Comunicación Breve

 

Fatiga de vigilancia (fatigatio vigilantiae) durante epidemias

 

Daniel Romero-Álvarez, A. Townsend Peterson y Luis E. Escobar

Hospital General Enrique Garcés, Quito, Ecuador.
Unidad de Epidemiología (DRA).

University of Kansas, Lawrence, Kansas, USA.
Biodiversity Institute (ATP).

University of Minnesota, St. Paul, Minnesota, USA.
Department of Fisheries, Wildlife and Conservation Biology (LEE).

Correspondencia a:

---

Resumen

Se presenta el concepto de "fatiga de vigilancia" (fatigatio vigilantiae) para describir un escenario epidemiológico en el que es evidente el subreporte de casos durante epidemias abrumadoras. Revisamos epidemias pasadas y encontramos que la fatiga de vigilancia es un patrón común, por lo tanto, puede ser un concepto útil en la epidemiología moderna.

Palabras clave: Epidemias; epidemiología; fatigatio vigilantiae; fatiga de vigilancia.

---

 

Introducción

La recolección, interpretación e intercambio de información sobre enfermedades con los organismos de salud se ha denominado vigilancia epidemiológica. Los datos de vigilancia pueden evolucionar en hipótesis de causalidad y correlación, pero también en predicciones sobre las que pueden basarse estrategias preventivas. Por ejemplo, al inicio de la epidemia del virus Zika en 2016, los datos epidemiológicos iniciales permitieron el desarrollo de sistemas de alerta tempranos¹. Sin embargo, la vigilancia epidemiológica pasiva y activa puede verse comprometida, especialmente en los países en desarrollo^2,3.

Descripción de caso

Presentamos el concepto de fatiga de vigilancia⁴, o fatigatio vigilantiae, definido como el reporte incompleto de casos durante o después de períodos de alta incidencia de enfermedad durante un brote o epidemia. Este subreporte ocurrirá a menudo en las epidemias abrumadoras que sobrecargan al personal y los recursos de las instituciones de salud. Evidentemente, esa sub-notificación sistémica puede conducir a la toma de decisiones incorrectas que afectan la eficacia de las intervenciones de salud pública⁵.

Como ejemplo, la explosiva epidemia de Chikungunya en las Américas en 2014 provocó que los sistemas de salud no pudieran detectar y reportar todos los casos por país por semana⁴, demostrando una evidente meseta en la notificación de la enfermedad, especialmente en países con sistemas de vigilancia débiles. Así, el número de casos de Chikungunya no reflejó el tamaño de la epidemia. Desatender esta fatiga de la vigilancia mientras se crean índices epidemiológicos como la incidencia o el riesgo de letalidad provoca una apreciación errónea de la magnitud de la epidemia⁶.

Estudios epidemiológicos al comienzo de una epidemia podrían reflejar correctamente el número de personas infectadas (Figura 1), pero limitaciones posteriores en los suministros de laboratorio o del personal pueden conducir a fatiga de vigilancia. Por ejemplo, en la pandemia de influenza A H1N1 en 2009, países con sistemas de vigilancia fuertes tuvieron dificultades para mantener un informe preciso de los casos debido a sus características abrumadoras; en este escenario, los suministros de diagnóstico de laboratorio fueron consumidos antes del pico de la epidemia, socavando la vigilancia⁷.

 

Figura 1. Ejemplo de fatiga de vigilancia. El número acumulado
de casos reportados en la etapa inicial de una epidemia
puede reflejar el número de casos correctamente (línea recta
continua). A medida que el tiempo pasa, la eficacia de la
notificación de casos disminuye debido, por ejemplo, a la
escasez de personal o suministros de laboratorio y al elevado
número de pacientes que abruman los sistemas de salud 
(flecha). Esto puede resultar en un número incompleto de
casos reportados (línea de curva continua), que no refleja
el número real de casos (línea discontinua).

 

Durante la epidemia de Ébola en 2014, una sub-estimación de casos en Liberia fue claramente identificada y descrita en los informes de la Organización Mundial de la Salud⁸. La disminución de la incidencia se catalogó como "poco probable que fuera genuina" debido a la notable evidencia de sub-notificación⁸. Durante el brote de fiebre amarilla en Angola en 2016, las notificaciones de casos locales se retrasaron incluso con una vigilancia local eficaz y con el apoyo internacional⁹.

