Investigadores usan datos de dispositivos móviles para predecir brotes de COVID-19
Esta imagen de microscopio electrónico de transmisión muestra el SARS-CoV-2, también conocido como 2019-nCoV, el virus que causa el COVID-19, aislado de un paciente en EE. UU. . Se muestran partículas de virus emergiendo de la superficie de las células cultivadas en el laboratorio. Los picos en el borde exterior de las partículas de virus dan a los coronavirus su nombre, en forma de corona. Crédito: NIAID-RML
Los investigadores de la Escuela de Salud Pública de Yale pudieron predecir con precisión los brotes de COVID-19 en los municipios de Connecticut utilizando información de ubicación anónima de dispositivos móviles, según un nuevo estudio publicado en Science Advances.
El nuevo análisis aplicado en el estudio podría ayudar a los funcionarios de salud a detener los brotes comunitarios de COVID-19 y asignar los recursos de prueba de manera más eficiente, dijeron los investigadores.
El estudio fue realizado por científicos de datos y epidemiólogos de la la Escuela de Salud Pública de Yale, el Departamento de Salud Pública de Connecticut, los Centros para el Control y la Prevención de Enfermedades de EE. UU. y Whitespace Ltd., una empresa de análisis de datos espaciales.
La clave de los hallazgos fue la precisión con la que los investigadores pudieron identificar incidentes de contacto personal cercano de alta frecuencia (definido como un radio de 6 pies) en Connecticut hasta el nivel municipal. Los CDC aconsejan a las personas que mantengan al menos seis pies de distancia con los demás para evitar una posible transmisión de COVID-19.
«El contacto cercano entre personas es la ruta principal de transmisión del SARS-CoV-2, el virus que causa el COVID-19», dijo el autor principal del estudio, Forrest Crawford, profesor asociado de bioestadística en la Escuela de Salud Pública de Yale y profesor asociado de ecología y biología evolutiva, gestión, estadística y ciencia de datos en Yale.
«Medimos el contacto interpersonal cercano dentro de un radio de 6 pies en todo Connecticut utilizando datos de geolocalización de dispositivos móviles durante todo un año», dijo Crawford. «Este esfuerzo les dio a los epidemiólogos y legisladores de Connecticut información sobre el comportamiento de distanciamiento social de las personas en todo el estado».
Otros estudios han utilizado las llamadas «métricas de movilidad» como medidas indirectas para el comportamiento de distanciamiento social y la posible transmisión de COVID-19. Pero ese análisis puede ser erróneo.
«Las métricas de movilidad a menudo miden la distancia recorrida o el tiempo que se pasa fuera de un lugar, como su hogar», dijo Crawford. «Pero todos sabemos que es posible moverse mucho y aun así no acercarse mucho a otras personas. Por lo tanto, las métricas de movilidad no son un gran indicador del riesgo de transmisión. Creemos que el contacto cercano predice mejor las infecciones y los brotes locales».
Los hallazgos se basan en una revisión de datos de geolocalización de dispositivos móviles de Connecticut de febrero de 2020 a enero de 2021. Todos los datos se anonimizaron y agregaron, y no se recopiló información de identificación personal.
Un algoritmo novedoso calculó la probabilidad de eventos de contacto cercano en todo el estado (momentos en los que los dispositivos móviles estaban a menos de seis pies de distancia entre sí) en función de los datos de geolocalización. Luego, esa información se incorporó a un modelo estándar de transmisión de COVID-19 para predecir los niveles de casos de COVID-19 no solo en Connecticut, sino también en ciudades individuales de Connecticut, distritos censales y grupos de bloques censales.
Los investigadores dijeron que predijo con éxito una ola inicial de casos de COVID-19 en Connecticut de marzo a abril de 2020, una caída en los casos en todo el estado durante junio a agosto y brotes localizados en ciertas ciudades de Connecticut en agosto y septiembre.
Muchos funcionarios de salud confían actualmente sobre datos generales de vigilancia, como el número de casos confirmados, hospitalizaciones y muertes para rastrear la propagación de COVID-19. Pero ese proceso puede retrasar la transmisión real de la enfermedad por días y semanas. Analizar las tasas de contacto personal cercano es mucho más rápido, dijeron los investigadores.
«La tasa de contacto que desarrollamos en este estudio puede revelar condiciones de alto contacto que probablemente generen brotes locales y áreas donde los residentes tienen días de alto riesgo de transmisión. o semanas antes de que los casos resultantes se detecten mediante pruebas, investigaciones de casos tradicionales y rastreo de contactos», dijo Crawford.
Explore más
Riesgo de resurgimiento de la COVID-19 si Connecticut reabre demasiado pronto Más información: Forrest W. Crawford et al, Impacto del contacto interpersonal cercano en la incidencia de la COVID-19: Evidencia a partir de 1 año de datos de dispositivos móviles, Science Advances (2022). DOI: 10.1126/sciadv.abi5499 Información de la revista: Science Advances
Proporcionado por la Universidad de Yale Cita: Los investigadores usan datos de dispositivos móviles para predecir brotes de COVID-19 (2022, 31 de enero) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-01-mobile-device-covid-outbreaks.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.