Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Investigadores de la Universidad de Alabama, junto con socios internacionales, aplicaron una herramienta matem\u00e1tica utilizada para modelar procesos geoqu\u00edmicos a infecciones de COVID-19, encontrar el modelo puede ayudar a comprender la pandemia de coronavirus y evaluar el impacto de diferentes estrategias de mitigaci\u00f3n en la infecci\u00f3n de la enfermedad. <\/p>\n
El equipo dirigido por el Dr. Yong Zhang, profesor asociado de ciencias geol\u00f3gicas, utiliz\u00f3 una nueva t\u00e9cnica de c\u00e1lculo fraccionado para modelar la propagaci\u00f3n del coronavirus. \u00c9l y el Dr. Geoffrey Tick, profesor de ciencias geol\u00f3gicas, normalmente aplican esta t\u00e9cnica matem\u00e1tica para modelar los movimientos del agua y los contaminantes en el suelo y las aguas subterr\u00e1neas.<\/p>\n
\u00abLa propagaci\u00f3n de COVID-19 es an\u00e1loga a la reacci\u00f3n bimolecular controlada por difusi\u00f3n , y por lo tanto, el conocimiento aprendido de otras disciplinas puede ayudarnos a comprender la propagaci\u00f3n de la pandemia\u00bb, dijo Zhang. \u00abMuchos procesos aleatorios que incluyen la propagaci\u00f3n de virus, el transporte de contaminantes, la fluctuaci\u00f3n del mercado de valores, eventos de tormentas\/sequ\u00edas e incluso la deriva continental, aunque impulsados por diferentes mecanismos y evolucionando en diferentes escalas espaciotemporales, tienden a exhibir caracter\u00edsticas estoc\u00e1sticas similares que pueden describirse bien mediante c\u00e1lculo fraccionario. t\u00e9cnicas\u00bb.<\/p>\n
En un art\u00edculo publicado el mes pasado en la revista Chaos, Solitons & Fractals, Zhang, Tick y sus colegas de universidades y un hospital en China informaron que los modelos basados en c\u00e1lculo fraccional pueden complementar los enfoques est\u00e1ndar de modelos infecciosos que predicen casos futuros al reproducir la propagaci\u00f3n infecciosa hacia atr\u00e1s desde las muertes actuales debido a COVID-19.<\/p>\n
\u00abEste modelo puede ayudarnos a comprender mejor la naturaleza de los procesos del mundo real que ya han ocurrido, lo que, a su vez, , nos da una mejor idea de d\u00f3nde estamos con la propagaci\u00f3n de COVID-19 y ayuda a predecir su evoluci\u00f3n en el futuro\u00bb, dijo Zhang.<\/p>\n
Para ver c\u00f3mo el c\u00e1lculo fraccionario cou Para modelar la pandemia, los investigadores comenzaron con los datos de China del 23 de enero al 22 de marzo, cuando las infecciones por coronavirus alcanzaron su punto m\u00e1ximo, y capturaron la evoluci\u00f3n de la mortalidad del virus durante los siguientes tres meses. Descubrieron que el modelo matem\u00e1tico funcion\u00f3 bien al capturar la muerte a lo largo del tiempo en China, Italia, Corea del Sur y Jap\u00f3n.<\/p>\n
El modelo confirm\u00f3 que el distanciamiento social estricto puede retrasar la propagaci\u00f3n del coronavirus y reducir las infecciones a la mitad, pero tambi\u00e9n descubri\u00f3 que la pandemia tendr\u00e1 una duraci\u00f3n aproximadamente dos tercios m\u00e1s larga que en escenarios sin un distanciamiento social estricto.<\/p>\n
Los investigadores, sin embargo, encontraron que el modelo calibrado con los datos informados de China no funcion\u00f3 bien para igualar la evoluci\u00f3n de la pandemia observada durante los \u00faltimos tres meses en los Estados Unidos y no era confiable para predecir la evoluci\u00f3n futura de la pandemia debido al n\u00famero m\u00e1ximo desconocido de infecciones y las estrategias de control de mitigaci\u00f3n muy diferentes adoptadas por los diferentes pa\u00edses.<\/p>\n
Por ejemplo, la poblaci\u00f3n infectada diaria actual puede haber alcanzado su punto m\u00e1ximo el 14 de abril en la ciudad de Nueva York, lo que da como resultado un modelo de infecci\u00f3n que puede predecir la futura pandemia en las mismas condiciones. Sin embargo, para el condado de Montgomery, Alabama, la poblaci\u00f3n infectada actual a\u00fan no ha alcanzado su punto m\u00e1ximo, por lo que existen importantes desaf\u00edos e incertidumbre para una predicci\u00f3n del modelo m\u00e1s confiable, dijo.<\/p>\n
\u00abEs f\u00e1cil en matem\u00e1ticas calcular el estado de pandemia en el pr\u00f3ximo mes usando nuestro modelo bien validado\u00bb, dijo Zhang. \u00abSin embargo, sin la capacidad de cuantificar adecuadamente el pico de la poblaci\u00f3n infectada actual, la predicci\u00f3n del modelo de COVID-19 contiene una gran incertidumbre y representa solo un escenario de muchas posibilidades en el futuro\u00bb.<\/p>\n
M\u00e1s datos son necesarios para disminuir la incertidumbre del modelo, dijo Zhang. <\/p>\n
Explore m\u00e1s<\/p>\n
Las matem\u00e1ticas detr\u00e1s del modelo COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Yong Zhang et al. Aplicabilidad de modelos derivados fraccionarios de tiempo para simular la din\u00e1mica y escenarios de mitigaci\u00f3n de COVID-19, Chaos, Solitons & Fractals (2020). DOI: 10.1016\/j.chaos.2020.109959 Proporcionado por la Universidad de Alabama en Tuscaloosa Cita<\/strong>: Modelando el pasado para predecir el futuro COVID-19 (22 de julio de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress .com\/news\/2020-07-future-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: Pixabay\/CC0 Dominio p\u00fablico Investigadores de la Universidad de Alabama, junto con socios internacionales, aplicaron una herramienta matem\u00e1tica utilizada para modelar procesos geoqu\u00edmicos a infecciones de COVID-19, encontrar el modelo puede ayudar a comprender la pandemia de coronavirus y evaluar el impacto de diferentes estrategias de mitigaci\u00f3n en la infecci\u00f3n de la enfermedad. El equipo … Continuar leyendo \u00abModelando el pasado para predecir el futuro 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-31517","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/31517","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=31517"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/31517\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=31517"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=31517"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=31517"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}