{"id":14195,"date":"2022-08-30T10:27:33","date_gmt":"2022-08-30T15:27:33","guid":{"rendered":"https:\/\/www.biblia.work\/articulos-salud\/el-modelo-covid-19-compara-la-efectividad-de-las-estrategias-de-mitigacion-y-vacunas\/"},"modified":"2022-08-30T10:27:33","modified_gmt":"2022-08-30T15:27:33","slug":"el-modelo-covid-19-compara-la-efectividad-de-las-estrategias-de-mitigacion-y-vacunas","status":"publish","type":"post","link":"https:\/\/www.biblia.work\/articulos-salud\/el-modelo-covid-19-compara-la-efectividad-de-las-estrategias-de-mitigacion-y-vacunas\/","title":{"rendered":"El modelo COVID-19 compara la efectividad de las estrategias de mitigaci\u00f3n y vacunas"},"content":{"rendered":"<p>Cr\u00e9dito: CC0 Public Domain <\/p>\n<p>Predecir la propagaci\u00f3n de COVID-19 usando modelos estad\u00edsticos est\u00e1ndar tiene sus desaf\u00edos, raz\u00f3n por la cual dos investigadores de la Universidad Estatal de Iowa desarrollaron una red basada en enfoque para observar el impacto de pol\u00edticas espec\u00edficas y estrategias de vacunaci\u00f3n a lo largo de las muchas etapas de la pandemia. <\/p>\n<p>Claus Kadelka, profesor asistente de matem\u00e1ticas; y Audrey McCombs, estudiante de posgrado en estad\u00edstica, comenzaron a trabajar en este tema en marzo. Kadelka dice que encontraron que muchos de los modelos usaban \u00abinformaci\u00f3n imperfecta para hacer predicciones que no eran precisas\u00bb, por lo que \u00e9l y McCombs adoptaron un enfoque diferente. <\/p>\n<p>\u00abEn lugar de intentar predecir algo que realmente no se puede predecir dada la incertidumbre de los datos, desarrollamos un modelo abstracto para comparar diferentes escenarios de forma cualitativa para ver cu\u00e1l nos da el mejor resultado , independientemente de la incertidumbre subyacente en todos los par\u00e1metros clave de virus y enfermedades\u00bb, dijo Kadelka.<\/p>\n<p>En un art\u00edculo, publicado en medRxiv antes de la revisi\u00f3n por pares, los investigadores usaron su modelo de red de interacci\u00f3n social para comprender c\u00f3mo la homofilia tendencia a asociarse con personas que comparten las mismas opiniones y creencias, en este caso sobre el COVID-19 afecta la probabilidad de un brote y el n\u00famero de muertes. El modelo compara la probabilidad de un brote para diferentes niveles de homofilia y correlaciones entre creencias sobre vacunaci\u00f3n y distanciamiento social. Kadelka dice que mantuvieron la misma proporci\u00f3n de personas con creencias positivas en todos los escenarios para proporcionar una comparaci\u00f3n de manzanas con manzanas.<\/p>\n<p>El modelo mostr\u00f3 que la presencia de homofilia puede tener una fuerte influencia en la probabilidad de una brote. La homofilia con respecto a la vacunaci\u00f3n implica que hay grupos de individuos vacunados, pero tambi\u00e9n grupos de individuos no vacunados. Los investigadores encontraron que tal homofilia en las redes de interacci\u00f3n social puede conducir a brotes sustancialmente m\u00e1s frecuentes, especialmente en presencia de una vacuna eficaz.<\/p>\n<p>\u00abLos modelos est\u00e1ndar asumen que las conexiones sociales de las personas son aleatorias, lo que sabemos que no es cierto \u201d, dijo McCombs. \u00abModelar patrones sociales m\u00e1s realistas condujo a peores brotes y una mayor mortalidad de lo que predicen los modelos est\u00e1ndar\u00bb.<\/p>\n<p>Tambi\u00e9n encontraron que los brotes ocurr\u00edan con mayor frecuencia cuando hab\u00eda una correlaci\u00f3n positiva entre las creencias sobre la vacunaci\u00f3n y el distanciamiento social. Si las personas que reciben la vacuna son las mismas personas que tienen m\u00e1s probabilidades de distanciamiento social, hay un porcentaje de la poblaci\u00f3n que no toma ninguna medida de protecci\u00f3n, lo que aumenta el riesgo de un brote.<\/p>\n<p>Cuando hay un resultado negativo correlaci\u00f3nlas personas se vacunan, pero no se distancian socialmente o las personas se distancian socialmente, pero no se vacunanhay menos brotes, porque m\u00e1s personas est\u00e1n siguiendo una de las estrategias de mitigaci\u00f3n. Los investigadores dicen que su modelo proporciona una evaluaci\u00f3n m\u00e1s realista de c\u00f3mo nuestras interacciones y la creciente polarizaci\u00f3n de la opini\u00f3n impactan en la propagaci\u00f3n del virus. <\/p>\n<p>Priorizar las vacunas<\/p>\n<p>Seg\u00fan los hallazgos, los investigadores recomendaron a los legisladores considerar las pr\u00e1cticas locales de distanciamiento social al priorizar la vacunaci\u00f3n para personas de alto o bajo riesgo. Si aquellos que est\u00e1n en alto riesgo tienen sustancialmente menos contactos, priorizar a los individuos de bajo riesgo para la vacuna redujo la mortalidad general en comparaci\u00f3n con vacunar primero a los individuos de alto riesgo. Los investigadores dicen que la mejor estrategia de vacunaci\u00f3n puede diferir de una comunidad a otra dependiendo de la adopci\u00f3n local de estrategias de mitigaci\u00f3n de riesgos.