La gripe aviar ha cobrado una nueva dimensión en los últimos años. A medida que el virus de influenza aviar altamente patógeno (IAAP), especialmente el subtipo H5N1 del clado 2.3.4.4b, se propaga entre aves silvestres, de corral e incluso mamíferos, crece la preocupación de que se convierta en un nuevo patógeno pandémico.
En este contexto, un reciente estudio multidisciplinar ha logrado identificar los factores ecológicos, climáticos y socioeconómicos que más contribuyen a los brotes de gripe aviar en Europa, y ha desarrollado modelos predictivos de alta resolución para anticiparlos con mayor precisión.
Utilizando herramientas avanzadas de aprendizaje automático, los investigadores analizaron datos de brotes de influenza aviar registrados entre 2006 y 2021 en aves de corral de toda Europa. El estudio incorporó más de 70 variables que incluían factores climáticos, características del entorno natural, densidad avícola, migración de aves silvestres e indicadores socioeconómicos. El objetivo: construir un modelo predictivo robusto que ayude a mejorar los sistemas de alerta temprana y guíe las estrategias de vigilancia centinela.
Tres variables clave que influyen en los brotes de gripe aviar
Entre los hallazgos más relevantes, el modelo identificó tres variables como las más influyentes para predecir los brotes: la densidad de aves de corral, la temperatura media del tercer trimestre del año y ciertos índices ambientales, como la presencia de agua superficial y vegetación. Estas variables permitieron predecir con alta precisión los momentos y lugares con mayor riesgo de brote.
«La gripe aviar ya no puede entenderse solo como una enfermedad de animales silvestres o confinada a granjas aisladas. Es un fenómeno ecológico complejo, impulsado por interacciones entre especies, cambios climáticos estacionales y actividades humanas», explican los autores en el trabajo.
El estudio también resalta el papel fundamental de determinadas especies de aves silvestres como vectores del virus. En particular, el cisne vulgar (Cygnus olor) emergió como un predictor potente en los modelos. Esta especie, presente en numerosas regiones de Europa y fácilmente identificable, ha sido implicada en brotes anteriores, especialmente durante los meses fríos, cuando el virus puede sobrevivir más tiempo en el ambiente.
Los modelos muestran que los brotes tienden a concentrarse en regiones agrícolas densamente pobladas y en climas fríos, especialmente en los primeros trimestres del año. El análisis sugiere que la congregación de aves migratorias en hábitats acuáticos durante el invierno y principios de la primavera puede facilitar el contacto entre especies y favorecer la transmisión del virus. En esta línea, la interacción entre factores climáticos (como la temperatura mínima del primer trimestre) y la presencia de ciertas especies de aves silvestres mostró una clara relación con la incidencia de brotes.
Aunque algunos estudios anteriores habían minimizado el papel de las aves silvestres, atribuyendo la propagación a factores comerciales o humanos, el presente trabajo demuestra una fuerte correlación genética entre los virus detectados en aves silvestres y los posteriores brotes en granjas avícolas. «Nuestros resultados subrayan la necesidad urgente de una vigilancia integrada entre aves silvestres y aves de corral. Ambos sistemas están íntimamente conectados y deben abordarse de forma conjunta», destacan los investigadores.
Vigilancia activa y pasiva
De hecho, la vigilancia activa y pasiva de estas especies es esencial para la detección temprana y la contención de brotes. Cuando se confirma un brote en animales, los países miembros de la Organización Mundial de Sanidad Animal (WOAH) deben notificarlo en un plazo de 24 horas a través del sistema WAHIS. Sin embargo, la sensibilidad de estos sistemas de notificación aún es limitada. Por ello, los modelos desarrollados podrían servir como una herramienta complementaria para mejorar su efectividad.
El potencial práctico del modelo va más allá de la predicción. Los autores proponen generar mapas de riesgo dinámicos, integrando datos de temperatura, densidad avícola y condiciones ecológicas, para informar campañas de bioseguridad, vacunación preventiva, restricciones de movimiento y otras intervenciones específicas. Por ejemplo, se podrían diseñar estrategias de «vacunación en anillo» en torno a granjas ubicadas en zonas de alto riesgo, ajustadas al calendario climático y migratorio.
Además, los modelos pueden actualizarse en tiempo real con nuevos datos ambientales o epidemiológicos, ofreciendo una herramienta de monitoreo continua. Esta capacidad de adaptación resulta especialmente útil en un contexto de cambio climático, donde las condiciones que influyen en la propagación del virus evolucionan rápidamente.
A pesar del alto rendimiento del modelo en variables ambientales y biológicas, el análisis mostró una influencia limitada de factores socioeconómicos como el PIB o la densidad humana. Los investigadores explican que esto puede deberse a la desalineación entre estas variables y los eventos de enfermedad en el tiempo y el espacio, o a su colinealidad con variables más potentes como la densidad avícola.
En cuanto a la salud humana, el estudio recuerda que ya se han producido infecciones por H5N1 en humanos, como el caso de un trabajador agrícola en Texas que en marzo de 2024 desarrolló conjuntivitis tras contacto con vacas infectadas, o el fallecimiento por H5N2 en el Estado de México. La creciente frecuencia de infecciones en mamíferos domésticos y salvajes refuerza la necesidad de abordar el problema bajo un enfoque One Health, que integre salud animal, salud ambiental y salud humana.
«Este estudio demuestra que estamos en condiciones de anticiparnos mejor a los brotes de gripe aviar si utilizamos las herramientas adecuadas», concluyen los autores. «La combinación de datos ecológicos de alta resolución, modelado avanzado y vigilancia activa podría marcar la diferencia en nuestra preparación ante futuras pandemias».
