Analizan la efectividad de las estrategias de distanciamiento social ante una epidemia
En la mayoría de casos, si no se mantienen las medidas durante un tiempo prolongado, existe una alta probabilidad de un segundo brote. El confinamiento completo de la población ante una epidemia como el COVID-19 es una estrategia que requiere la adopción de medidas activas después del mismo para maximizar su eficacia, como la realización de pruebas de diagnóstico a gran escala, el aislamiento de personas con síntomas y la identificación de sus contactos.
.
Photo by Timon Studler on Unsplash
.
.
Los resultados, basados en modelos matemáticos y datos reales del flujo de movimientos de individuos, indican que un confinamiento completo de la población requiere tomar medidas activas después, ya que, de no ser así, se produciría un nuevo brote. “Utilizando matrices de contacto a este nivel de detalle podemos saber el efecto de estrategias como cerrar escuelas, trabajos o incluso restaurantes u otros sitios no esenciales”, explica el profesor del Departamento de Matemáticas de la Universidad Carlos III de Madrid (UC3)M y coautor del estudio, Esteban Moro, actualmente profesor visitante en el Media Lab del MIT.
“Ante la necesidad de adoptar medidas para contener y erradicar la actual pandemia de COVID-19, hemos simulado la evolución de la epidemia en una población real -en este caso del área de Boston... nuestros modelos nos indican que, en casi todos los escenarios, una nueva ola de infecciones es muy probable. La conclusión fundamental es que se deben combinar políticas de contención pasivas con otras más agresivas”, señala Yamir Moreno, físico teórico, coautor del estudio y responsable del Grupo de Redes y Sistemas Complejos (COSNET) del Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza.
Para realizar esta investigación, el equipo de científicos ha utilizado datos de movilidad real de usuarios de teléfonos móviles en EEUU cedidos por el programa Data for good de Cuebiq Inc., una empresa que recoge las ubicaciones de los usuarios y las agrega de forma anónima. Además, han analizado datos del censo del área de Boston para construir una red de ubicación conjunta en tres capas (comunidad, escuelas y hogares) y han empleado un modelo SEIR para la modelización de la propagación de epidemias. “También estamos trabajando actualmente con datos actualizados de movilidad en la ciudad de Nueva York, que es el epicentro actual de la epidemia en EEUU”, señala Esteban Moro. “Si los datos de movilidad de alta resolución están disponibles, nuestro enfoque puede replicarse fácilmente para nuevas ciudades o países para medir el impacto de las estrategias de distancia social ante la epidemia”, añade.
Esta investigación trata de obtener datos que ayuden a evaluar el impacto de las estrategias de distanciamiento social que se están adoptando en los diferentes países para luchar contra el COVID-19, así como el tiempo que deben estar vigentes o cuál es la más efectiva actualmente. Además, también se analizan las probabilidades de que pueda surgir un segundo brote más adelante o cuál sería la mejor manera de prepararse ante una hipotética segunda oleada.
Estos resultados preliminares han sido publicados en abierto bajo una licencia Creative Commons en una web para que estén a disposición de autoridades y de la comunidad científica, para poder utilizarlos, contrastarlos e ir actualizando y optimizando los análisis con nuevos datos. En este trabajo, realizado en respuesta a la crisis sanitaria provocada por el COVID-19, colabora también la empresa madrileña Zensei Technologies S.L.
“Ante la necesidad de adoptar medidas para contener y erradicar la actual pandemia de COVID-19, hemos simulado la evolución de la epidemia en una población real -en este caso del área de Boston... nuestros modelos nos indican que, en casi todos los escenarios, una nueva ola de infecciones es muy probable. La conclusión fundamental es que se deben combinar políticas de contención pasivas con otras más agresivas”, señala Yamir Moreno, físico teórico, coautor del estudio y responsable del Grupo de Redes y Sistemas Complejos (COSNET) del Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza.
Para realizar esta investigación, el equipo de científicos ha utilizado datos de movilidad real de usuarios de teléfonos móviles en EEUU cedidos por el programa Data for good de Cuebiq Inc., una empresa que recoge las ubicaciones de los usuarios y las agrega de forma anónima. Además, han analizado datos del censo del área de Boston para construir una red de ubicación conjunta en tres capas (comunidad, escuelas y hogares) y han empleado un modelo SEIR para la modelización de la propagación de epidemias. “También estamos trabajando actualmente con datos actualizados de movilidad en la ciudad de Nueva York, que es el epicentro actual de la epidemia en EEUU”, señala Esteban Moro. “Si los datos de movilidad de alta resolución están disponibles, nuestro enfoque puede replicarse fácilmente para nuevas ciudades o países para medir el impacto de las estrategias de distancia social ante la epidemia”, añade.
Esta investigación trata de obtener datos que ayuden a evaluar el impacto de las estrategias de distanciamiento social que se están adoptando en los diferentes países para luchar contra el COVID-19, así como el tiempo que deben estar vigentes o cuál es la más efectiva actualmente. Además, también se analizan las probabilidades de que pueda surgir un segundo brote más adelante o cuál sería la mejor manera de prepararse ante una hipotética segunda oleada.
Estos resultados preliminares han sido publicados en abierto bajo una licencia Creative Commons en una web para que estén a disposición de autoridades y de la comunidad científica, para poder utilizarlos, contrastarlos e ir actualizando y optimizando los análisis con nuevos datos. En este trabajo, realizado en respuesta a la crisis sanitaria provocada por el COVID-19, colabora también la empresa madrileña Zensei Technologies S.L.
.
Trabajo de referencia | Effectiveness of social distancing strategies for protecting a community from a pandemic with a data driven contact network based on census and real-world mobility data. David Martín-Calvo, Alberto Aleta, Alex Pentland, Yamir Moreno, Esteban Moro. https://covid-19-sds.github.io
.
FUENTE | Universidad Carlos III de Madrid
.
• ETIQUETAS • Sociedad • COVID-19 • Coronavirus • Salud •
.
.
.
.
CONTENIDO RELACIONADO
.
.
0 comentarios: