El equipo de Stanford usa datos para ayudar a California a rastrear y prevenir el COVID-19

A medida que la pandemia de COVID-19 comienza a aumentar nuevamente en California, un equipo de expertos en modelos de Stanford está trabajando día y noche para incorporar datos en una nueva evaluación herramienta que está ayudando a los hospitales de California y a los funcionarios de salud pública a determinar sus próximos pasos.

La herramienta de evaluación de COVID-19 de California, o CalCAT, contiene evaluaciones de la propagación de COVID-19 en pronósticos a corto plazo de tendencias de la enfermedad y presenta escenarios del curso de la enfermedad en los 21 condados que representan el 95 % del total casos en el Estado Dorado.

En lugar de confiar en uno o dos modelos de proyección como lo hicieron algunos países y estados de EE. UU. cuando la pandemia llegó por primera vez a sus costas, la herramienta CalCAT incorpora estimaciones de COVID-19 de varias organizaciones respetadas, incluidas Stanford, UCLA, MIT, Universidad Johns Hopkins y el Imperial College de Londres. RAND Corporation se enfoca en escenarios a largo plazo si se levantan las órdenes de refugio en el lugar y se reabren negocios y escuelas no esenciales.

«Es como usar la sabiduría de la multitud», dijo Jeremy Goldhaber-Fiebert , profesor asociado de medicina en Stanford Health Policy y uno de los principales investigadores del Modelo de simulación de coronavirus Stanford-CIDE, o SC-COSMO. «En lugar de colgarse el sombrero en un modelo, está buscando una variedad de predicciones para ayudarlo a planificar y pronosticar y aprovechar toda la comunidad de investigadores y analistas que están trabajando en este problema».

El El proyecto SC-COSMO ha atraído a profesores, investigadores, estudiantes de posgrado y de medicina de Stanford para trabajar en las estimaciones de la enfermedad. También están trabajando con el sistema penitenciario de California y funcionarios de salud pública en India y México para ayudar a prevenir la propagación de COVID-19.

El modelo SC-COSMO también incorpora intervenciones no farmacéuticas, como recomendaciones sobre distanciamiento social y el momento y los efectos en la reducción de contactos que pueden diferir según la demografía.

Cuando el gobernador Gavin Newsom dio a conocer CalCAT en una conferencia de prensa a fines de junio, instruyó a todas las agencias y departamentos estatales a hacer COVID- 19 datos de acceso público, siempre que no incluyan información que viole la privacidad.

«California es el hogar de algunos de los investigadores, tecnólogos, científicos, universidades aclamadas y empresas de tecnología líderes más exitosos del mundo», Newsom . «Si bien estos modelos y pronósticos hacen suposiciones diferentes, todos muestran que las acciones individuales pueden cambiar drásticamente la trayectoria del virus».

La herramienta CalCAT incluye:

• » Nowcasts», la velocidad a la que se estima que se propagará el COVID-19;
• Pronósticos a corto plazo, que muestran lo que varios modelos predicen que sucederá durante las próximas semanas en California;
• Y escenarios que muestran lo que podría suceder en los próximos meses bajo diversas condiciones.

Alrededor de 20 profesores y estudiantes graduados, de derecho y de medicina de Stanford están involucrados en el proyecto.

«Me encanta modelar enfermedades infecciosas porque puedo centrarme en investigaciones impactantes y trabajar con excelentes equipos interdisciplinarios de investigadores como el equipo SC-COSMO», dijo Anneke Claypool, Ph.D. estudiante de ciencias administrativas e ingenieria. «COVID-19 ha afectado la vida diaria de todos y me complace ayudar al estado de California a combatir este virus mortal».

El proyecto proporciona al estado estimaciones de COVID-19 a nivel de condado, incluido el número de contagios y casos detectados y proyecciones de necesidades futuras de hospitales. También están desarrollando herramientas intuitivas para aquellos que no son expertos en modelado.

Tess Ryckman, Ph.D. estudiante de Stanford Health Policy enfocada en la ciencia de la toma de decisiones, dijo que trabajar en el equipo le enseñó nuevas habilidades y pulió su experiencia. «He estado en una trayectoria de aprendizaje acelerado en los últimos meses y he adquirido muchas habilidades de codificación y modelado que serán valiosas para mí no solo en mi investigación actual sino también en mi futura carrera», dijo. «También siento que estoy aprovechando mucho de lo que aprendí durante mi formación de doctorado al aplicarlo a un tema tan apremiante e importante».

Cómo leer CalCATIngredients de un modelo

Para aquellos que no son expertos en modelado, leer la herramienta CalCAT puede ser un desafío.

Goldhaber-Fiebert explica que la medida principal de la herramienta es el número de reproducción efectivo conocido como el R-efectivo, que es el número promedio de personas a las que es probable que cada persona infectada transmita el virus. También representa la velocidad a la que se propaga el COVID-19.

Él explica que si el R-efectivo está por encima de 1, eso significa que la infección está creciendo y sería una señal de preocupación. Eso podría ayudar al estado a concentrarse en los condados que son de particular preocupación y a los hospitales a preparar sus UCI y aumentar su suministro de EPP.

A partir del martes 13 de julio, por ejemplo, el número R efectivo era 1.09 para el condado de Los Ángeles, en comparación con 1.05 en el condado de San Francisco. El R-efectivo general para California fue 1.12.

El equipo obtiene sus datos de un conjunto de fuentes de datos.

«La primera es prestar atención a la literatura clínica y epidemiológica que se está publicado y prepublicado, y ahí es donde entra Jason». Jason Andrews, otro investigador principal del proyecto de modelado SC-COSMO, es médico de enfermedades infecciosas y profesor asociado de medicina en Stanford Medicine.

También obtienen fuentes de datos seguras del estado. Luego, los analistas de datos del equipo, Kim Babiarz y Lea Prince de SHP, realizan un análisis granular de casos, pruebas, hospitalizaciones y series de muertes para crear objetivos para la calibración del modelo y refinar las entradas del modelo.

Finalmente, rastrean numerosas sitios de datos, como la Oficina del Censo de EE. UU. para datos demográficos, y Google Mobility y Foursquare, que rastrean el movimiento de personas después de que las órdenes de salud pública entran en vigencia. Después de que seis condados en el Área de la Bahía emitieran su orden de refugio en el lugar el 16 de marzo, podrían ver una gran reducción en la movilidad.

«Todos esos datos finalmente dan como resultado la capacidad del modelo para hacer una gama de proyecciones futuras que son consistentes con lo que sucedió en el pasado y luego la incertidumbre en estas proyecciones se amplía a medida que avanza en el tiempo», dijo Goldhaber-Fiebert. «La parte complicada, por supuesto, es que siempre hay un retraso en ver los efectos en los datos, especialmente cuando cambian las intervenciones y las políticas», agregó. «Es como cuando intentas girar un barco grande, giras el timón, pero el barco tarda un rato en girar».

Explore más

Lanzamiento de un nuevo marco de modelado para investigar el COVID-19 Proporcionado por la Universidad de Stanford Cita: El equipo de Stanford usa datos para ayudar a California a rastrear y prevenir el COVID-19 (24 de julio de 2020 ) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-stanford-team-california-track-covid-.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.