y anécdotas electrónicamente y analizar datos de forma colaborativa y en tiempo real. El proyecto, que dependió de un alto nivel de colaboración de socios, superó tensiones políticas significativas e ilustra cómo la vigilancia regional de enfermedades, y las herramientas de prevención de enfermedades iguales para todos, son posibles incluso en áreas donde existe una discordia política arraigada.

Reduciendo el H1N1 en México

IBM y el Ministerio de Salud de México trabajaron conjuntamente para desarrollar nuevos modelos de propagación del H1N1 utilizando STEM y PHIAD cuando los casos de gripe porcina en la Ciudad de México alcanzaron proporciones pandémicas en 2009 y 2010. Los funcionarios de salud mexicanos y los investigadores de IBM pudieron determinar la "tasa de reproducción" de la gripe (el número de casos secundarios que cada caso infectado causará en una población sin inmunidad) y el efecto probable de las decisiones de política de salud. Por ejemplo, STEM mostró que las medidas de distanciamiento social de la ciudad, que incluyeron el cierre de restaurantes y escuelas en el punto álgido del brote, redujeron la tasa de reproducción de la gripe en un 22 por ciento. El proyecto fue un hito en los esfuerzos del gobierno mexicano para mejorar la salud pública a través del modelo sofisticado que ofrece STEM.


16.2: Seguimiento de enfermedades infecciosas - Biología

En caso de un brote grave de influenza pandémica, las empresas deben desempeñar un papel clave en la protección de la salud y la seguridad de los empleados. Con respecto a las recomendaciones de mitigación de la influenza pandémica que requieren distanciamiento social, examinamos si algunos empleados estadounidenses no cumplirían de manera desproporcionada debido a la inseguridad laboral y los problemas financieros asociados con la ausencia del trabajo. Utilizamos la Encuesta sobre influenza pandémica de la Escuela de Salud Pública de Harvard de 2006 y la regresión logística multivariable para determinar si las características laborales como la incapacidad para trabajar desde casa, la falta de pago cuando se ausenta del trabajo y el trabajo por cuenta propia se asociarían con una menor capacidad para cumplir con recomendaciones. Descubrimos que la incapacidad para trabajar desde casa, la falta de licencia por enfermedad remunerada y los ingresos están asociados con la capacidad de los adultos que trabajan para cumplir y deberían ser los principales objetivos de las intervenciones en el lugar de trabajo en caso de un brote grave.

El mundo necesita un plan operativo detallado para la mejor manera de superar los 12-24 meses de un brote de influenza pandémica. Ese tipo de planificación debe estar en la agenda de todas las agencias de salud pública, juntas escolares, legislaturas estatales y empresas (1). En enero de 2008, los Centros para el Control y la Prevención de Enfermedades describieron varias recomendaciones (2). En caso de un brote grave, los empleadores deben desempeñar un papel clave en la protección de la salud y la seguridad de los empleados (2). Específicamente, las empresas deben "pronosticar y permitir las ausencias de los empleados durante una pandemia debido a factores como enfermedades personales, enfermedades de miembros de la familia, medidas de contención y cuarentenas de la comunidad, cierres de escuelas y / o negocios y cierres de transporte público" y los trabajadores deben "planificar para la posible reducción o pérdida de ingresos si [no pueden] trabajar o si el lugar de trabajo está cerrado ”(2).

En caso de que el distanciamiento social del lugar de trabajo se convierta en una realidad, algunos miembros de la fuerza laboral de EE. UU. Pueden ser desproporcionadamente vulnerables al incumplimiento y los resultados negativos de una pandemia de influenza debido a la inseguridad laboral real y percibida y los problemas financieros asociados con la ausencia al trabajo. Investigaciones anteriores sugieren que el cumplimiento de las recomendaciones en situaciones de emergencia refleja la interacción de muchos factores modificables y no modificables, incluida la forma en que las personas perciben su riesgo personal y familiar, qué recursos tienen disponibles, qué consecuencias negativas anticipan como resultado del cumplimiento, su estatus socioeconómico. y qué tan bien están organizados los esfuerzos de planificación oficial (36). Las actitudes hacia el uso del distanciamiento social para mitigar los brotes del síndrome respiratorio agudo severo, la viruela o la influenza aviar pueden verse influenciadas por problemas en gran parte modificables que las personas asocian con el aislamiento, como no poder obtener atención médica o medicamentos recetados y perder el salario o el trabajo. por faltar al trabajo7). De hecho, más de un tercio de los empleados estadounidenses dicen que no les pagarían si tuvieran que quedarse en casa y no trabajar debido a un brote severo de influenza pandémica, y menos de un tercio cree que podrían trabajar desde casa durante 1 mes (8).

