Modelo informático muestra las mejores formas de frenar la propagación de COVID-19
Crédito: Pixabay/CC0 Dominio público
Investigadores de la Universidad de Waterloo crearon el primer modelo informático que simula muchas variables que afectan la transmisión de COVID-19 a ralentizar la propagación de variantes.
El modelo toma datos sin procesar que ya están en uso para pronosticar el número de casos y las hospitalizaciones, y luego agrega otros factores, como las tasas de vacunación, el uso de máscaras y confinamientos, y la cantidad de infecciones emergentes.
Los investigadores basaron su modelo de cómputo en la experiencia reciente de Ontario con COVID-19 y los datos de la Mesa Asesora Científica de Ontario COVID-19.
«En realidad, estábamos construyendo el modelo cuando la variante Delta todavía era la dominante en Ontario», dijo Anita Layton, profesora de matemáticas aplicadas en Waterloo y Canada 150 Research Chair en biología matemática y medicina. «Simulamos una variante que era similar a Omicron, y el modelo es útil para comprender las variantes que vendrán después».
El equipo de investigación puede cambiar los parámetros del modelo computacional para ver qué sucedería con un nueva variante También puede mostrar lo que se necesitaría para detener variantes que son más contagiosas que otras. Como resultado, el modelo puede mostrar dónde deben estar los niveles de vacunación o qué niveles de restricciones son necesarios para mantener a raya una nueva variante.
«Incluye vacunación y diferentes tipos de vacunas, retrasos en la segunda y tercera dosis, los impactos de las restricciones e incluso la competencia entre diferentes variantes de preocupación», dijo Mehrshad Sadria, Ph.D. estudiante de matemáticas aplicadas en Waterloo que también trabajó en el nuevo modelo. «Queremos que los formuladores de políticas y las partes interesadas tengan la información más pertinente para que puedan tomar las mejores decisiones».
Los investigadores planean desarrollar el modelo para incluir aún más factores que influyen en la propagación de COVID-19 en áreas específicas. comunidades.
«Nos gustaría investigar cómo las personas de diferentes edades se ven afectadas y comparar diferentes niveles de vacunación entre y dentro de los grupos de edad», dijo Layton. También buscamos hacerlo más refinado para que podamos centrarnos en regiones específicas de Ontario, lo que luego puede ser útil para observar la distribución de recursos».
El artículo del equipo de investigación sobre el modelo de computación aparece en Scientific Informes.
Explore más
Los modelos matemáticos y las simulaciones por computadora son las nuevas fronteras en los ensayos de medicamentos contra el COVID-19 Más información: Anita Layton et al, Understanding the Dynamics of SARS-CoV-2 Variantes de preocupación en Ontario, Canadá: un estudio de caso, Informes científicos (2021). DOI: 10.21203/rs.3.rs-788073/v1 Información de la revista: Informes científicos
Proporcionado por la universidad de Waterloo Cita: El modelo informático muestra las mejores formas de frenar la propagación de COVID-19 (2022, 9 de febrero) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-02- ways-covid-.html Este documento está sujeto a derechos de autor. Además de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede ser reproducida. d sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.