Los investigadores de Isolat han dise\u00f1ado y aplicado un m\u00e9todo para modelar el impacto de la pol\u00edtica que llaman \u00abIntervenciones sint\u00e9ticas\u00bb. Basado en el control sint\u00e9tico del m\u00e9todo estad\u00edstico, las intervenciones sint\u00e9ticas son una forma basada en datos para realizar la planificaci\u00f3n de escenarios hipot\u00e9ticos, aprovechando la informaci\u00f3n de las intervenciones que se han promulgado en todo el mundo y adapt\u00e1ndolas a otro entorno. Cr\u00e9dito: Instituto de Tecnolog\u00eda de Massachusetts <\/p>\n
La colaboraci\u00f3n informa la pol\u00edtica de coronavirus mediante el an\u00e1lisis de datos asociados con la pandemia <\/p>\n
La pandemia de COVID-19 contin\u00faa desafiando la forma en que las sociedades y las instituciones funcionan a escalas macro y micro. En los Estados Unidos, el nuevo coronavirus ha afectado todo, desde la econom\u00eda hasta las elecciones, y ha planteado preguntas dif\u00edciles sobre la capacidad del MIT para reabrir en el oto\u00f1o.<\/p>\n
Para ayudar a los responsables pol\u00edticos del MIT y m\u00e1s all\u00e1 a tomar decisiones informadas, el Institute for Datos, Sistemas y Sociedad (IDSS) ha formado un grupo de investigaci\u00f3n voluntario, Isolat, que proporciona an\u00e1lisis de datos relacionados con la pandemia.<\/p>\n
\u00abEsta pandemia ha energizado a la comunidad IDSS m\u00e1s amplia para aportar habilidades cruciales, \u00bb dice el director del IDSS, Munther Dahleh, profesor de ingenier\u00eda el\u00e9ctrica y ciencias de la computaci\u00f3n (EECS). \u00abLa probabilidad y las estad\u00edsticas son herramientas para medir la incertidumbre, y tenemos experiencia dentro del IDSS en el uso de informaci\u00f3n cient\u00edfica para influir en la formulaci\u00f3n de pol\u00edticas\u00bb.<\/p>\n
La colaboraci\u00f3n IDSS COVID-19 (Isolat) est\u00e1 formada por profesores, estudiantes e investigadores del MIT. de diferentes departamentos, as\u00ed como socios de todo el mundo. Los miembros de Isolat son estad\u00edsticos, epidemi\u00f3logos, modeladores de datos e investigadores de pol\u00edticas. <\/p>\n
\u00abHay una fuerte representaci\u00f3n del IDSS en Isolat, desde el Programa de Pol\u00edtica y Tecnolog\u00eda (TPP) y el Centro de Estad\u00edstica y Ciencia de Datos (SDSC) hasta el Laboratorio de Sistemas de Informaci\u00f3n y Decisiones (LIDS)\u00bb, dice Dahleh. \u00abEste esfuerzo est\u00e1 impulsado por el sentido de responsabilidad social de nuestra comunidad, tanto dentro del IDSS como en todo el MIT. Y nos ha brindado una forma de conectarnos y construir una comunidad en un momento en que estamos muy separados\u00bb.<\/p>\n
Tiempo real , datos ruidosos<\/p>\n
Si bien hay una gran cantidad de datos disponibles relacionados con COVID-19, tambi\u00e9n hay muchas preguntas sobre qu\u00e9 tan completos o \u00fatiles son realmente esos datos. El grupo Isolat tiene cuidado de identificar los l\u00edmites de lo que pueden hacer los datos existentes de COVID-19. \u00abLos datos siempre son \u00fatiles, incluso si son ruidosos\u00bb, argumenta Dahleh.<\/p>\n
De todos modos, sin pruebas aleatorias generalizadas, es dif\u00edcil para cualquiera saber el alcance total de la propagaci\u00f3n del coronavirus. \u00abNecesitamos hacer mejores preguntas que los datos puedan responder\u00bb, agrega Anette \u00abPeko\u00bb Hosoi, afiliada del IDSS que es profesora de ingenier\u00eda mec\u00e1nica y decana asociada de ingenier\u00eda.<\/p>\n