Planteamos la hipótesis de que los adultos que trabajan que no pueden trabajar desde casa y que no tienen licencia por enfermedad tendrán menos capacidad para cumplir con las recomendaciones de aislamiento por influenza pandémica que requieren faltar al trabajo debido al temor de perder su trabajo o negocio y los serios problemas financieros que podrían surgir. por faltar al trabajo. Para probar nuestra hipótesis, evaluamos la contribución relativamente independiente del empleo seleccionado y las características sociodemográficas sobre la capacidad de los adultos que trabajan para cumplir con las estrategias de mitigación de la influenza pandémica que implican el aislamiento en el lugar de trabajo.

Métodos

Usamos datos de la Encuesta sobre influenza pandémica de la Escuela de Salud Pública de Harvard (HSPH) de 2006, una encuesta de marcado numérico aleatorio patrocinada por el Proyecto HSPH sobre Seguridad Pública y Biológica. La encuesta se realizó para proporcionar información con respecto a la reacción del público ante el posible uso del distanciamiento social y otras intervenciones no farmacéuticas durante un brote severo de influenza pandémica. Las preguntas de la encuesta evaluaron la voluntad y la capacidad para cumplir con las recomendaciones de salud pública en 3 dominios: hogar, escuela y trabajo.

La población objetivo fueron los adultos mayores de 18 años que vivieran en los Estados Unidos. Entre el 28 de septiembre y el 25 de octubre de 2006, International Communications Research (Media, PA, EE. UU.) Encuestó a una muestra representativa de adultos mayores de 18 años, incluida una sobremuestra de adultos con niños menores de 18 años en el hogar. Los procedimientos de muestreo se describen en otra parte (8). La tasa de respuesta fue del 36% y la tasa de cooperación fue del 75%, lo que produjo un total de 1.697 entrevistas completadas (8). Debido a que los adultos con niños fueron sobremuestreados para medir el posible efecto de la mitigación comunitaria en las familias, los datos fueron ponderados para reflejar la proporción real de la población adulta total. Además, para compensar el sesgo de falta de respuesta y la probabilidad desigual de selección y para garantizar que los grupos demográficos estuvieran representados en su proporción real en la población adulta, ponderamos los datos de la muestra con los datos del censo de EE. UU. Más recientes disponibles en la Encuesta de población actual (www. census.gov/cps) por género, edad, raza, región y educación.

Las características del empleo para la muestra completa fueron 50% empleados a tiempo completo, 13% empleados a tiempo parcial, 36% desempleados y 1% desconocidos. Nuestro estudio se centró en las limitaciones relacionadas con el empleo que pueden limitar la capacidad para cumplir con las recomendaciones de aislamiento, por lo tanto, analizamos las respuestas de solo los 1101 encuestados que estaban empleados a tiempo completo o parcial (Tabla 1). Un pequeño porcentaje de encuestados empleados se negó a responder algunos elementos de la encuesta (por ejemplo, el 15% rechazó ingresos, el 3% la educación, el 2% la raza).

Variables de resultado: indicadores de capacidad para cumplir

A los encuestados empleados se les hizo una serie de preguntas para evaluar las limitaciones reales o percibidas con respecto a su capacidad para cumplir con las estrategias de mitigación de la influenza pandémica que requieren aislamiento del lugar de trabajo. Las 4 variables dependientes fueron respuestas positivas a las siguientes afirmaciones: "Es probable que yo o un miembro de mi hogar perdamos un trabajo o negocio como resultado de tener que quedarnos en casa durante 7 a 10 días" (dicotomizado "muy" y "Algo" probablemente representó una respuesta positiva y "no demasiado" y "en absoluto" probablemente representaron una respuesta negativa) y "Tendría serios problemas financieros si me quedara fuera del trabajo durante 7 a 10 días, 1 mes o 3 meses." Las últimas preguntas utilizaron una muestra dividida, en la que solo a los encuestados que respondieron "no" a la duración de 7 a 10 días se les preguntó sobre los problemas financieros que tendrían en 1 mes, y solo a los que respondieron "no" a tener problemas financieros graves en Se preguntó a 1 mes sobre el período de 3 meses. Muchas estimaciones de prevalencia no ajustadas para cada variable de resultado (Tabla 2) se han descrito en un estudio descriptivo que utilizó la Encuesta de influenza pandémica de HSPH 2006 (8).

