Cr\u00e9dito: CC0 Public Domain <\/p>\n
Investigadores de la Universidad Estatal de S\u00e3o Paulo (UNESP) en Araatuba, Brasil, desarrollaron una herramienta computacional que act\u00faa como un \u00abaceler\u00f3metro COVID-19\u00bb, trazando en en tiempo real la tasa a la que el crecimiento se est\u00e1 acelerando o desacelerando en m\u00e1s de 200 pa\u00edses y territorios. <\/p>\n
Disponible en l\u00ednea de forma gratuita, la aplicaci\u00f3n carga autom\u00e1ticamente los n\u00fameros de casos notificados m\u00e1s recientes del Centro Europeo para la Prevenci\u00f3n y el Control de Enfermedades (ECDC), actualizados diariamente, y aplica t\u00e9cnicas de modelado matem\u00e1tico para diagnosticar la etapa actual de la pandemia en cada pa\u00eds.<\/p>\n
\u00abLa aplicaci\u00f3n democratiza el acceso a la informaci\u00f3n. Todo el mundo puede entender exactamente lo que est\u00e1 pasando en su ciudad, estado o pa\u00eds. Tambi\u00e9n ayuda a los administradores p\u00fablicos y a los encargados de formular pol\u00edticas a evaluar si las medidas tomadas para mitigar la transmisi\u00f3n del nuevo coronavirus son teniendo el efecto deseado\u00bb, dijo Yuri Tani Utsunomiya. Utsunomiya es profesor de la Facultad de Medicina Veterinaria de Araatuba (FMVA) de la UNESP y primer autor de un art\u00edculo publicado en Frontiers in Medicine que muestra c\u00f3mo se puede utilizar el marco de modelado matem\u00e1tico para evaluar los efectos de las medidas de salud p\u00fablica.<\/p>\n
Para explicar c\u00f3mo progresa una epidemia, Utsunomiya ofreci\u00f3 una analog\u00eda con un autom\u00f3vil r\u00e1pido. Inicialmente, la enfermedad se propaga lentamente y los casos diarios crecen lentamente, al igual que un autom\u00f3vil tarda un tiempo en acelerar. La tasa de crecimiento se denomina \u00abincidencia\u00bb y se mide por el n\u00famero de casos nuevos por d\u00eda. La prevalencia es el n\u00famero total de casos desde que comenz\u00f3 el conteo y se puede comparar con la distancia recorrida por este autom\u00f3vil imaginario.<\/p>\n
\u00abPisar el acelerador hace que el n\u00famero de casos aumente r\u00e1pidamente, como un autom\u00f3vil que acelera y acelera\u00bb. velocidad. El crecimiento exponencial en el n\u00famero de casos ocurre en esta segunda etapa de la epidemia. Lo que todos los pa\u00edses quieren es detener esta aceleraci\u00f3n y comenzar a ralentizar la transmisi\u00f3n. Son dos operaciones distintas\u201d, explic\u00f3 Utsunomiya. \u201cLa primera consiste en quitar el pie del acelerador para que la aceleraci\u00f3n caiga a cero. Como resultado, la incidencia alcanza su punto m\u00e1ximo. La segunda operaci\u00f3n consiste en ejercer una aceleraci\u00f3n negativa sobre la enfermedad [pisar el freno] para que la tasa de crecimiento caiga a cero. . Sin velocidad, el auto se detiene. Esto es lo que todos queremos. Queremos que el COVID-19 deje de propagarse\u00bb.<\/p>\n
El aceler\u00f3metro del COVID-19 muestra casi en tiempo real si un pa\u00eds est\u00e1 acelerando o frenando, con un grado de imprecisi\u00f3n en pa\u00edses con subnotificaci\u00f3n de casos.<\/p>\n
Sin embargo, Utsunomiya destac\u00f3 que las cuatro etapas de crecimiento en la epidemiaflujo (verde), exponencial (rosa), desaceleraci\u00f3n (amarillo) y estacionario (azul) – puede que no se desarrolle en ese orden. Incluso despu\u00e9s de un per\u00edodo de desaceleraci\u00f3n o crecimiento estacionario, la enfermedad podr\u00eda volver a propagarse exponencialmente si se abandonan las medidas de control. Por lo tanto, las herramientas que ayudan a monitorear continuamente la transmisi\u00f3n son importantes.<\/p>\n
\u00abNuestro an\u00e1lisis de m\u00e1s de 200 pa\u00edses y territorios mostr\u00f3 que las medidas de control efectivas afectan r\u00e1pidamente la curva de aceleraci\u00f3n, mucho antes de que la cantidad de casos diarios comience a disminuir. Este comportamiento de la curva es muy relevante para cualquier evaluaci\u00f3n de pol\u00edtica p\u00fablica para controlar la enfermedad\u00bb, dijo Utsunomiya.<\/p>\n
Curvas sinuosas<\/p>\n
Usando datos de notificaciones oficiales, la aplicaci\u00f3n traza la curva de incidencia y crecimiento todo el mundo quiere aplanar para que los hospitales no se sobrecarguen y acelere en tiempo real, y detecte las transiciones entre las cuatro etapas. Esto es posible gracias a dos t\u00e9cnicas matem\u00e1ticas: regresi\u00f3n m\u00f3vil y un modelo oculto de Markov.<\/p>\n
