Investigadores usan datos públicos para pronosticar nuevos casos de coronavirus
Jaideep Ray y Cosmin Safta usan datos registrados y una tasa de infección calculada para predecir futuros casos de coronavirus. Este ejemplo se basa en datos de Nuevo México del 12 de abril al 28 de mayo que luego se usaron para pronosticar nuevos casos de COVID-19 entre el 28 de mayo y el 7 de junio. Crédito: Sydney Spruiell
Redes de datos globales que conectan a las personas a través de sus dispositivos han hecho posible crear pronósticos precisos a corto plazo de nuevos casos de COVID-19, utilizando un método iniciado por dos investigadores de Sandia National Laboratories.
Jaideep Ray y Cosmin Safta usaron un modelo desarrollado por Ray hace más de una década para rastrear epidemias de peste usando estadísticas. Para COVID-19, también recurrieron al consejo de sus compañeros de trabajo de Sandia con experiencia en modelado, matemáticas e ingeniería de software.
«Empecé a usar este método por primera vez en 2008-09. Cosmin y yo lo adaptamos en 2010 para rastrear enfermedades similares a la influenza», dijo Ray. «Cuando el COVID-19 comenzó a propagarse tan rápidamente, sabíamos que podíamos usar el mismo método para ayudar a pronosticar el brote».
Ray y Safta usan datos disponibles públicamente de los Centros para el Control y la Prevención de Enfermedades, The Repositorio de datos del New York Times, Universidad Johns Hopkins y varios departamentos de salud estatales. En cuestión de minutos, y sin necesidad de recursos informáticos de alto rendimiento, los investigadores pueden pronosticar nuevos casos en una región oa nivel nacional durante los próximos siete a 10 días. Desde abril, la cantidad de casos nuevos ha seguido aproximadamente las tendencias predichas por Ray y Safta.
«Este método es una forma relativamente fácil y económica de obtener pronósticos a corto plazo sobre los nuevos casos de coronavirus que los tomadores de decisiones puede utilizar para asignar recursos de atención de la salud y la respuesta», explicó Safta. «Este método es mucho más fácil y económico que los métodos que requieren computadoras y mano de obra más sólidas».
El rango de precisión de las predicciones varía según la cantidad de días que Safta y Ray intentan pronosticar. Por lo tanto, si bien la cantidad de casos generalmente ha seguido las tendencias predichas en el modelo dentro de siete a 10 días, el método no es útil para predecir más de 10 días.
«Los pronósticos vienen con un rango dentro de que los usuarios pueden esperar que la realidad mienta», dijo Ray. «El rango cambia a diario según los datos, pero el modelo garantiza que el usuario pueda tener un 95 % de confianza de que la realidad se encontrará dentro del rango».
El proyecto, que fue financiado a través de la Investigación Dirigida por el Laboratorio de Sandia y El programa de desarrollo proporcionó resultados nacionales al equipo del Laboratorio Nacional de Biotecnología Virtual para su publicación en un tablero administrado por el DOE (financiado por la Oficina de Ciencias del Departamento de Energía de EE. UU.) para los tomadores de decisiones federales. También se proporcionaron resultados específicos al Departamento de Salud de Nuevo México para guiar las respuestas regionales en todo el estado.
Los datos revelados por los pronósticos también pueden medir el impacto de las intervenciones a lo largo del tiempo. Ray y Safta dijeron que responder rápidamente para proporcionar datos sobre brotes emergentes no habría sido posible hace cinco años.
«Dado que estamos tan conectados hoy, es posible obtener una cantidad precisa de casos de COVID-19 en al día y hacerlo llegar a todo el mundo en un período de 24 horas», dijo Ray. «Hace diez años, incluso hace cinco años, no podías obtener estos datos. En 2015, con el brote de ébola, cuando obtuvieron los datos, no tenía sentido intentar hacer un pronóstico porque ya estaba desactualizado e inútil». tomadores de decisiones».
«Para la situación actual de COVID-19, tener más fuentes de datos ayuda dramáticamente a nuestra capacidad de crear pronósticos a corto plazo para informar las decisiones de salud pública», concluyó Safta.
Explore más
Por qué los pronósticos a corto plazo pueden ser mejores que los modelos para predecir cómo evolucionan las pandemias Proporcionado por Sandia National Laboratories Cita: Los investigadores usan datos públicos para pronosticar nuevos casos de coronavirus (2020, 30 de junio) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-06-coronavirus-cases.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.