Variables predictoras

Para evaluar el efecto de las restricciones relacionadas con el empleo potencialmente modificables sobre el cumplimiento de las recomendaciones que requieren la ausencia del trabajo, elegimos variables predictoras clave que representaban características de empleo seleccionadas, es decir, incapacidad para trabajar desde casa, falta de pago cuando se ausenta del trabajo y trabajo por cuenta propia. estado (Tabla 2). Con respecto a las limitaciones relacionadas con el empleo, & lt1% de los encuestados se negó a responder 2 preguntas.

Covariables

Para evaluar las dificultades potencialmente desproporcionadas que pueden enfrentar las poblaciones urbanas y de bajos ingresos si se les pide que no trabajen en casa en caso de un brote grave, incluimos los ingresos y la residencia urbana en todos los modelos. Otras características sociodemográficas y personales evaluadas fueron la educación, la raza / etnia, la edad, el sexo, el estado de salud autoinformado y el conocimiento autoinformado de la influenza pandémica.

Análisis estadístico

Los enfoques analíticos estructurados han mejorado las predicciones del comportamiento en situaciones de emergencia, modelando los efectos conjuntos de varios factores sobre el comportamiento planificado (3). Por lo tanto, para identificar los factores que pueden conducir a una vulnerabilidad desproporcionada en caso de un brote grave, utilizamos regresión logística multivariable para modelar la probabilidad prevista de que algunos grupos de adultos que trabajan (delimitados por características laborales como la incapacidad para trabajar desde casa, la falta de pagar cuando está ausente del trabajo y por cuenta propia) pueden ser menos capaces que los grupos de referencia identificados para cumplir con las estrategias de mitigación de la influenza pandémica que requieren el aislamiento voluntario del trabajo.

Cada resultado utilizó 1 modelo completo, todos los modelos controlados simultáneamente para todos los predictores clave, así como covariables como ingresos, residencia urbana, edad, raza / etnia, educación, género, estado de salud autoinformado y conocimiento autoinformado de la influenza pandémica. Realizamos un análisis de caso completo y analizamos solo a los 1101 encuestados que informaron estar empleados a tiempo completo o parcial. Las pruebas de significación se estimaron en p & lt0.05, y se informaron intervalos de confianza (IC) del 95% para todos los odds ratios (OR). Para ajustar las probabilidades desiguales de selección y el posible sesgo de falta de respuesta, aplicamos factores de ponderación individuales a todas las estimaciones. El análisis se realizó con el software SAS versión 9.2 (Cary, NC, EE. UU.) Utilizando el procedimiento PROC SURVEYLOGISTIC y ponderaciones probabilísticas de muestreo.

Resultados

Probabilidad percibida de perder trabajo o negocio

De los encuestados empleados, el 28% informó que probablemente perderían su trabajo o negocio como resultado de tener que quedarse en casa y no ir al trabajo durante 7 a 10 días en caso de un brote de influenza pandémica (Tabla 2). Nuestros modelos multivariables aclararon la vulnerabilidad diferencial por la falta de licencia por enfermedad remunerada, el nivel de ingresos de los encuestados y la residencia urbana (Tabla 3). Los encuestados a los que no se les pagaría si se les impidiera trabajar tenían casi 5 veces más probabilidades que los que recibirían un pago (OR 4,72) de decir que probablemente perderían su trabajo o negocio como resultado de tener que quedarse en casa sin trabajar durante 7 -10 días.

Los ingresos de los encuestados también se asociaron con la probabilidad informada de perder un trabajo o negocio. Aquellos que ganaban & lt $ 30.000 por año tenían 4 veces más probabilidades que aquellos que ganaban & gt $ 75.000 por año (OR 4,31) y aquellos que ganaban $ 30.000– $ 49.000 por año y $ 50.000– $ 74.000 por año tenían ≈2 veces más probabilidades que aquellos que ganaban & gt $ 75,000 por año (OR 1.70 y 2.08, respectivamente) para decir que probablemente perderían su trabajo o negocio como resultado de tener que faltar al trabajo en caso de un brote grave.

La residencia urbana se asoció con una capacidad limitada para cumplir con las recomendaciones que requieren trabajo faltante. Los encuestados que viven en áreas urbanas tenían un 70% más de probabilidades que los que viven en áreas rurales de decir que probablemente perderían su trabajo o negocio como resultado de tener que quedarse en casa durante 7 a 10 días en caso de un brote (OR 1,66 ).

Probabilidad percibida de experimentar problemas financieros graves

Ciertas características laborales y los niveles de ingresos de los encuestados se asociaron con la probabilidad de que los adultos que trabajan experimentaran serios problemas financieros y, por lo tanto, serían menos capaces de cumplir con las recomendaciones de aislamiento, si se les exigía faltar al trabajo durante largos períodos de tiempo (Tabla 3). Los encuestados que trabajaban por cuenta propia tenían el doble de probabilidades que los que trabajaban para un empleador de decir que experimentarían serias dificultades financieras si se aislaban del trabajo durante 7 a 10 días (OR 2,09). Aquellos que no podían trabajar desde casa eran significativamente más propensos que aquellos que podían trabajar desde casa a decir que experimentarían serios problemas financieros si se aislaran del trabajo por períodos de 7 a 10 días, 1 mes y 3 meses ( OR 1,57, 1,91, 1,65, respectivamente).

Los ingresos de los encuestados también se asociaron con la probabilidad de experimentar serios problemas económicos si el encuestado no trabajaba debido a un brote de influenza pandémica, aunque los modelos mostraron patrones interesantes, dependiendo de la duración del aislamiento. Si se aislaban del trabajo durante 7 a 10 días, aquellos que ganaban & lt $ 30.000 por año tenían 3 veces más probabilidades que aquellos que ganaban & gt $ 75.000 por año de decir que experimentarían problemas financieros sustanciales (OR 3,26). Al cabo de 1 mes de aislamiento, todos los que pertenecían a grupos de ingresos bajos y medios tenían una probabilidad significativamente mayor que los del grupo de ingresos más altos de decir que experimentarían serios problemas financieros si se les mantenía fuera del trabajo. Hubo un buen gradiente de ingresos, los que ganaban & lt $ 30.000 por año tenían 3,29 veces más probabilidades, los que ganaban de $ 30.000 a $ 49.000 por año eran 2,93 veces más probables, y los que ganaban de $ 50.000 a $ 74.000 por año tenían 1,89 veces más probabilidades que aquellos que ganaban & gt $ 75.000 por año. año para decir que permanecer fuera del trabajo durante 1 mes plantearía serios problemas financieros. A los 3 meses de aislamiento, la tendencia cambió un poco. Los trabajadores de bajos ingresos seguían siendo significativamente más propensos que los trabajadores de altos ingresos a decir que tendrían serios problemas financieros si se les aislaba del trabajo (OR 3.52), lo que indica una vulnerabilidad desproporcionada para las poblaciones de bajos ingresos en todos los períodos de aislamiento. Sin embargo, a los 3 meses, los trabajadores de ingresos medios no serían más o menos propensos que los que ganan & gt $ 75,000 a decir que experimentarían serios problemas financieros, lo que indica que un período de aislamiento de 3 meses probablemente sería difícil para aquellos en todos los ingresos. grupos, incluidos los de las categorías de ingresos más altos.

Discusión

La amenaza de una pandemia de influenza humana ha aumentado considerablemente en los últimos años con la aparición de virus de influenza aviar altamente virulentos, en particular el subtipo H5N1 (9) y la aparición más reciente del subtipo H1N1. Las agencias federales han modelado la alta probabilidad de un brote grave de influenza pandémica y han comenzado a instituir planes nacionales y estatales para reducir la transmisión y mitigar la enfermedad (10). El suministro inadecuado de algunas vacunas y medicamentos antivirales y la planificación de mitigación comunitaria insuficiente han llevado a la preocupación de que Estados Unidos no esté adecuadamente preparado para hacer frente a una pandemia (11).