Discusión

Las decisiones basadas en los datos de vigilancia sesgada, que no consideren la fatiga de vigilancia, pueden informar en forma incorrecta sobre la verdadera magnitud del número de infecciones en una epidemia. Lipsitch y cols., en el año 2009 propusieron una forma alternativa para dar cuenta de la notificación de casos durante las epidemias: identificar una muestra de la población a ser monitoreada estrictamente por las instituciones de salud en localidades centinelas y luego desarrollar un parámetro de corrección para una estimación precisa de los casos posteriores¹⁰. Aunque este método necesita una evaluación robusta, puede mitigar la fatiga de la vigilancia mediante la corrección del número de notificaciones durante las epidemias y podría ayudar a asignar recursos efectivamente incluso en escenarios de fatiga de vigilancia¹⁰.

La epidemiología moderna se enfrenta a cambios dramáticos en la distribución e incidencia de las enfermedades infecciosas. Estos cambios pueden estar asociados con una alta densidad de población, una mayor conectividad entre los países y cambios en el uso de la tierra. En epidemiología, nuevos conceptos son necesarios para representar patrones de enfermedad en un mundo cambiante para tener un marco conceptual actualizado entre los profesionales de la salud.

Agradecimientos. Los autores agradecen a Dennis Guerra-Centeno por su revisión del latín y a Huijie Qiao por la discusión del término.

 

Referencias bibliográficas

1.- Broutet N, Krauer F, Riesen M, Khalakdina A, Almiron M, Aldighieri S, et al. Zika virus as a cause of neurologic disorders. N Engl J Med 2016; 374: 1506-9.

2.- Nsubuga P, White M E, Thacker S B, Anderson M A, Blount S B, Broome C V, et al. Chapter 53: Public health surveillance: a tool for targeting and monitoring interventions. Jamison D T, Breman J G, Measham A R, et al. editors. Disease control priorities in developing countries, 2nd ed. Washington, DC, USA: World Bank and Oxford University Press; 2006, p. 997-1015.

3.- Hitchcock P, Chamberlain A, Van Wagoner M, Inglesby T V, O'Toole T. Challenges to global surveillance and response to infectious disease outbreaks of international importance. Biosecur Bioterror 2007; 5: 206-27.

4.- Escobar L E, Qiao H, Peterson A T. Forecasting Chikungunya spread in the Americas via data-driven empirical approaches. Parasit Vectors 2016; 9: 112.

5.- Frieden T R. Government's role in protecting health and safety. N Engl J Med 2013; 368: 1857-9.

6.- Atkins K E, Wenzel N S, Ndeffo-Mbah M, Altice F L, Townsend J P, Galvani A P. Under-reporting and case fatality estimates for emerging epidemics. Br Med J 2015; 350: h1115.

7.- Briand S, Mounts A, Chamberland M. Challenges of global surveillance during an influenza pandemic. Public Health 2011; 125: 247-56.

8.- World Health Organization. WHO: Ebola Response Roadmap Situation Report-8 October 2014. WHO 2014: 1-10. http://apps.who.int/iris/bitstream/10665/136020/1/roadmapsitrep_8Oct2014_eng.pdf (accessed May 7, 2016).

9.- Rossetto E V, Luna E J. Reporting delay during the yellow fever outbreak, Angola. Rev Inst Med Trop São Paulo 2016; 58: 91.

10.- Lipsitch M, Hayden F G, Cowling B J, Leung G M. How to maintain surveillance for novel influenza A H1N1 when there are too many cases to count. Lancet 2009; 374: 1209-11.

 

---

Recibido: 5 de agosto de 2016
Aceptado: 14 de marzo de 2017

Conflicto de intereses. Los autores declaran la ausencia de conflictos de interés.

Fuente de financiamiento: Este manuscrito no fue financiado por ningún fondo.

Correspondencia a: Luis E. Escobar
lescobar@umn.edu