<\/p>\n<p>\u00abLos individuos de alto riesgo son generalmente mayores, tienen menos contactos y aunque es dif\u00edcil de medir, son m\u00e1s propensos a participar en el distanciamiento\u00bb, dijo Kadelka. \u00abLas personas de bajo riesgo de entre 20 y 30 a\u00f1os tienen la mayor cantidad de contactos y es menos probable que se distancien. Dependiendo de las tasas de contacto relativas, puede tener sentido enfocar la vacunaci\u00f3n en este grupo en algunas comunidades\u00bb.<\/p>\n<p> Distanciamiento social, pruebas, clasificaci\u00f3n hospitalaria<\/p>\n<p>En un art\u00edculo separado, publicado en la revista PLOS Computational Biology, Kadelka y McCombs presentaron por primera vez su modelo basado en redes y demostraron c\u00f3mo las pol\u00edticas de COVID-19 distanciamiento social, pruebas y priorizaci\u00f3n de la atenci\u00f3n cuando los hospitales alcanzan su capacidad interact\u00faan entre s\u00ed y mejoran o socavan los efectos.<\/p>\n<p>Estos son algunos de los hallazgos clave:<\/p>\n<ul>\n<li>Hacer pruebas a personas de bajo riesgo redujo las muertes de manera m\u00e1s efectiva que priorizar personas de alto riesgo para la prueba. Las personas de bajo riesgo tienen m\u00e1s contactos y la reducci\u00f3n de su actividad a trav\u00e9s de pruebas ralentiza la propagaci\u00f3n de la enfermedad.<\/li>\n<li>Reducir los encuentros p\u00fablicos o aleatorios tuvo un efecto m\u00e1s fuerte en las muertes que reducir los contactos personales. Esto puede deberse a que los encuentros p\u00fablicos permiten que el virus se propague r\u00e1pidamente por toda una comunidad, mientras que los contactos personales limitan la propagaci\u00f3n a una peque\u00f1a subcomunidad.<\/li>\n<li>La importancia de las pruebas y la clasificaci\u00f3n hospitalaria al examinar el efecto combinado depende del nivel de social distanciamiento.<\/li>\n<\/ul>\n<p>En el art\u00edculo, los investigadores escribieron: \u00abEl objetivo de este estudio no era predecir el n\u00famero absoluto esperado de muertes relacionadas con COVID-19; m\u00e1s bien, el modelo es una herramienta que se puede utilizar, a pesar de la incertidumbre en los par\u00e1metros clave, para comparar la eficacia de varias pol\u00edticas destinadas a reducir la mortalidad\u00bb. <\/p>\n<p>Explore m\u00e1s<\/p>\n<p> Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) <strong>M\u00e1s informaci\u00f3n:<\/strong> Claus Kadelka et al. Efecto de la agrupaci\u00f3n y correlaci\u00f3n de los sistemas de creencias en los brotes de enfermedades infecciosas (2020). DOI: 10.1101\/2020.12.08.20246298 <\/p>\n<p>Audrey McCombs et al. Una evaluaci\u00f3n basada en modelos de la eficacia de las pol\u00edticas de triaje hospitalario, prueba y distanciamiento social de COVID-19, PLOS Computational Biology (2020). DOI: 10.1371\/journal.pcbi.1008388 <strong>Informaci\u00f3n de la revista:<\/strong> PLoS Computational Biology <\/p>\n","protected":false},"excerpt":{"rendered":"<p>Cr\u00e9dito: CC0 Public Domain Predecir la propagaci\u00f3n de COVID-19 usando modelos estad\u00edsticos est\u00e1ndar tiene sus desaf\u00edos, raz\u00f3n por la cual dos investigadores de la Universidad Estatal de Iowa desarrollaron una red basada en enfoque para observar el impacto de pol\u00edticas espec\u00edficas y estrategias de vacunaci\u00f3n a lo largo de las muchas etapas de la pandemia. &hellip; <a href=\"https:\/\/www.biblia.work\/articulos-salud\/el-modelo-covid-19-compara-la-efectividad-de-las-estrategias-de-mitigacion-y-vacunas\/\" class=\"more-link\">Continuar leyendo<span class=\"screen-reader-text\"> \u00abEl modelo COVID-19 compara la efectividad de las estrategias de mitigaci\u00f3n y vacunas\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-14195","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/14195","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=14195"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/14195\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=14195"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=14195"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=14195"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}