Red de contactos de empleados en un edificio de oficinas en Francia, umbralizados seg\u00fan el n\u00famero de contactos. En (a) se muestran todos los enlaces que conectan a dos personas con m\u00e1s de 100 encuentros, (b) y (c) muestran los casos para 200 y 500 encuentros. En la red m\u00e1s densa (a) casi todos los empleados se infectan (rojo). Solo unos pocos con v\u00ednculos d\u00e9biles con el n\u00facleo de la red se mantienen saludables (verde). Lo mismo ocurre con la red menos densa (b). Por debajo de cierta densidad de enlaces, las cosas cambian abruptamente (c): solo aparecen unos pocos grupos de infecci\u00f3n, mientras que la mayor\u00eda permanece saludable. Este es el patr\u00f3n t\u00edpico observado en la pandemia de COVID-19 al implementar medidas de distanciamiento social. Eso muestra la importancia de reducir la densidad de la red por debajo del punto cr\u00edtico. La prueba de la existencia de tal punto cr\u00edtico es la principal contribuci\u00f3n del art\u00edculo. El mensaje pr\u00e1ctico es: las intervenciones no farmac\u00e9uticas deber\u00edan poder llevar la densidad de las redes sociales por debajo de ese punto. Cr\u00e9dito: CSH Viena <\/p>\n
Con el primer pico epid\u00e9mico de COVID-19 detr\u00e1s de ellos, muchos pa\u00edses explicaron la disminuci\u00f3n de las cifras de infecci\u00f3n a trav\u00e9s de intervenciones no farmac\u00e9uticas. Frases como \u00abdistanciamiento social\u00bb y \u00abaplanar la curva\u00bb se han convertido en parte del vocabulario com\u00fan. Sin embargo, algunas explicaciones se quedaron cortas: \u00bfc\u00f3mo se podr\u00eda explicar el aumento lineal de las curvas de infecci\u00f3n, que muchos pa\u00edses muestran despu\u00e9s del primer pico, en contraste con las curvas en forma de S, que se esperan de los modelos epidemiol\u00f3gicos? <\/p>\n
En un nuevo art\u00edculo publicado en Proceedings of the National Academy of Sciences, los cient\u00edficos del Complexity Science Hub Vienna (CSH) ofrecen una explicaci\u00f3n para el crecimiento lineal de la curva de infecci\u00f3n.<\/p>\n
\u00abEn el principio de la pandemia, las curvas de infecci\u00f3n por COVID-19 mostraron el crecimiento exponencial esperado\u00bb, dice Stefan Thurner, presidente de CSH y profesor de Ciencias de Sistemas Complejos en la Universidad de Medicina de Viena. Esto puede explicarse bien por el llamado efecto bola de nieve: una persona infectada infectar\u00eda a algunas otras y, en una reacci\u00f3n en cadena, tambi\u00e9n transmitir\u00eda el virus a algunas otras. \u00abCon medidas como el distanciamiento social, los gobiernos intentaron empujar la tasa de crecimiento por debajo de la tasa de recuperaci\u00f3n y, por lo tanto, reducir enormemente la cantidad de nuevas infecciones. Sin embargo, en esta l\u00f3gica, las personas habr\u00edan infectado a menos de una persona y la curva se habr\u00eda aplanado. , eventualmente llegando a cero, algo que no sucedi\u00f3\u00bb, explica Thurner.<\/p>\n
\u00abLo que vimos en cambio fue un nivel constante de infecciones con una cantidad similar de infecciones nuevas todos los d\u00edas\u00bb, agrega el coautor Peter Klimek (CSH y Universidad M\u00e9dica de Viena). \u00abExplicar esto con modelos epidemiol\u00f3gicos est\u00e1ndar ser\u00eda b\u00e1sicamente imposible\u00bb.<\/p>\n
El uso de modelos epidemiol\u00f3gicos tradicionales habr\u00eda requerido muchos ajustes de par\u00e1metros, lo que har\u00eda que el modelo fuera cada vez m\u00e1s inveros\u00edmil. \u00abSi desea equilibrar las mediciones para que el n\u00famero de reproducci\u00f3n efectivo R se mantenga exactamente en 1, algo que explicar\u00eda el crecimiento lineal, tendr\u00eda que reducir los contactos en el mismo porcentaje exacto y constante. En realidad, eso es extremadamente improbable\u00bb, dice Klimek.<\/p>\n
De hecho, la probabilidad de observar un crecimiento lineal en estos modelos compartimentales est\u00e1ndar es pr\u00e1cticamente nula, se\u00f1alan los cient\u00edficos del CSH. Por lo tanto, se inspiraron para ampliar el modelo y buscar m\u00e1s explicaciones.<\/p>\n
