Pronóstico confiable a corto plazo de COVID-19
Crédito: Pixabay/CC0 Dominio público
Un nuevo estudio realizado por investigadores de la Universidad de Texas A&M publicado en PLOS ONE detalla un nuevo modelo para hacer proyecciones a corto plazo de casos diarios de COVID-19 que es preciso, confiable y fácil de usar por los funcionarios de salud pública y otras organizaciones.
Dirigidos por Hongwei Zhao, profesor de bioestadística en la Escuela de Salud Pública de Texas A&M, los investigadores utilizaron un método basado en el marco SEIR (estados susceptibles, expuestos, infectados y recuperados) para proyectar la incidencia de COVID-19 en los próximos dos a tres semanas basado en casos de incidencia observados solamente. Este modelo asume un cambio constante o pequeño en la tasa de transmisión del virus que causa el COVID-19 durante un período corto.
El modelo utiliza datos disponibles públicamente sobre nuevos casos reportados de COVID-19 en Texas desde el Repositorio de datos de COVID-19 del Centro de ciencia e ingeniería de sistemas de la Universidad Johns Hopkins. Los investigadores de Texas A&M usaron estos datos sobre la incidencia de enfermedades en Texas y una selección de condados que incluían el campus de Texas A&M para estimar la tasa de transmisión de COVID-19.
«Los resultados indican que este modelo se puede usar para predecir los casos de COVID-19 con dos o tres semanas de anticipación utilizando solo los números de incidencia actuales», dijo Zhao. «La simplicidad de este modelo es una de sus mayores fortalezas, ya que las organizaciones con pocos recursos pueden implementarlo fácilmente. Los pronósticos de este modelo pueden ayudar a las organizaciones de atención médica a prepararse para los aumentos repentinos y ayudar a los funcionarios de salud pública a determinar si los mandatos de máscara u otras políticas serán necesarios».
Pronosticaron infecciones futuras bajo tres escenarios posibles: una tasa de transmisión sostenida y constante; uno donde la tasa de transmisión es un cinco por ciento más alta que los niveles actuales, lo que refleja una disminución en las prácticas para prevenir la transmisión o un aumento en las condiciones que promueven la transmisión; y uno donde la transmisión es cinco por ciento más baja.
Estimar la tasa de transmisión efectiva actual puede ser complicado, ya que las variaciones diarias tanto en las infecciones como en los informes pueden influir drásticamente en esta estimación. Por lo tanto, los investigadores suavizaron las variaciones de los informes diarios utilizando un promedio ponderado de tres días y realizaron un suavizado adicional para tener en cuenta anomalías en los datos, como condados que informaron varios meses de casos a la vez.
Los investigadores compararon sus proyecciones con los informes incidencia en Texas durante cuatro períodos en 2020: 15 de abril, 15 de junio, 15 de agosto y 15 de octubre. La cantidad de nuevos casos diarios de COVID-19 informados fue relativamente baja a mediados de abril, cuando muchas empresas cerraron y luego comenzaron a aumento a principios de mayo después de que comenzaran las reaperturas graduales en Texas. Los números aumentaron considerablemente después del Día de los Caídos, y luego tuvieron una tendencia a la baja después de que se promulgó un mandato de máscara en todo el estado durante el verano. Las infecciones aumentaron nuevamente después del Día del Trabajo, pero luego parecieron estabilizarse hasta mediados de octubre, cuando se observó que la tasa de transmisión volvió a aumentar dramáticamente.
La aplicación del modelo en todo el estado mostró que funcionó razonablemente bien, con solo el pronóstico del segundo período se desvió de la incidencia real registrada, tal vez debido a los números que cambiaron drásticamente en el momento en que ocurrió una gran ola de COVID-19 alrededor del feriado del Día de los Caídos. El modelo se desempeñó de manera similar a nivel del condado, aunque la población más pequeña y los cambios en la población, como los estudiantes que se mudan dentro y fuera del área durante el año escolar, influyeron en la notificación de nuevos casos.
Sin embargo, el El modelo está limitado por los datos que utiliza. Las políticas y los recursos locales de pruebas e informes pueden afectar la precisión de los datos, y es menos probable que las suposiciones sobre la tasa de transmisión basadas en la incidencia actual sean precisas en el futuro. Y a medida que más personas contraigan COVID-19 y se recuperen o se vacunen, la población susceptible cambiará, lo que posiblemente afecte la transmisión.
A pesar de estas limitaciones, los investigadores dijeron que el modelo puede ser una herramienta valiosa para los centros de atención médica. y funcionarios de salud pública, especialmente cuando se combina con otras fuentes de información. La pandemia de COVID-19 aún no ha terminado, por lo que es importante contar con una herramienta que pueda determinar cuándo y dónde podría ocurrir otro aumento. Del mismo modo, los investigadores esperan utilizar estas nuevas herramientas a su disposición para futuras necesidades de enfermedades infecciosas.
Además, el modelo se ha utilizado para crear un panel que proporciona datos en tiempo real sobre la propagación del estado de COVID-19. -amplio. Ha sido utilizado localmente por administradores universitarios y funcionarios de salud pública.
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Hongwei Zhao et al, COVID-19: modelo de predicción a corto plazo utilizando datos de incidencia diaria, PLOS UNO (2021). DOI: 10.1371/journal.pone.0250110 Información de la revista: PLoS ONE
Proporcionado por Texas A&M University Cita: Pronóstico confiable a corto plazo de COVID-19 (2021, 16 de abril) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-04-reliable-covid-short-term.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.