Equipo de investigación publica nuevo y preciso ‘epidemómetro’ de COVID

Diagrama superior izquierdo: Curso de números de casos activos. Diagrama centro izquierda: Proporción susceptible de la población. Diagrama abajo a la izquierda: Impulsores exógenos agregados incl. evolución de las tasas de vacunación. Crédito: Universidad Tecnológica de Viena

La pandemia de COVID-19 aún plantea grandes desafíos en la gestión de crisis para los gobiernos y los sistemas de salud. Los modelos epidemiológicos juegan un papel fundamental en este esfuerzo, apoyando a los formuladores de políticas al predecir la progresión de la infección y las tasas de hospitalización en el futuro. Un desafío clave aquí es determinar estados epidemiológicos no medibles como la susceptibilidad a la infección en tiempo real.

Jóvenes investigadores de TU Wien han publicado un nuevo método que se puede utilizar para predecir de manera fácil y sólida la susceptibilidad de la población a la infección como resultado de una mutación viral basándose únicamente en datos oficiales disponibles. El curso de una pandemia está determinado por los denominados impulsores exógenos. Estos son, por ejemplo, el cambio de comportamiento social de la población, la movilidad o los confinamientos. Sin embargo, en la mayoría de los casos, los efectos de estos factores son desconocidos y, por lo tanto, complican seriamente el análisis y la predicción del evento de infección altamente dinámico. Con el nuevo método, estos impulsores exógenos también pueden determinarse fácilmente y en tiempo real. Como resultado, también se pueden predecir los efectos cuantitativos de los confinamientos, por ejemplo.

‘Epidemómetro’

Una estimación más precisa del estado epidemiológico combinada con la determinación de los factores exógenos desconocidos también permite pronósticos mucho más confiables. Con su trabajo reciente publicado en Journal of Nonlinear Dynamics, el equipo muestra cómo el método de la teoría de control no lineal se puede aplicar a modelos de compartimentos epidemiológicos comunes, lo que permite pronósticos precisos de cantidades esenciales como la incidencia o la ocupación hospitalaria. El equipo de investigación ve la nueva «herramienta» como un apoyo científico para los tomadores de decisiones y sus colegas.

Innovador: Teoría de control + medicina

El nuevo enfoque fue desarrollado por un equipo dirigido por el Prof. Stefan Jakubek en el Instituto de Mecánica y Mecatrónica de TU Wien en cooperación con investigadores de MedUni Viena. El trabajo de dos estudiantes de TU Wien, Johanna Bartlechner y Oliver Ecker, jugó un papel clave. Proporcionan un enfoque completamente nuevo desde la perspectiva del control y la automatización de procesos combinados con la experiencia médica. Utilizan el método para el análisis cuantitativo en tiempo real y la predicción de variables importantes en la pandemia, específicamente la ocupación de hospitales y unidades de cuidados intensivos.

Preciso: este método revela más

Una mirada a el pasado de la pandemia demuestra su fiabilidad: «Evaluamos nuestros métodos utilizando datos de diferentes países durante los últimos meses, y la precisión alcanzada superó significativamente nuestras expectativas», explica la estudiante Johanna Bartlechner. Como parte del equipo de TU Wien, analizó no solo Austria sino también otros países como Sudáfrica, Dinamarca, Suiza y el Reino Unido. «Muchos factores que influyen significativamente en el número de casos o la ocupación de camas de cuidados intensivos son difíciles o imposibles de cuantificar y se caracterizan por una dinámica fuertemente no lineal», enfatiza su colega Oliver Ecker. Por ejemplo, lo que la metodología revela adicionalmente y en tiempo real: ¿Cómo cambia una nueva variante viral la probabilidad de una hospitalización? ¿Qué tan efectivas son las intervenciones gubernamentales, como los confinamientos?

Sitio web: Actualización semanal de análisis de COVID-19

El equipo de investigación de TU Wien muestra análisis y pronósticos actualizados semanalmente para Austria, así como análisis de otros países en su sitio web: https://www.imm-COVID-analytics.com

Explore más

Predicción de picos de infección por COVID-19 Más información: C. Hametner et al, Predicciones de ocupación de unidades de cuidados intensivos en la pandemia de COVID-19 basadas en modelos estructurados por edad y planitud diferencial, Journal of Nonlinear Dynamics, (aceptado para publicación).

Christoph Hametner et al, Estimation of exogenous drivers to predict Pandemia de COVID-19 utilizando un método de la teoría de control no lineal, Nonlinear Dynamics (2021). DOI: 10.1007/s11071-021-06811-7