Cr\u00e9dito: CC0 Dominio p\u00fablico <\/p>\n
Los investigadores de la Universidad de Rochester est\u00e1n utilizando su experiencia en modelos matem\u00e1ticos para ayudar a responder una de las preguntas m\u00e1s importantes que rodean la pandemia y la cuarentena: \u00bfcu\u00e1ndo va a \u00bffinal? <\/p>\n
Gourab Ghoshal, profesor asociado de f\u00edsica, matem\u00e1ticas e inform\u00e1tica, y Andrew White, profesor asistente de ingenier\u00eda qu\u00edmica, recibieron recientemente una subvenci\u00f3n de la Fundaci\u00f3n Nacional de Ciencias para crear un modelo matem\u00e1tico que monitorear\u00e1 la propagaci\u00f3n de COVID-19 . Tanto White como Ghoshal son investigadores computacionales y pueden realizar sus investigaciones de forma remota durante el cierre del campus. Combinando su experiencia en el modelado de epidemiolog\u00eda y simulaci\u00f3n molecular, los investigadores esperan crear una herramienta \u00fanica que ayude a los legisladores a tomar decisiones informadas sobre la reapertura del pa\u00eds.<\/p>\n
\u00abNecesitamos encender las luces para obtener m\u00e1s informaci\u00f3n para erradicar esta enfermedad\u00bb, dice Ghoshal. \u00abEsto es muy dif\u00edcil porque tenemos que ampliar las pruebas, rastrear contactos, convencer a las personas para que realicen cambios de comportamiento. Ser\u00eda \u00fatil tener una estimaci\u00f3n de cu\u00e1n transmisible es la enfermedad en tiempo real\u00bb.<\/p>\n
Medici\u00f3n de las tasas de infecci\u00f3n: R0 frente a R efectivo<\/p>\n
Como sabe cualquiera que haya visto la pel\u00edcula Contagio de 2011, la estimaci\u00f3n de la tasa de infecci\u00f3n de un virus est\u00e1 representada por el t\u00e9rmino matem\u00e1tico \u00abR0\u00bb, que se pronuncia \u00abR cero\u00bb. Si R0 es igual a cinco, por ejemplo, cada persona infectada con un virus infectar\u00e1 a un promedio de cinco personas. Si R0. es mayor que uno, el virus se est\u00e1 propagando y el brote continuar\u00e1, pero si R0 es menor que uno, la enfermedad est\u00e1 disminuyendo y eventualmente desaparecer\u00e1.<\/p>\n
Mientras que R0 se usa para describir la intensidad de un brote de enfermedad, en realidad solo es relevante al comienzo de una pandemia. A medida que avanza la pandemia, otros factores, como el distanciamiento social o las cuarentenas, afectan la tasa de infecci\u00f3n.<\/p>\n
\u00abEn cada momento, desea monitorear la transmisibilidad efectiva de la enfermedad, independientemente de cu\u00e1ntas personas realmente lo tiene: \u00bfcu\u00e1l es la probabilidad de que alguien salga y a qui\u00e9n infecta?\u00bb dice Ghoshal. <\/p>\n
Para tener en cuenta situaciones y comportamientos fluctuantes en el transcurso de una pandemia, el modelo de Ghoshal y White producir\u00e1 lo que se conoce como R efectivo, que es R0 en funci\u00f3n del tiempo: el n\u00famero de personas que puede ser infectado por un individuo en un momento dado. Al comienzo de una pandemia, por ejemplo, la R efectiva puede ser cinco, pero una vez que se establece una cuarentena y avanza, la R efectiva puede ser menos de uno.<\/p>\n
\u00abEso es bueno porque significa que usted\u00bb est\u00e1s en una situaci\u00f3n en la que la pandemia podr\u00eda disminuir, pero luego, en el momento en que comiences a relajar los bloqueos, existe una buena posibilidad de que pueda despegar nuevamente\u201d, dice Ghoshal. \u00abNuestro modelo podr\u00eda brindarle qu\u00e9 R es efectivo en tiempo real\u00bb.<\/p>\n
Los funcionarios locales podr\u00e1n usar el modelo de Ghoshal y White para monitorear las tasas de infecci\u00f3n d\u00eda a d\u00eda, y podr\u00e1n determinar mejor si la apertura de negocios hace que aumenten las tasas de infecci\u00f3n.<\/p>\n
\u00abEl alcalde de una ciudad espec\u00edfica conocer\u00eda la R vigente hoy y ma\u00f1ana y podr\u00eda decir: \u00abOk, abrir\u00e9 todos las cafeter\u00edas’ y pueden ver cu\u00e1l es la R efectiva, y pueden abrir m\u00e1s negocios si la R efectiva permanece baja o cerrar cosas si la R efectiva aumenta\u00bb, dice Ghoshal.<\/p>\n
El desaf\u00edo de la velocidad y precisi\u00f3n<\/p>\n