El grupo Isolat form\u00f3 equipos en torno a tres necesidades principales, cada una determinada en consulta con las partes interesadas en el MIT y la comunidad en general. El equipo de Predicci\u00f3n utiliza datos sobre variables dependientes del tiempo para pronosticar las tasas de crecimiento de la infecci\u00f3n y cu\u00e1ndo deber\u00eda alcanzar su punto m\u00e1ximo la incidencia de nuevos casos. El equipo de Intervenci\u00f3n se esfuerza por comprender y cuantificar los resultados de varias pol\u00edticas y modelar escenarios hipot\u00e9ticos para poder hacer recomendaciones efectivas. El equipo de Infraestructura de datos recopila, organiza y comparte datos relevantes desde el principio, construyeron un \u00ablago de datos\u00bb para consolidar conjuntos de datos importantes que se mantienen actualizados con scripts de Python.<\/p>\n
Isolat se re\u00fane todos los d\u00edas de la semana a trav\u00e9s de teleconferencias para discutir y examinar proyectos y hallazgos, que se publican dos veces por semana en la p\u00e1gina web de Isolat. Este tipo de colaboraci\u00f3n interdisciplinaria es t\u00edpica de la investigaci\u00f3n del IDSS, pero la difusi\u00f3n en tiempo real de los hallazgos es una desviaci\u00f3n de la metodolog\u00eda acad\u00e9mica.<\/p>\n
\u00abEsta es una forma diferente de abordar el problema\u00bb, dice Hosoi. \u00abTodo el mundo pone su contribuci\u00f3n al ruedo. Necesitamos respuestas hoy\u00bb.<\/p>\n
De todos modos, el grupo es consciente de que la necesidad de urgencia no elimina la necesidad de precisi\u00f3n. \u00abLa cuantificaci\u00f3n de la incertidumbre en nuestros resultados es clave para proporcionar resultados procesables\u00bb, agrega Hosoi. \u00abEsperamos involucrar a la comunidad cient\u00edfica en general para que estos hallazgos sean m\u00e1s precisos\u00bb.<\/p>\n
IDSS tambi\u00e9n ha movilizado experiencia en pol\u00edticas para apoyar a los investigadores de Isolat mientras trabajan para que sus hallazgos sean \u00fatiles para los l\u00edderes del MIT y los gobiernos locales. \u00abPodemos ayudar a los investigadores a pensar de manera m\u00e1s cr\u00edtica sobre las formas en que su investigaci\u00f3n es relevante para la toma de decisiones, cu\u00e1ndo y con qui\u00e9n participar, y qu\u00e9 preguntas hacer\u00bb, dice Noelle Selin, profesora del IDSS y del Departamento de Tierra, Atm\u00f3sfera. y Ciencias Planetarias, quien es director de TPP. <\/p>\n
En el marco de su Iniciativa de Investigaci\u00f3n para el Compromiso con las Pol\u00edticas, el TPP ha comenzado a organizar debates con profesores del IDSS y LIDS que est\u00e1n comprometidos con las comunidades locales para ayudarlos a refinar los tipos de preguntas que pueden responder a los formuladores de pol\u00edticas.<\/p>\n
Investigadores con la Colaboraci\u00f3n IDSS COVID-19 (Isolat) est\u00e1n dise\u00f1ando un modelo de control para evaluar y aislar a miembros de comunidades como la del MIT para reducir la infecci\u00f3n por COVID-19. Cr\u00e9dito: Instituto Tecnol\u00f3gico de Massachusetts <\/p>\n
Evaluaci\u00f3n de pol\u00edticas y escenarios hipot\u00e9ticos<\/p>\n
Los datos disponibles sobre las tasas de infecci\u00f3n y muertes por COVID-19 pueden indicar qu\u00e9 tan r\u00e1pido est\u00e1n cambiando esas tasas y pueden indicar qu\u00e9 intervenciones son m\u00e1s o menos eficaz. Esto significa que los investigadores de Isolat no solo pueden medir la efectividad de la pol\u00edtica actual, sino tambi\u00e9n pronosticar el impacto potencial de nuevas pol\u00edticas o cambios de pol\u00edtica.<\/p>\n