Mejorar la preparación para una pandemia es fundamental, dadas las consecuencias catastróficas de las pandemias de influenza que se han producido en el siglo pasado; en 1918, 1957 y 1968, la gravedad de todas las pandemias pasadas fue sustancial, desde 700.000 muertes (en 1968) hasta & gt50 millones de muertes ( en 1918) (1,11). La evidencia para determinar las estrategias de intervención no farmacéutica más efectivas es limitada (12). Algunas de las estrategias que se sugieren incluyen la contención en capas dirigida (13), que implica el tratamiento con medicamentos antivirales para los casos-pacientes identificados y la profilaxis y cuarentena de los miembros de su hogar, cierre de escuelas y distanciamiento social en la comunidad y el lugar de trabajo (2,8,13,14). Las investigaciones han sugerido que los adultos estadounidenses parecen poseer una amplia disposición a cumplir con las estrategias de respuesta que incluyen el distanciamiento social, aunque es probable que algunos segmentos de la población sean menos capaces de cumplir con las recomendaciones de aislamiento (8), en particular los relacionados con el aislamiento del lugar de trabajo.

This study may provide public health authorities with realistic expectations for the success or failure of proposed mitigation measures, given that some population subgroups may have less ability to comply with recommendations because of real or perceived job insecurity and financial problems associated with missing work. Our findings suggest that some employment characteristics (inability to work from home, lack of paid sick leave) are associated with working adults’ ability to comply with recommendations and will be major workplace intervention points (areas to target) in the event of a serious outbreak. In addition, sociodemographic characteristics (particularly low-income status) put some workers at disproportionate risk of contracting and spreading pandemic influenza because of their perceived inability to miss work. These assessments may help identify the conditions under which some groups will be disproportionately likely to fail to comply and may help with workplace efforts to plan accordingly and communicate effectively in the event of a serious outbreak of pandemic influenza.

Job insecurity, whether real or perceived, is a real consideration for many working adults. US health authorities recommend that to prepare for a pandemic, businesses should establish policies for nonpunitive liberal leave and flexible worksite accommodations (2). However, we know of no legal precedent for mandatory job protection in the event of public health emergencies. Our study found that employees without paid sick leave, those with low income, and those who live in urban areas fear losing their jobs should they comply with recommendations to stay home in the event of a serious outbreak of pandemic influenza. Those respondents who said that they would not be paid if kept from work were almost 5× more likely as those who would receive pay to say that they would lose their job or business as a result of having to stay home from work. We were not surprised by this finding, given the long history of social epidemiology literature (e.g., the Whitehall studies) that has documented the effect of occupational status or grade, organizational injustice, job stress, and workplace power differentials on both job insecurity and disease outcomes (1520). The effect of lack of paid sick leave provides insight into a measure of inequality in the work force, such that some groups of employees (e.g., those in minimum wage jobs or without paid sick leave), because of concerns about job security that stem from their workplace status, lack the power to choose to stay home from work in the event of an outbreak. Notably, across all income categories, low- and middle-income workers were significantly more likely than high-income workers to say that they would be likely to lose their job or business as a result of staying home for 7–10 days in the event of an outbreak. Those respondents living in urban areas also were 60% more likely than those living in rural areas to fear job insecurity. This fear could pose substantial problems for pandemic influenza mitigation because those in urban areas may be strongly encouraged to remain isolated to avoid virus spread in conditions of population density and crowding.

Financial problems also are likely to weigh heavily on the minds of US workers during a pandemic, and these problems may be part of the complexity of factors that comprise compliance considerations. Although US health authorities have recommended that businesses develop policies for employee compensation in the event of an influenza pandemic that causes workplace absences (2), we know of no precedent requiring that paid sick leave be granted (by employers or state or federal government) to employees who comply with isolation recommendations and miss work in the event of a public health emergency. Our study has elucidated some employment characteristics that are associated with the likelihood that workers think they would experience serious financial problems if they had to miss work inability to work from home and lack of paid sick leave were associated with reports of experiencing serious financial problems if isolated from work over the 3 periods: 7–10 days, 1 month, and 3 months. Respondent income was another significant predictor of serious financial problems that may limit ability to comply with isolation recommendations. Even relatively short periods of isolation from the workplace (7–10 days) would be a problem for low-income workers, and if an outbreak were serious enough to warrant 1-month isolation recommendations, persons in low- and middle-income groups would have more difficulty complying than would upper-income groups, thus limiting the effectiveness of mitigation strategies. Moreover, at 3 months’ of isolation, persons from all income levels, especially low-income, would likely experience serious financial problems.

