Últimas 15minutos

Con este modelo informático es posible predecir la propagación del coronavirus en las ciudades

Se basó en una muestra de 98 millones de personas y sus movimientos cotidianos en 10 urbes estadounidenses

El estudio publicado este martes en la revista Nature fusiona datos demográficos, estimaciones epidemiológicas e información anónima (Europa Press)

15 minutos. Un equipo de investigación creó un modelo informático que predijo la propagación del coronavirus en 10 ciudades, analizando 3 factores que impulsan el riesgo de infección: a dónde van las personas durante el día, cuántas visitan un lugar al mismo tiempo y su permanencia.

"Creamos un modelo informático para analizar cómo visitan las personas, de diferentes orígenes demográficos y vecindarios, los espacios más o menos concurridos. Basándonos en todo, esto pudimos predecir la probabilidad de que ocurran nuevas infecciones en cualquier momento dado, lugar o tiempo", señaló el científico informático, Jure Leskovec.

El estudio, publicado este martes en la revista Nature, fusiona datos demográficos, estimaciones epidemiológicas e información anónima.

La investigación concluye que la mayoría de las transmisiones del coronavirus ocurre en sitios "superdifusores", como los restaurantes de servicio completo, gimnasios y cafés.

Los expertos señalaron que su modelo podría servir como una herramienta para minimizar la propagación del coronavirus, tras la apertura de los negocios, cuando las economías se debaten entre las compensación económica, el aumento de los contagios y las pérdidas de las ventas.

Propagación del coronavirus

Según el profesor de sociología de la Universidad de Stanford, David Grusky, la capacidad predictiva es particularmente valiosa porque genera nuevos conocimientos útiles sobre los factores relacionados con las tasas de infección desproporcionadas.

"En el pasado, se suponía que estas disparidades eran impulsadas por condiciones preexistentes y un acceso desigual a la atención médica. Sin embargo, nuestro modelo sugiere que los patrones de movilidad también ayudan a impulsar estos riesgos desproporcionados", aseguró.

Grusky fue más allá, precisando que la apertura de negocios con límites de ocupación más bajos tiende a beneficiar a los grupos desfavorecidos.

Leskovec añadió que el modelo evidencia que las políticas de confinamiento domiciliario, promulgadas esta primavera, redujeron la cantidad de salidas y desaceleraron las nuevas infecciones.

"Tenemos la responsabilidad de elaborar planes de reapertura que eliminen, o al menos reduzcan, las disparidades que están creando las prácticas actuales", dijo.

Metodología

El estudio rastreó durante 10 días los movimientos de 98 millones de personas, ubicadas en una decena de áreas metropolitanas de Estados Unidos (EEUU). A saber: Nueva York, Los Ángeles, Chicago, Dallas, Washington DC, Houston, Atlanta, Miami, Filadelfia y San Francisco. Siguieron sus pasos en medio millón de establecimientos diferentes.

La empresa que agrega ubicaciones anonimizadas, SafeGraph, les informó qué establecimientos visitaban las personas a diario, en una muestra de 553.000 locales que incluía espacios religiosos o ferreterías. Además, por cuánto tiempo; y lo más importante, cuántos metros cuadrados de superficie tenía cada establecimiento. Todo esto para permitirles calcular la densidad de ocupación por hora.

Los datos fueron analizados en 2 fases distintas.

En la primera, alimentaron su modelo con datos de movilidad y diseñaron su mecanismo para calcular una variable epidemiológica: la tasa de transmisión vírica en diversas circunstancias.

En su modelo, los investigadores desarrollaron y refinaron una serie de ecuaciones para estimar la probabilidad de eventos infecciosos en diferentes lugares y momentos. Aunque efectuar determinaciones taxativas es ilusorio.

También incorporaron otro dato: cuántas infecciones por COVID-19 se informaron a los funcionarios de salud en cada ciudad cada día.

En la segunda, probaron su modelo multiplicando la tasa de cada ciudad con su base de datos de patrones de movilidad. El objetivo era predecir nuevas infecciones por COVID-19 y las predicciones implementaron informes sanitarios.

El estudio reveló que para las poblaciones no blancas comprar alimentos es 2 veces más arriesgado que para los blancos. "Al fusionar los conjuntos de datos, usamos nuestro modelo para analizar la eficacia y la equidad de las diferentes políticas de reapertura".

"En principio, cualquier persona puede utilizar este modelo para comprender las consecuencias de decisiones políticas", añadió Leskovec,

Ver más