Los investigadores encuentran incertidumbres sustanciales en las simulaciones de la pandemia de COVID-19

Crédito: CC0 Public Domain

El modelo informático para pronosticar la mortalidad de Covid-19 contiene una incertidumbre significativa en sus predicciones, según un estudio internacional dirigido por investigadores de UCL y CWI en el Países Bajos. Su artículo «El impacto de la incertidumbre en las predicciones del código epidemiológico de CovidSim», que se anunció anteriormente en una noticia de Nature, se publicó en Nature Computational Science el 22 de febrero de 2021.

Mientras que en un experimento físico es una práctica común proporcionan barras de error junto con los valores medidos, las predicciones de un modelo de computadora a menudo carecen de una medida de incertidumbre. Esto es a pesar del hecho de que tales modelos son innegablemente inciertos y se utilizan en la toma de decisiones de alto nivel. El equipo de investigación internacional argumenta que las predicciones computacionales sin barras de error pueden pintar una imagen muy incompleta, lo cual demostraron en un estudio reciente con un modelo informático utilizado para evaluar los escenarios de intervención de COVID-19.

Este estudio se realizó dentro de el proyecto VECMA, un programa de investigación e innovación Horizonte 2020 de la Unión Europea. En CWI, participaron los investigadores Wouter Edeling y Daan Crommelin del grupo de Computación Científica. Edeling, primer autor del artículo y especialista en cuantificar las incertidumbres del modelado, hizo parte del software para el kit de herramientas VECMA. Esto se utilizó para acoplar una técnica de cuantificación de la incertidumbre (UQ) al conocido modelo epidemiológico CovidSim de Neil Ferguson del Imperial College en el Reino Unido y datos del Reino Unido de 2020.

‘La maldición de la dimensionalidad’

Edeling explicó: «Para modelos con una gran cantidad de parámetros como CovidSim, es muy difícil estudiar qué efecto tienen las incertidumbres en los parámetros de entrada sobre las incertidumbres en la salida. Tener muchos parámetros significa que los costos computacionales ser excesivamente alto, a menudo denominado «maldición de la dimensionalidad». Investigamos cómo hacer los cálculos de la manera más eficiente posible, descubriendo qué parámetros son más importantes para las incertidumbres de salida. Al centrarnos en estos parámetros, es posible hacer buenos cálculos probabilísticos. predicciones, que pueden ser utilizadas por los gobiernos para sus decisiones».

Los nuevos métodos son muy efectivos. Al probar la solidez de CovidSim, el equipo de investigación descubrió que, aunque el código contenía 940 parámetros, 60 eran importantes y, de ellos, solo 19 dominaban la variación en las predicciones de salida. La mitad de la variación general en sus resultados se redujo a solo tres de los 940 parámetros de entrada: el período de latencia de la enfermedad, la demora en el autoaislamiento de una persona infectada y la efectividad del distanciamiento social. Mientras que el período de latencia es un parámetro biológico, los otros dos (y bastantes otros que fueron influyentes) están relacionados con los escenarios de intervención y el comportamiento humano. Si bien representan una tarea de modelado difícil, a diferencia de los aspectos biológicos, estos parámetros (y los fenómenos que modelan) pueden verse influenciados por la política gubernamental.

Explore más

Múltiples simulaciones son las mejores para las predicciones de COVID-19 Más información: Wouter Edeling et al. El impacto de la incertidumbre en las predicciones del código epidemiológico CovidSim, Nature Computational Science (2021). DOI: 10.1038/s43588-021-00028-9 Información de la revista: Nature Computational Science

Proporcionado por Centrum Wiskunde & Informatica Cita: Los investigadores encuentran incertidumbres sustanciales en COVID- 19 simulaciones de pandemia (2021, 25 de febrero) recuperadas el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-substantial-uncertainties-covid-pandemic-simulations.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.