Un modelo matemático para predecir la propagación del coronavirus en ciudades

Un modelo matemático para predecir la propagación del coronavirus en ciudades

Publicado en Página el 12 el 11 de noviembre de 2020 –

Un equipo de investigadores ha creado un modelo matemático para predecir la propagación del coronavirus en ciudades mediante el análisis de tres variables: a dónde van las personas a lo largo del día, cuánto tiempo permanecen y cuántas personas visitan el mismo lugar al mismo tiempo. Según los científicos, este modelo puede ayudar a prevenir el aumento de casos de covid-19.

«Creamos un modelo informático para analizar cómo personas de diferentes orígenes demográficos y de diferentes vecindarios visitan diferentes tipos de lugares que están más o menos concurridos. Basándonos en todo esto pudimos predecir la probabilidad de que ocurran nuevas infecciones en cualquier momento dado, lugar o tiempo», explica Jure Leskovec, científico informático de la Universidad de Stanford, en Estados Unidos, que dirigió este trabajo en el que también participaron investigadores de la Universidad Northwestern.

Dónde se dan los contagios

El estudio, publicado esta semana en la prestigiosa revista científica “Nature”, combina datos demográficos de las ciudades analizadas, los reportes epidemiológicos y movilidad de las personas, recogidos a través de la ubicación de los teléfonos celulares. Los resultados arrojaron que la mayoría de las transmisiones del virus ocurren en lugares “superdifusores”: restaurantes, bares y gimnasios, donde las personas están en espacios cerrados durante mayor cantidad de tiempo.

Los investigadores aseguran que la especificidad de su modelo puede servir como una herramienta para que los funcionarios públicos logren implementar medidas para reducir los contagios a medida que reabren los comercios.

El coautor del estudio, David Grusky, profesor de sociología en la Facultad de Humanidades y Ciencias de Stanford, señala que esta capacidad predictiva que tiene el modelo es muy valiosa porque proporciona nueva información sobre las minorías étnicas y las personas de bajos ingresos, donde se registraron más casos de coronavirus.

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

Según Grusky, el modelo muestra que la reapertura de negocios con límites de ocupación más bajos tiende a beneficiar a los grupos más desfavorecidos. «Debido a que los lugares que emplean a minorías y personas de bajos ingresos a menudo son más pequeños y están más abarrotados, los límites de ocupación en las tiendas reabiertas pueden reducir los riesgos que enfrentan”, alerta el investigador.

Grusky opina que “tenemos la responsabilidad de elaborar planes de reapertura que eliminen, o al menos reduzcan, las disparidades que están creando las prácticas actuales». La investigación, además, prueba que las medidas de confinamiento sirvieron para frenar la transmisión del virus.

Cómo se realizó el estudio

El estudio rastreó los movimientos de 98 millones de estadounidenses en 10 de las áreas metropolitanas más grandes del país -Nueva York, Los Ángeles, Chicago, Dallas, Washington, DC, Houston, Atlanta, Miami, Filadelfia y San Francisco- a través de medio millón de establecimientos comerciales

Luego, la compañía SafeGraph brindó datos de ubicación anonimizados de aplicaciones móviles que permitió que los investigadores vieran cuáles de los 553.000 lugares visitaban las personas, por cuánto tiempo y cuál era la superficie de cada uno de esos locales. Esto último ayudó a calcular la densidad de ocupación del espacio por hora

Los investigadores analizaron los datos del 8 de marzo al 9 de mayo en dos fases distintas. En la fase uno, alimentaron su modelo de datos de movilidad y diseñaron su sistema para calcular una variable epidemiológica crucial: la tasa de transmisión del virus en una variedad de circunstancias diferentes en las 10 áreas metropolitanas.

Además, los investigadores tuvieron en cuenta cuántos casos de coronavirus había en cada ciudad de acuerdo a los reportes epidemiológicos. Esto les permitió calcular la probabilidad de la transmisión del virus en diferentes lugares y momentos.

El modelo matemático

Durante la fase dos, los investigadores probaron su modelo matemático para predecir nuevos casos de covid-19. Las predicciones resultaron ser bastante cercanas a los reportes que brindaron con posterioridad los funcionarios de salud, o que les dio a los investigadores la pauta de la confiabilidad de su modelo.

Gracias a la investigación, los científicos pudieron demostrar cómo las personas de menores ingresos son quienes tuvieron que salir de su casa en más ocasiones durante la pandemia porque sus trabajos lo requieren y compran en establecimientos más pequeños y más concurridos que las personas con ingresos más altos, que pueden trabajar desde casa, utilizar el servicio de entrega a domicilio para evitar salir de sus hogares y concurren a locales más espaciosos.

El estudio reveló que las personas estadounidenses que no son blancas corren el doble de riesgo al comprar alimentos. «Al fusionar los conjuntos de datos de movilidad, demográficos y epidemiológicos, pudimos utilizar nuestro modelo para analizar la eficacia y la equidad de las diferentes políticas de reapertura», acota la estudiante de doctorado de Stanford, Serina Chang.

«En principio, cualquier persona puede utilizar este modelo para comprender las consecuencias de las diferentes decisiones de política de cierre de empresas y de quedarse en casa», concluye Leskovec.