Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Profesores del Departamento de Ingenier\u00eda Mec\u00e1nica de la Universidad Tecnol\u00f3gica de Texas a trav\u00e9s del Edward E. Whitacre Jr. College of Engineering han desarrollado un nuevo modelo epidemiol\u00f3gico para predecir la propagaci\u00f3n de COVID-19 (que se puede aplicar a cualquier jurisdicci\u00f3n) y han hecho predicciones para seis estados representativos de EE. UU.: California, Luisiana, Nueva Jersey, Nueva York, Texas y Washington. <\/p>\n
Fazle Hussain, presidente de la C\u00e1tedra Distinguida de Ingenier\u00eda, Ciencia y Medicina del Presidente, Zeina Khan, profesora asistente de investigaci\u00f3n de ingenier\u00eda mec\u00e1nica, y Frank Van Bussel, investigador posdoctoral, presentaron recientemente su art\u00edculo, \u00abUn modelo predictivo para COVID-19″. 19 Spread Applied to Six US States\u00bb, a Nature Medicine.<\/p>\n
\u00abNuestro objetivo era combinar nuestra experiencia en bioingenier\u00eda y modelado inform\u00e1tico para desarrollar un modelo integral para predecir COVID-19, incluidos los m\u00e1s importantes y relevantes par\u00e1metros, y para calcular e interpretar los resultados en t\u00e9rminos de par\u00e1metros relevantes\u00bb, dijo Hussain.<\/p>\n
Este modelo incorpora una serie de par\u00e1metros de gran relevancia para las pandemias, particularmente COVID-19, y es capaz de hacer predicciones de tales par\u00e1metros y su interdependencia.<\/p>\n
\u00abDecidimos crear un nuevo modelo de este coronavirus para predecir una gama m\u00e1s amplia de par\u00e1metros que los modelos anteriores no\u00bb, dijo Khan. \u00abUna caracter\u00edstica importante es la propagaci\u00f3n asintom\u00e1tica de personas que no saben que est\u00e1n enfermas, deambulan por la sociedad y propagan el virus. Otra caracter\u00edstica es el bloqueo que todos hemos experimentado. Decidimos comenzar desde esa perspectiva y construir un nuevo modelo. Este tipo de modelo se describe como un modelo de compartimentos, donde la sociedad se divide en compartimentos conceptuales\u00bb.<\/p>\n
Los compartimentos utilizados en el modelo incluyen: susceptibles, infectados no detectados, infectados detectados, recuperados detectados, distanciamiento social, recuperaci\u00f3n no detectada \/muerte y muertes detectadas.<\/p>\n
\u00abLa poblaci\u00f3n susceptible es la mayor\u00eda de la poblaci\u00f3n de una regi\u00f3n o pa\u00eds al comienzo de la enfermedad\u00bb, explic\u00f3 Khan. \u00abHay un peque\u00f1o n\u00famero de lo que llamamos ‘infectados desconocidos’, porque no est\u00e1n lo suficientemente enfermos como para darse cuenta e ir a hacerse la prueba, ser hospitalizados o quedarse en casa\u00bb. Hay un peque\u00f1o n\u00famero de los que inician la propagaci\u00f3n de la infecci\u00f3n. Luego, a medida que progresan los s\u00edntomas de las personas, o como resultado de pruebas aleatorias, se detectan infectados. Estas personas infectadas detectadas contin\u00faan recuper\u00e1ndose, lo que las coloca en un nuevo compartimento, o mueren, y ese es otro compartimento\u00bb.<\/p>\n
Hussain dijo que otros aspectos tambi\u00e9n juegan un papel fundamental en qui\u00e9n puede o no ser m\u00e1s susceptibles a contraer COVID-19.<\/p>\n
\u00abFactores como la cultura, los h\u00e1bitos alimentarios, los sistemas pol\u00edticos, el color de la piel y la latitud son variables. Por ejemplo, con el sistema pol\u00edtico de China, si se les ordena que se mantengan a seis pies de distancia el uno del otro ma\u00f1ana, todos obedecer\u00edan. La latitud es un factor importante debido a la cantidad de luz solar a la que una persona est\u00e1 expuesta\u00bb.<\/p>\n
El documento hace algunas predicciones audaces, que incluyen:<\/p>\n
La raz\u00f3n por la que el confinamiento anterior habr\u00eda salvado decenas de miles de vidas en el estado de Nueva York, pero no habr\u00eda marcado una gran diferencia en Texas se debe a lo bien que Nueva York cumpli\u00f3 con las medidas de cierre, dijo Khan.<\/p>\n
El aspecto m\u00e1s revelador de su art\u00edculo son los n\u00fameros. Seg\u00fan sus predicciones, para el 1 de octubre podr\u00eda haber 3 millones de casos de COVID-19 y 235 000 muertes totales en los EE. UU. <\/p>\n
Explore m\u00e1s<\/p>\n
Los cient\u00edficos predicen la mejor estrategia para levantar el confinamiento por COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Khan et al., A Predictive Model for COVID-19 Spread Applied to Six US States. arXiv:2006.05955 [q-bio.PE]. arxiv.org\/abs\/2006.05955 Informaci\u00f3n del diario:<\/strong> Nature Medicine <\/p>\n Proporcionado por Texas Tech University Cita<\/strong>: Nuevo modelo epid\u00e9mico indica que COVID-19 lleg\u00f3 para quedarse, probablemente causar 235 000 muertes en EE. UU. en octubre (24 de junio de 2020) consultado el 31 de agosto de 2022 en https:\/\/medicalxpress.com\/news\/2020-06-epidemic-covid-deaths-october.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: Pixabay\/CC0 Dominio p\u00fablico Profesores del Departamento de Ingenier\u00eda Mec\u00e1nica de la Universidad Tecnol\u00f3gica de Texas a trav\u00e9s del Edward E. Whitacre Jr. College of Engineering han desarrollado un nuevo modelo epidemiol\u00f3gico para predecir la propagaci\u00f3n de COVID-19 (que se puede aplicar a cualquier jurisdicci\u00f3n) y han hecho predicciones para seis estados representativos de EE. … Continuar leyendo \u00abEl nuevo modelo epid\u00e9mico indica que el COVID-19 lleg\u00f3 para quedarse y probablemente cause 235\u00a0000 muertes en los EE. UU. para octubre\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-28672","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28672","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=28672"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28672\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=28672"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=28672"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=28672"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}