Los investigadores pueden calcular R0 y R efectivo ingresando datos en modelos matem\u00e1ticos. Hay varias variables de datos que se utilizan para calcular con mayor precisi\u00f3n el R efectivo: (S)susceptible, (E)expuesto; (A)sintom\u00e1tico pero infeccioso; sintom\u00e1tico e (I)nfeccioso; (R)recuperado; y (D)fallecido.<\/p>\n
El problema con muchos de los modelos actuales que utilizan este El marco SEAIRD es que son una compensaci\u00f3n entre la precisi\u00f3n y la simplicidad: a medida que los modelos se vuelven cada vez m\u00e1s sofisticados, se vuelven m\u00e1s intensivos en datos, por lo que no se pueden implementar r\u00e1pidamente. Los modelos simples, por otro lado, requieren menos entradas de datos y se pueden implementar m\u00e1s r\u00e1pidamente, pero a menudo no son tan precisos.<\/p>\n
Ghoshal y White esperan desarrollar un modelo que se encuentre en alg\u00fan punto intermedio.<\/p>\n
p> <\/p>\n
\u00abNuestro modelo ser\u00e1 f\u00e1cilmente implementable y har\u00e1 predicciones razonablemente precisas muy r\u00e1pido, de manera escalable\u00bb, dice Ghoshal. <\/p>\n
Para hacer esto, los investigadores est\u00e1n tomando los modelos epidemiol\u00f3gicos en los que trabaja Ghoshal y los introducen en un marco llamado polarizaci\u00f3n de m\u00e1xima entrop\u00eda que White ha utilizado con \u00e9xito para simular la din\u00e1mica molecular. <\/p>\n
Los investigadores ingresan en el modelo las dos variables que consideran m\u00e1s confiables: las tasas de mortalidad y las tasas de hospitalizaci\u00f3n, que son n\u00fameros que se obtienen f\u00e1cilmente a partir de datos de fuente abierta a nivel estatal y del condado. Un marco de sesgo de entrop\u00eda m\u00e1xima permite que el modelo tenga en cuenta cualquier otra variable desconocida, como individuos que no muestran ning\u00fan s\u00edntoma, pero que a\u00fan pueden infectar a otros, por ejemplo, para que los investigadores no tengan que ingresar todos los factores.<\/p>\n
\u00abLa entrop\u00eda m\u00e1xima b\u00e1sicamente significa que no vamos a encontrar todos los par\u00e1metros, as\u00ed que vamos a poner este t\u00e9rmino de sesgo que da cuenta de las cosas que no sabemos\u00bb, dice White. \u00abEsta es una nueva direcci\u00f3n que la gente no ha explorado\u00bb.<\/p>\n
Ingresar solo estas dos variables y usar el sesgo de entrop\u00eda m\u00e1xima producir\u00e1 la R efectiva para una regi\u00f3n en cualquier momento. La naturaleza del modelo significa que tambi\u00e9n podr\u00eda implementarse para futuros brotes de enfermedades.<\/p>\n
\u00abEs probable que ocurra otra pandemia a menos que cambiemos nuestras formas\u00bb, dice Ghoshal. \u00abEn la fase inicial, cuando hay muy pocos datos disponibles, esperamos que esta herramienta en particular pueda comenzar a encender las luces, si no en todo el apartamento, al menos en una habitaci\u00f3n, antes de que muera m\u00e1s gente\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por la Universidad de Rochester Cita<\/strong>: El modelo matem\u00e1tico monitorear\u00e1 la propagaci\u00f3n de COVID-19 (2020, 21 de mayo ) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-mathematical-covid-.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Dominio p\u00fablico Los investigadores de la Universidad de Rochester est\u00e1n utilizando su experiencia en modelos matem\u00e1ticos para ayudar a responder una de las preguntas m\u00e1s importantes que rodean la pandemia y la cuarentena: \u00bfcu\u00e1ndo va a \u00bffinal? Gourab Ghoshal, profesor asociado de f\u00edsica, matem\u00e1ticas e inform\u00e1tica, y Andrew White, profesor asistente de ingenier\u00eda … Continuar leyendo \u00abModelo matem\u00e1tico monitorear\u00e1 la propagaci\u00f3n de COVID-19\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-26370","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26370","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=26370"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26370\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=26370"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=26370"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=26370"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}