Con ese fin, los investigadores de Isolat han dise\u00f1ado y aplicado un m\u00e9todo para predecir el impacto de la pol\u00edtica que llaman \u00abintervenciones sint\u00e9ticas\u00bb. Al frente de este proyecto est\u00e1 Devavrat Shah, profesor de EECS y miembro de LIDS que dirige SDSC dentro de IDSS.<\/p>\n
\u00abTener una comprensi\u00f3n clara de las compensaciones entre intervenciones es crucial para trazar un camino a seguir sobre c\u00f3mo abrir varios sectores de la sociedad\u00bb, dice Shah. \u00abUn desaf\u00edo clave es que los formuladores de pol\u00edticas no pueden darse el lujo de promulgar una variedad de intervenciones y ver cu\u00e1l tiene el resultado \u00f3ptimo\u00bb.<\/p>\n
Basado en un m\u00e9todo estad\u00edstico llamado control sint\u00e9tico, el m\u00e9todo de Intervenciones Sint\u00e9ticas es un forma basada en datos para realizar la planificaci\u00f3n de escenarios hipot\u00e9ticos. El m\u00e9todo aprovecha la informaci\u00f3n de las intervenciones que ya se han promulgado en todo el mundo y ajusta esta informaci\u00f3n al entorno de inter\u00e9s de un formulador de pol\u00edticas.<\/p>\n
Por ejemplo, para estimar el efecto de las intervenciones que restringen la movilidad en los Estados Unidos, Shah y su equipo utilizaron datos de muertes diarias de pa\u00edses con restricciones de movilidad m\u00e1s extremas para crear un \u00abEE. UU. sint\u00e9tico de baja movilidad\u00bb y proyectar la \u00abtrayectoria contraf\u00e1ctica\u00bb de lo que podr\u00eda haber sucedido si EE. UU. hubiera aplicado intervenciones similares.<\/p>\n
\u00abLa buena noticia\u00bb, dice Shah, \u00abes que, hasta ahora, nuestros modelos sugieren que las restricciones moderadas y precisas en la movilidad, en particular en las tiendas minoristas y los lugares de tr\u00e1nsito, podr\u00edan desempe\u00f1ar un papel clave en el aplanamiento de la curva\u00bb.<\/p>\n
\u00bfSe est\u00e1n aplanando las curvas?<\/p>\n
Otro uso de los datos de COVID-19 es modelar el crecimiento y la propagaci\u00f3n de la enfermedad y predecir cu\u00e1ndo se aplanar\u00e1n las curvas y cu\u00e1ndo los casos de coronavirus desacelerar\u00e1n su crecimiento exponencial. <\/p>\n
Al principio, los investigadores del equipo de Predicci\u00f3n observaron la propagaci\u00f3n de enfermedades en los estados de EE. UU. Pero la disponibilidad de datos de conteo de casos a nivel de condado en los Estados Unidos permiti\u00f3 a los investigadores de Isolat modelar el crecimiento de manera m\u00e1s granular ajustando una exponencial de una funci\u00f3n cuadr\u00e1tica al n\u00famero acumulativo de casos informados en cada condado.<\/p>\n
\u00abEste an\u00e1lisis nos da una idea de c\u00f3mo var\u00eda la propagaci\u00f3n de la epidemia dentro de un estado\u00bb, dice Hamsa Balakrishnan, un afiliado del IDSS que es profesor y jefe asociado del departamento de aeron\u00e1utica y astron\u00e1utica. \u00abUn estado o la naci\u00f3n en su conjunto pueden no ser homog\u00e9neos en la forma en que se propaga la epidemia\u00bb.<\/p>\n
El norte y el sur de California, por ejemplo, presentan dos im\u00e1genes diferentes de propagaci\u00f3n cuando se observa condado por condado, lo que sugiere que los funcionarios estatales no deber\u00edan necesariamente aplicar soluciones de pol\u00edticas \u00fanicas para todos en todo el estado. Tambi\u00e9n se pueden ver diferencias similares en Massachusetts; Los condados de Suffolk, Middlesex y Norfolk muestran un tiempo m\u00e1s largo para estabilizarse que otros condados del estado.<\/p>\n
Agrega Balakrishnan: \u00abTeniendo en cuenta la influencia de factores como la densidad de poblaci\u00f3n, la demograf\u00eda, los condados vecinos, la geograf\u00eda y la la movilidad puede proporcionar informaci\u00f3n sobre la propagaci\u00f3n de COVID-19\u00bb.<\/p>\n
