Ayudando a rastrear y reducir las infecciones por COVID-19 en el noreste de Brasil
Imágenes de drones sobre un mercado en Pernambuco. Crédito: Profesor JonesAlbuquerque
Una combinación de drones térmicos, inteligencia artificial y modelos matemáticos está ayudando a los científicos a rastrear y reducir la propagación de COVID-19 en el noreste de Brasil: una de una serie de iniciativas innovadoras de investigación sobre coronavirus en curso que está llevando a cabo UCL y científicos en Brasil.
Modelando la propagación de COVID-19 en Pernambuco
Trabajando con científicos del Instituto de Reducción de Riesgos y Desastres de Pernambuco (IRRD-PE) y la iniciativa COVID SGIS, que están afiliados a la Universidad Federal de Pernambuco, han desarrollado herramientas sofisticadas de predicción y mapeo utilizando aprendizaje automático de IA que, combinado con imágenes térmicas de drones y datos hospitalarios de infección por COVID, permite al equipo predecir dónde se propagará el virus a continuación. Esta información brinda una alerta temprana a las autoridades de salud pública y las comunidades locales.
Para lograr este objetivo, el IRRD-PE coopera estrechamente con el Gobierno del Estado de Pernambuco y el Ayuntamiento de Recife de la capital del estado.
La profesora Kostkova, del Centro IRDR de Salud Pública Digital en Emergencias de la UCL, quien asesora formalmente al IRRD-PE, ha estado trabajando con la UFPE en el desarrollo de herramientas de alerta temprana, utilizando tecnología de vigilancia móvil, para predecir los movimientos y la dinámica de poblaciones de mosquitos en el noreste de Brasil para combatir el virus Zika.
«Nuestro objetivo específico es garantizar que todos los datos del mapeo de geolocalización, las estimaciones de reuniones masivas de cámaras térmicas de drones y los casos confirmados en laboratorio de infección por COVID-19 se utilicen de manera efectiva casi en tiempo real», dijo. dijo.
«A través del modelado espacio-temporal, generamos predicciones para los casos de COVID-19 para los próximos días con alta precisión. Dichos mapas de calor se producen para todos los estados federales brasileños en función de datos oficiales e informales colaborativos. Es importante destacar que los datos de COVID-19 generados se publican diariamente en el sitio web de IRRD-PE y ayudan a guiar estrategias óptimas para salvar vidas».
El número actual de casos confirmados de COVID-19 en Brasil supera los 1,6 millones, solo EE. UU. tiene más con más de 3 millones de casos, mientras que el Reino Unido tiene alrededor de 285 000 casos.
Según los investigadores, la herramienta de modelado única que han desarrollado está ganando rápidamente reconocimiento internacional.
Profesor Kostkova agregó: «Este modelo espacial-temporal basado en datos proporcionó un oído significativo mente señales de advertencia a las autoridades de salud pública una semana antes del crecimiento real en el número de casos confirmados. De hecho, se espera que este innovador modelo de predicción que utiliza aprendizaje automático y modelos matemáticos que combinan conjuntos de datos heterogéneos informe sobre posibles pandemias futuras o, de hecho, ayude a predecir una segunda ola de COVID-19. La ciencia de datos juega un papel importante para la alerta temprana, pero no puede reemplazar la respuesta tradicional de salud pública: mensajes de salud pública consistentes, pruebas, rastreo de contactos y aislamiento».
En Brasil, el estado de Pernambuco se clasifica regularmente como el que tiene la los mejores datos de vigilancia evaluados por Open Knowledge Brasil y utilizando el seguimiento de la infección por COVID-19 de IRRD-PE y COVID SGIS, se estableció que los puntos calientes de infección están a lo largo de la ruta de la carretera federal BR-232 en Pernambuco. permitió que el virus se propague rápidamente desde la capital del estado, Recife, con su aeropuerto internacional y un área urbana de 4 millones, hacia las ciudades pequeñas y medianas del estado de Pernambuco.
El profesor Albuquerque, quien fue un científico investigador de la UCL de 2017 a 2018, dijo: «Modelar la dinámica epidemiológica de COVID-19 es completamente nuevo para todos. Nuestra asociación a largo plazo con la Facultad de Medicina de la UCL y el Centro IRDR de Salud Pública Digital en Emergencias de la UCL fue esencial para crear una plataforma de vigilancia epidemiológica que ayudara a Brasil».
Mensajes de salud pública
En Brasil, Las políticas e iniciativas de salud pública se llevan a cabo a nivel estatal y los investigadores dicen que estas políticas y prioridades a menudo difieren significativamente del gobierno nacional del gobierno federal de Brasil.
Con esto en mente, la profesora Kostkova y sus colegas del UCL IRDR Center para la Salud Pública Digital en Emergencias, están trabajando con la UFPE, en un estudio que analiza el análisis de las redes sociales de los mensajes de Twitter por parte de las autoridades de salud pública y el gobierno de Brasil.
Ella dijo: «El objetivo es comprender mejor el nivel de desinformación sobre el COVID-19 dentro de Brasil, en parte debido a políticas confusas o contradictorias sancionadas por el Gobierno Federal y el Presidente».
Además, para apoyar al Gobierno del Estado de Pernambuco, Pro La profesora Kostkova y el profesor emérito Jim Owen han grabado videos de salud pública que se han transmitido en todo el estado. Los científicos universitarios en Brasil son muy respetados en las diferentes culturas, por lo que las voces de expertos externos que apoyan los mensajes de salud de COVID-19 se diseñaron para fortalecer la estrategia de confinamiento del estado.
Explore más
El uso de mascarillas puede mitigar la propagación de COVID-19 Proporcionado por University College London Cita: Ayudar a rastrear y reducir las infecciones por COVID-19 en el noreste de Brasil (2020, 14 de julio) ) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-track-covid-infections-northeast-brazil.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.