\u00abDesarrollamos un m\u00e9todo simple pero muy robusto que toma datos disponibles de bases de datos nacionales e internacionales para producir informaci\u00f3n precisa sobre el progreso y movimiento de la pandemia. Por supuesto, los c\u00e1lculos se basan en datos que dependen esencialmente del diagn\u00f3stico [pruebas]\u00bb, se\u00f1al\u00f3 Jos\u00e9 Fernando Garc\u00eda, profesor de la UNESP Jaboticabal y coautor del art\u00edculo.<\/p>\n
Si bien el la subnotificaci\u00f3n de casos es una limitaci\u00f3n y puede crear distorsiones de escala, las curvas epidemiol\u00f3gicas producidas por el modelo son lo suficientemente precisas, seg\u00fan los investigadores.<\/p>\n
Un an\u00e1lisis de las curvas para Brasil en este momento muestra que ning\u00fan estado tiene hasta ahora logr\u00f3 dejar atr\u00e1s la etapa de crecimiento exponencial, a pesar de las medidas de cuarentena y bloqueos. China lleg\u00f3 a la etapa estacionaria despu\u00e9s de solo seis semanas de aislamiento social bien organizado. Australia, Nueva Zelanda, Austria y Corea del Sur ahora han llegado a la etapa estacionaria. Italia, Espa\u00f1a y Alemania se encuentran en la etapa de desaceleraci\u00f3n, en la que el n\u00famero de casos nuevos cae diariamente, gracias a las medidas de confinamiento adoptadas.<\/p>\n
Utsunomiya divide en dos las medidas destinadas a contener la propagaci\u00f3n del COVID-19 categor\u00edas: supresi\u00f3n, lo que significa medidas m\u00e1s intensas y severas destinadas a revertir r\u00e1pidamente la curva de crecimiento, por ejemplo, cierre y medidas de mitigaci\u00f3n destinadas a reducir la tasa de crecimiento, por ejemplo, exigir m\u00e1scaras faciales y desalentar multitudes.<\/p>\n
\u00abNuestro estudio apunta claramente a la efectividad de la supresi\u00f3n en la lucha contra la COVID-19\u00bb, dijo. \u00abSin embargo, las medidas represivas han sido criticadas por crear problemas sociales y tener un efecto profundamente negativo en la econom\u00eda. La mitigaci\u00f3n tiene impactos sociales y econ\u00f3micos menos severos, pero tambi\u00e9n es menos eficiente. Realmente no hay una panacea\u00bb.<\/p>\n
Fundaci\u00f3n de Investigaci\u00f3n de S\u00e3o PauloFAPESP otorg\u00f3 becas a Utsunomiya en el pasado para apoyar su Ph.D. investigaci\u00f3n e investigaci\u00f3n de maestr\u00eda.<\/p>\n
Seg\u00fan Utsunomiya, Jap\u00f3n es uno de los \u00fanicos pa\u00edses que logr\u00f3 desacelerar el crecimiento de nuevos casos solo con medidas de mitigaci\u00f3n. \u00abLa comparaci\u00f3n de estrategias entre pa\u00edses requiere precauci\u00f3n\u00bb, dijo. \u00abLa efectividad de la mitigaci\u00f3n depende de factores como la infraestructura de atenci\u00f3n m\u00e9dica, la cantidad y frecuencia de las pruebas, la densidad de poblaci\u00f3n y el grado en que las personas en general cumplen con las recomendaciones de las autoridades sanitarias\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
El uso de mascarillas puede mitigar la propagaci\u00f3n de la COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Yuri Tani Utsunomiya et al, Growth Rate and Acceleration Analysis of the COVID-19 Pandemic Reveals the Effect de Medidas de Salud P\u00fablica en Tiempo Real, Fronteras en Medicina (2020). DOI: 10.3389\/fmed.2020.00247 Proporcionado por FAPESP Cita<\/strong>: Cient\u00edficos brasile\u00f1os desarrollan aceler\u00f3metro COVID-19 (22 de junio de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-06 -brazilian-scientists-covid-accelerometer.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 Public Domain Investigadores de la Universidad Estatal de S\u00e3o Paulo (UNESP) en Araatuba, Brasil, desarrollaron una herramienta computacional que act\u00faa como un \u00abaceler\u00f3metro COVID-19\u00bb, trazando en en tiempo real la tasa a la que el crecimiento se est\u00e1 acelerando o desacelerando en m\u00e1s de 200 pa\u00edses y territorios. Disponible en l\u00ednea de forma … Continuar leyendo \u00abCient\u00edficos brasile\u00f1os desarrollan aceler\u00f3metro 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-29007","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/29007","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=29007"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/29007\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=29007"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=29007"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=29007"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}