En 2024, formé parte de un equipo que publicó una revisión epidemiológica retrospectiva de los datos de vigilancia de la Mpox del estado de Imo, Nigeria, correspondientes al período 2017-2023. Analizamos 231 casos sospechosos en 27 Áreas de Gobierno Local. De ellos, 49 fueron confirmados positivos, lo que representa una tasa de confirmación del 21,2%, con una tasa de letalidad del 8%.
Las cifras cuentan parte de la historia. Lo que no capturan es lo que la investigación reveló sobre el estado de la vigilancia de enfermedades en Nigeria, y lo que esto significa para el diseño de mejores sistemas.
El hallazgo más llamativo fue la agrupación geográfica. Ocho distritos concentraron el 71% de los casos sospechosos, a pesar de representar solo el 32% de la población. Esto no es inusual en la epidemiología de brotes. Los patrones de agrupación señalan factores de riesgo subyacentes: proximidad a reservorios de fauna silvestre, exposiciones ocupacionales específicas, comportamientos comunitarios o brechas en el acceso a la atención médica. Pero la investigación también reveló algo sobre nuestro sistema de vigilancia: nuestra capacidad para detectar y notificar casos era desigual en todo el estado.
Los distritos con mejor infraestructura sanitaria notificaron más casos. Esto puede parecer obvio, pero tiene una implicación crítica. Un número elevado de casos en zonas con más recursos puede reflejar una mejor detección, no una mayor transmisión. Un número bajo de casos en zonas con menos recursos puede reflejar brechas en la capacidad de vigilancia, no la ausencia de la enfermedad. Cualquier sistema de vigilancia que trate los casos notificados como prevalencia real, sin ajustar por la capacidad de detección, generará conclusiones engañosas.
Es aquí donde las herramientas de salud digital pueden marcar una diferencia transformadora. Un sistema de vigilancia que digitaliza la notificación de casos, estandariza la recopilación de datos en las 27 Áreas de Gobierno Local y realiza un seguimiento simultáneo tanto del número de casos como de las tasas de notificación ofrece una imagen fundamentalmente distinta. Permite ver no solo dónde se está detectando la enfermedad, sino también dónde podría estar oculta.
La otra lección del estado de Imo fue el valor de los datos históricos. Nuestro conjunto de datos abarcaba seis años. Esa profundidad temporal nos permitió identificar tendencias, patrones estacionales y cambios en la distribución por edad que una instantánea de un solo año habría pasado por alto. Mantener los sistemas de vigilancia a lo largo de ciclos políticos y cambios presupuestarios es uno de los problemas más difíciles de la salud pública. También es uno de los más importantes.
Para cualquier sistema de salud que esté invirtiendo actualmente en infraestructura de vigilancia, las prioridades que recomendaría son: la notificación digital de casos que funcione en teléfonos inteligentes básicos, las definiciones de caso estandarizadas que se apliquen en el punto de entrada de datos, y un ciclo de retroalimentación que devuelva los datos a nivel distrital a los trabajadores de salud que los recopilaron. Este último punto está subvalorado. Los trabajadores de salud que ven que sus datos se utilizan y se les devuelven se convierten en mejores agentes de vigilancia. Aquellos que notifican hacia el vacío eventualmente dejan de notificar con cuidado.
La investigación de la Mpox reforzó mi convicción de que la vigilancia no es solo una función técnica. Es un sistema de confianza entre las comunidades, los trabajadores de salud y las instituciones. Las herramientas digitales pueden fortalecer ese sistema, pero solo si se diseñan con las personas en el centro, y no a su alrededor.