Pol\u00edtica de impacto<\/p>\n
Con reuniones diarias, dos publicaciones nuevas por semana, grupos y subequipos en evoluci\u00f3n, y miembros nuevos que se unen cada semana , Isolat es un enfoque din\u00e1mico y exclusivo del MIT para la crisis del coronavirus. Pero el grupo permanece orientado en torno a su prop\u00f3sito: informar a los legisladores con recomendaciones basadas en datos.<\/p>\n
A medida que los investigadores de Isolat aplican diferentes enfoques para buscar respuestas a preguntas a escalas m\u00e1s grandes, el grupo tambi\u00e9n est\u00e1 explorando preguntas relacionadas con la reapertura del campus del MIT y compartir informaci\u00f3n con otros en el MIT, incluido el grupo de planificaci\u00f3n Team 2020 y el proyecto We Solve For Fall. El grupo Isolat ha aplicado la teor\u00eda del control al problema, considerando el campus como una red din\u00e1mica.<\/p>\n
\u00abEn \u00faltima instancia, los ingredientes del control ser\u00e1n las pruebas, el distanciamiento y la cuarentena\u00bb, dice Dahleh. \u00abLas pruebas son enormes. Si no tenemos una cura o una vacuna, las pruebas y la cuarentena son la \u00fanica forma en que podemos controlar la propagaci\u00f3n de la infecci\u00f3n\u00bb.<\/p>\n
Los investigadores de Isolat est\u00e1n informando a los l\u00edderes del MIT, as\u00ed como a construyendo conexiones con los gobiernos locales y estatales, asesorando a grupos en el extranjero y coordinando con ingenieros que est\u00e1n dise\u00f1ando aplicaciones y soluciones para los desaf\u00edos de la pandemia. Continuar\u00e1n compartiendo sus hallazgos en la p\u00e1gina web de Isolat. <\/p>\n
Explore m\u00e1s<\/p>\n
Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) M\u00e1s informaci\u00f3n:<\/strong> idss.mit.edu\/research\/idss-cov … colaboration-isolat\/ Proporcionado por el Instituto Tecnol\u00f3gico de Massachusetts <\/p>\n Esta historia se vuelve a publicar por cortes\u00eda de MIT News (web.mit.edu\/newsoffice\/), un sitio popular que cubre noticias sobre investigaci\u00f3n, innovaci\u00f3n y ense\u00f1anza del MIT. <\/p>\n Cita<\/strong>: La colaboraci\u00f3n informa la pol\u00edtica de coronavirus mediante el an\u00e1lisis de datos asociados con la pandemia (18 de mayo de 2020) consultado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-collaboration -coronavirus-policy-pandemic.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":" Los investigadores de Isolat han dise\u00f1ado y aplicado un m\u00e9todo para modelar el impacto de la pol\u00edtica que llaman \u00abIntervenciones sint\u00e9ticas\u00bb. Basado en el control sint\u00e9tico del m\u00e9todo estad\u00edstico, las intervenciones sint\u00e9ticas son una forma basada en datos para realizar la planificaci\u00f3n de escenarios hipot\u00e9ticos, aprovechando la informaci\u00f3n de las intervenciones que se han promulgado … Continuar leyendo \u00abLa colaboraci\u00f3n informa la pol\u00edtica de coronavirus mediante el an\u00e1lisis de datos asociados con la pandemia\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-26729","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26729","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=26729"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26729\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=26729"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=26729"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=26729"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}