Strengths of our study include its practical significance our findings may help preparedness planners find work-specific strategies that may increase the likelihood of compliance with isolation recommendations. These strategies may include working with employers to ensure work-from-home or sick leave capabilities for nonessential employees and planning to provide state or federal supplementary income support and job protection for workers who would not be paid if they missed work because of official pandemic mitigation recommendations. Other countries have implemented similar measures in emergencies for example, during the 2003 pandemic of severe acute respiratory disease, the government of Singapore provided financial support to citizens who had to stay home to prevent the spread of the disease (21). In the United States, no such measures have been taken to prevent the spread of infectious diseases, but for other emergencies such as hurricanes and floods, federal income support has been provided to victims by way of disaster relief funds. In the event of a serious outbreak of pandemic influenza, when timely action will be needed to encourage and ensure isolation compliance, an existing mechanism for delivering financial support to affected persons is unemployment insurance. Currently, eligibility requirements for this benefit are limited to employees who involuntarily lose their job, but this requirement could be changed to use an existing system to disperse lump-sum payments to those financially affected by a pandemic, if the severity of an outbreak warranted isolation from the workplace for long periods.

Findings from our study should be considered in light of a few limitations, including the 36% response rate. Low response rates can bias samples, reflecting systematic differences between responders and the population from which they were drawn, thus limiting the external validity of estimates (extrapolation to the general population). However, the 1-month period of the survey (and thus limited time for callbacks) may mirror what might be necessary in the event of a pandemic, in which public surveys with a rapid turnaround time are necessary to gauge public knowledge and resource needs in an emergency situation. We point to research that suggests that the results of weighted data from surveys of shorter duration are similar to those based on surveys of longer duration and higher response rates and can be used without an unacceptable risk for bias (22,23). Furthermore, the HSPH Pandemic Influenza Survey, as it relates to our findings about job insecurity, did not assess perceptions of job loss versus reality of job loss, nor did it assess reasons why some respondents perceived that job loss would be a consequence for missing work for 7–10 days in the event of a serious outbreak. Future population surveys could attempt to disentangle these beliefs to inform policy and communication aimed at enabling compliance with workplace isolation strategies to quell the spread of a future pandemic.

Dr Blake is a health scientist at the National Cancer Institute. Her research interests include media effects, public health policy, and social determinants of health.


Contenido

The modeling of infectious diseases is a tool that has been used to study the mechanisms by which diseases spread, to predict the future course of an outbreak and to evaluate strategies to control an epidemic. [1]

The first scientist who systematically tried to quantify causes of death was John Graunt in his book Natural and Political Observations made upon the Bills of Mortality, in 1662. The bills he studied were listings of numbers and causes of deaths published weekly. Graunt's analysis of causes of death is considered the beginning of the "theory of competing risks" which according to Daley and Gani [1] is "a theory that is now well established among modern epidemiologists".

The earliest account of mathematical modelling of spread of disease was carried out in 1760 by Daniel Bernoulli. Trained as a physician, Bernoulli created a mathematical model to defend the practice of inoculating against smallpox. [2] The calculations from this model showed that universal inoculation against smallpox would increase the life expectancy from 26 years 7 months to 29 years 9 months. [3] Daniel Bernoulli's work preceded the modern understanding of germ theory.

In the early 20th century, William Hamer [4] and Ronald Ross [5] applied the law of mass action to explain epidemic behaviour.

The 1920s saw the emergence of compartmental models. The Kermack–McKendrick epidemic model (1927) and the Reed–Frost epidemic model (1928) both describe the relationship between susceptible, infected and immune individuals in a population. The Kermack–McKendrick epidemic model was successful in predicting the behavior of outbreaks very similar to that observed in many recorded epidemics. [6]

Recently, agent-based models (ABMs) have been used in exchange for simpler compartmental models. [7] For example, epidemiological ABMs have been used to inform public health (nonpharmaceutical) interventions against the spread of SARS-CoV-2. [8] Epidemiological ABMs, in spite of their complexity and requiring high computational power, have been criticized for simplifying and unrealistic assumptions. [9] [10] Still, they can be useful in informing decisions regarding mitigation and suppression measures in cases when ABMs are accurately calibrated. [11]

Models are only as good as the assumptions on which they are based. If a model makes predictions that are out of line with observed results and the mathematics is correct, the initial assumptions must change to make the model useful.

