Jaideep Ray y Cosmin Safta usan datos registrados y una tasa de infecci\u00f3n calculada para predecir futuros casos de coronavirus. Este ejemplo se basa en datos de Nuevo M\u00e9xico del 12 de abril al 28 de mayo que luego se usaron para pronosticar nuevos casos de COVID-19 entre el 28 de mayo y el 7 de junio. Cr\u00e9dito: Sydney Spruiell <\/p>\n
Redes de datos globales que conectan a las personas a trav\u00e9s de sus dispositivos han hecho posible crear pron\u00f3sticos precisos a corto plazo de nuevos casos de COVID-19, utilizando un m\u00e9todo iniciado por dos investigadores de Sandia National Laboratories. <\/p>\n
Jaideep Ray y Cosmin Safta usaron un modelo desarrollado por Ray hace m\u00e1s de una d\u00e9cada para rastrear epidemias de peste usando estad\u00edsticas. Para COVID-19, tambi\u00e9n recurrieron al consejo de sus compa\u00f1eros de trabajo de Sandia con experiencia en modelado, matem\u00e1ticas e ingenier\u00eda de software.<\/p>\n
\u00abEmpec\u00e9 a usar este m\u00e9todo por primera vez en 2008-09. Cosmin y yo lo adaptamos en 2010 para rastrear enfermedades similares a la influenza\u00bb, dijo Ray. \u00abCuando el COVID-19 comenz\u00f3 a propagarse tan r\u00e1pidamente, sab\u00edamos que pod\u00edamos usar el mismo m\u00e9todo para ayudar a pronosticar el brote\u00bb.<\/p>\n
Ray y Safta usan datos disponibles p\u00fablicamente de los Centros para el Control y la Prevenci\u00f3n de Enfermedades, The Repositorio de datos del New York Times, Universidad Johns Hopkins y varios departamentos de salud estatales. En cuesti\u00f3n de minutos, y sin necesidad de recursos inform\u00e1ticos de alto rendimiento, los investigadores pueden pronosticar nuevos casos en una regi\u00f3n oa nivel nacional durante los pr\u00f3ximos siete a 10 d\u00edas. Desde abril, la cantidad de casos nuevos ha seguido aproximadamente las tendencias predichas por Ray y Safta.<\/p>\n
\u00abEste m\u00e9todo es una forma relativamente f\u00e1cil y econ\u00f3mica de obtener pron\u00f3sticos a corto plazo sobre los nuevos casos de coronavirus que los tomadores de decisiones puede utilizar para asignar recursos de atenci\u00f3n de la salud y la respuesta\u00bb, explic\u00f3 Safta. \u00abEste m\u00e9todo es mucho m\u00e1s f\u00e1cil y econ\u00f3mico que los m\u00e9todos que requieren computadoras y mano de obra m\u00e1s s\u00f3lidas\u00bb.<\/p>\n
El rango de precisi\u00f3n de las predicciones var\u00eda seg\u00fan la cantidad de d\u00edas que Safta y Ray intentan pronosticar. Por lo tanto, si bien la cantidad de casos generalmente ha seguido las tendencias predichas en el modelo dentro de siete a 10 d\u00edas, el m\u00e9todo no es \u00fatil para predecir m\u00e1s de 10 d\u00edas.<\/p>\n
\u00abLos pron\u00f3sticos vienen con un rango dentro de que los usuarios pueden esperar que la realidad mienta\u00bb, dijo Ray. \u00abEl rango cambia a diario seg\u00fan los datos, pero el modelo garantiza que el usuario pueda tener un 95 % de confianza de que la realidad se encontrar\u00e1 dentro del rango\u00bb.<\/p>\n
El proyecto, que fue financiado a trav\u00e9s de la Investigaci\u00f3n Dirigida por el Laboratorio de Sandia y El programa de desarrollo proporcion\u00f3 resultados nacionales al equipo del Laboratorio Nacional de Biotecnolog\u00eda Virtual para su publicaci\u00f3n en un tablero administrado por el DOE (financiado por la Oficina de Ciencias del Departamento de Energ\u00eda de EE. UU.) para los tomadores de decisiones federales. Tambi\u00e9n se proporcionaron resultados espec\u00edficos al Departamento de Salud de Nuevo M\u00e9xico para guiar las respuestas regionales en todo el estado.<\/p>\n
Los datos revelados por los pron\u00f3sticos tambi\u00e9n pueden medir el impacto de las intervenciones a lo largo del tiempo. Ray y Safta dijeron que responder r\u00e1pidamente para proporcionar datos sobre brotes emergentes no habr\u00eda sido posible hace cinco a\u00f1os.<\/p>\n
\u00abDado que estamos tan conectados hoy, es posible obtener una cantidad precisa de casos de COVID-19 en al d\u00eda y hacerlo llegar a todo el mundo en un per\u00edodo de 24 horas\u00bb, dijo Ray. \u00abHace diez a\u00f1os, incluso hace cinco a\u00f1os, no pod\u00edas obtener estos datos. En 2015, con el brote de \u00e9bola, cuando obtuvieron los datos, no ten\u00eda sentido intentar hacer un pron\u00f3stico porque ya estaba desactualizado e in\u00fatil\u00bb. tomadores de decisiones\u00bb.<\/p>\n
\u00abPara la situaci\u00f3n actual de COVID-19, tener m\u00e1s fuentes de datos ayuda dram\u00e1ticamente a nuestra capacidad de crear pron\u00f3sticos a corto plazo para informar las decisiones de salud p\u00fablica\u00bb, concluy\u00f3 Safta. <\/p>\n
Explore m\u00e1s<\/p>\n
Por qu\u00e9 los pron\u00f3sticos a corto plazo pueden ser mejores que los modelos para predecir c\u00f3mo evolucionan las pandemias Proporcionado por Sandia National Laboratories Cita<\/strong>: Los investigadores usan datos p\u00fablicos para pronosticar nuevos casos de coronavirus (2020, 30 de junio) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-06-coronavirus-cases.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":" Jaideep Ray y Cosmin Safta usan datos registrados y una tasa de infecci\u00f3n calculada para predecir futuros casos de coronavirus. Este ejemplo se basa en datos de Nuevo M\u00e9xico del 12 de abril al 28 de mayo que luego se usaron para pronosticar nuevos casos de COVID-19 entre el 28 de mayo y el 7 … Continuar leyendo \u00abInvestigadores usan datos p\u00fablicos para pronosticar nuevos casos de coronavirus\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-28278","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28278","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=28278"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28278\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=28278"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=28278"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=28278"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}