  • Rectangular and stationary age distribution, i.e., everybody in the population lives to age L and then dies, and for each age (up to L) there is the same number of people in the population. This is often well-justified for developed countries where there is a low infant mortality and much of the population lives to the life expectancy.
  • Homogeneous mixing of the population, i.e., individuals of the population under scrutiny assort and make contact at random and do not mix mostly in a smaller subgroup. This assumption is rarely justified because social structure is widespread. For example, most people in London only make contact with other Londoners. Further, within London then there are smaller subgroups, such as the Turkish community or teenagers (just to give two examples), who mix with each other more than people outside their group. However, homogeneous mixing is a standard assumption to make the mathematics tractable.

Stochastic Edit

"Stochastic" means being or having a random variable. A stochastic model is a tool for estimating probability distributions of potential outcomes by allowing for random variation in one or more inputs over time. Stochastic models depend on the chance variations in risk of exposure, disease and other illness dynamics. Statistical agent-level disease dissemination in small or large populations can be determined by stochastic methods. [12] [13]

Deterministic Edit

When dealing with large populations, as in the case of tuberculosis, deterministic or compartmental mathematical models are often used. In a deterministic model, individuals in the population are assigned to different subgroups or compartments, each representing a specific stage of the epidemic.

The transition rates from one class to another are mathematically expressed as derivatives, hence the model is formulated using differential equations. While building such models, it must be assumed that the population size in a compartment is differentiable with respect to time and that the epidemic process is deterministic. In other words, the changes in population of a compartment can be calculated using only the history that was used to develop the model. [6]

los número de reproducción básico (denoted by R0) is a measure of how transferable a disease is. It is the average number of people that a single infectious person will infect over the course of their infection. This quantity determines whether the infection will spread exponentially, die out, or remain constant: if R0 > 1, then each person on average infects more than one other person so the disease will spread if R0 < 1, then each person infects fewer than one person on average so the disease will die out and if R0 = 1, then each person will infect on average exactly one other person, so the disease will become endemic: it will move throughout the population but not increase or decrease.

An infectious disease is said to be endemic when it can be sustained in a population without the need for external inputs. This means that, on average, each infected person is infecting exactamente one other person (any more and the number of people infected will grow exponentially and there will be an epidemic, any less and the disease will die out). In mathematical terms, that is:

The basic reproduction number (R0) of the disease, assuming everyone is susceptible, multiplied by the proportion of the population that is actually susceptible (S) must be one (since those who are not susceptible do not feature in our calculations as they cannot contract the disease). Notice that this relation means that for a disease to be in the endemic steady state, the higher the basic reproduction number, the lower the proportion of the population susceptible must be, and vice versa. This expression has limitations concerning the susceptibility proportion, e.g. los R0 equals 0.5 implicates S has to be 2, however this proportion exceeds to population size.

Assume the rectangular stationary age distribution and let also the ages of infection have the same distribution for each birth year. Let the average age of infection be A, for instance when individuals younger than A are susceptible and those older than A are immune (or infectious). Then it can be shown by an easy argument that the proportion of the population that is susceptible is given by:

We reiterate that L is the age at which in this model every individual is assumed to die. But the mathematical definition of the endemic steady state can be rearranged to give:

This provides a simple way to estimate the parameter R0 using easily available data.

This allows for the basic reproduction number of a disease given A y L in either type of population distribution.

Compartmental models are formulated as Markov chains. [14] A classic compartmental model in epidemiology is the SIR model, which may be used as a simple model for modeling epidemics. Multiple other types of compartmental models are also employed.


Global Biothreats and Emerging Infectious Diseases

Emerging infectious diseases can be defined as infectious diseases that have newly appeared in a population or have previously existed but are rapidly increasing in incidence or geographic range. Biodefense pathogens are those that pose a risk to national security and/or public health, as defined by the National Institute of Allergy and Infectious Diseases’ (NIAID’s) list of category A, B, or C priority pathogens.

Research related to these urgent health threats encompasses a broad spectrum of themes, including investigations of pathogenicity and host responses, vaccines, therapeutics and diagnostic technologies.

The following interdisciplinary faculty conduct research and instruct fellows in this area:


Ver el vídeo: Enfermedades infecciosas- trabajo biología (Febrero 2023).