Los cient\u00edficos explicaron la forma lineal de las curvas a trav\u00e9s de una forma de propagaci\u00f3n diferente a la esperada inicialmente: Asumieron que la din\u00e1mica de propagaci\u00f3n continuaba en peque\u00f1os y agrupaciones limitadas. \u00abLa mayor\u00eda de las personas fueron a trabajar, se infectaron y se lo contagiaron a dos o tres personas en el hogar, y luego esas personas volvieron al trabajo o a la escuela. La infecci\u00f3n b\u00e1sicamente se estaba propagando de un grupo a otro\u00bb, dice Stefan Thurner. \u00abEl cambio de las curvas de infecci\u00f3n de tener forma de S a un comportamiento lineal es claramente un efecto de red, una din\u00e1mica muy diferente de los grandes eventos de superpropagaci\u00f3n\u00bb.<\/p>\n
Los cient\u00edficos demostraron que hay un n\u00famero cr\u00edtico de contactos, que lo llaman grado de redes de contacto o Dc, por debajo del cual debe ocurrir un crecimiento lineal y una baja prevalencia de infecci\u00f3n. Descubrieron que Dc era igual a 7,2, suponiendo que las personas circulan en una red relevante para el coronavirus de unas cinco personas, que es a\u00fan m\u00e1s baja durante un confinamiento efectivo (tama\u00f1o del hogar de 2,5 personas en promedio).<\/p>\n
En lugar de tener para afinar los par\u00e1metros, su modelo permite una amplia gama de posibilidades que mantienen lineales las curvas de infecci\u00f3n. Explica por qu\u00e9 aparecen curvas de infecci\u00f3n lineales en tantos pa\u00edses, independientemente de la magnitud de las intervenciones no farmac\u00e9uticas impuestas.<\/p>\n
\u00bfQu\u00e9 pasar\u00eda si EE. UU. hubiera introducido medidas para reducir el grado promedio en las redes de contacto de cinco a 2,5 personas antes? \u00bfen? Esto podr\u00eda haber reducido casi a la mitad el n\u00famero de contagios de COVID-19 hasta la primera semana de mayo. \u00bfY si Austria hubiera implementado sus estrictas medidas contra la propagaci\u00f3n del coronavirus diez d\u00edas despu\u00e9s? Seg\u00fan el modelo, tal retraso habr\u00eda resultado en hasta un 30% m\u00e1s de casos. Cr\u00e9dito: CSH Viena <\/p>\n
En un paso m\u00e1s, los cient\u00edficos compararon Austria, un pa\u00eds que respondi\u00f3 con un confinamiento severo desde el principio, y Estados Unidos, que inicialmente no impuso medidas severas. Seg\u00fan Peter Klimek, su modelo funciona para ambos escenarios: \u00abAmbos tipos de pa\u00edses mostraron curvas lineales, pero en el caso de EE. UU. y otros pa\u00edses como Suecia, estas ocurrieron en un nivel mucho m\u00e1s alto\u00bb.<\/p>\n
El modelo no solo explica el surgimiento de un r\u00e9gimen de crecimiento lineal, sino que tambi\u00e9n explica por qu\u00e9 la epidemia podr\u00eda detenerse por debajo de los niveles de inmunidad colectiva mediante el consiguiente distanciamiento social. Para el procedimiento de modelado est\u00e1ndar, los cient\u00edficos de la complejidad utilizan el llamado modelo compartimental con modelos SIR, ampli\u00e1ndolo con la transmisi\u00f3n de grupos descrita.<\/p>\n
Pero, \u00bfqu\u00e9 suceder\u00e1 en los pr\u00f3ximos meses, con el potencial de los n\u00fameros? subiendo de nuevo? Con factores de riesgo adicionales, como personas que regresan de vacaciones en otros pa\u00edses y m\u00e1s tiempo dentro, la propagaci\u00f3n de la enfermedad podr\u00eda cambiar. \u00abSi las infecciones vuelven a aumentar, existe la posibilidad de que las curvas lineales vuelvan a convertirse en un crecimiento exponencial, algo que la gente describi\u00f3 como una segunda ola\u00bb, concluye Klimek. <\/p>\n
Explore m\u00e1s<\/p>\n
Coronavirus: se acepta el distanciamiento social cuando las personas entienden el crecimiento exponencial M\u00e1s informaci\u00f3n:<\/strong> Stefan Thurner et al, Una explicaci\u00f3n basada en redes de por qu\u00e9 la mayor\u00eda de las curvas de infecci\u00f3n por COVID-19 son lineales, Actas de la Academia Nacional de Ciencias (2020). DOI: 10.1073\/pnas.2010398117 Informaci\u00f3n de la revista:<\/strong> Procedimientos de la Academia Nacional de Ciencias <\/p>\n Proporcionado por Complexity Science Hub Viena Cita<\/strong>: Por qu\u00e9 se comportan las curvas de infecci\u00f3n de COVID-19 tan inesperadamente (25 de agosto de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-08-covid-infection-unexpectedly.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":" Red de contactos de empleados en un edificio de oficinas en Francia, umbralizados seg\u00fan el n\u00famero de contactos. En (a) se muestran todos los enlaces que conectan a dos personas con m\u00e1s de 100 encuentros, (b) y (c) muestran los casos para 200 y 500 encuentros. En la red m\u00e1s densa (a) casi todos los … Continuar leyendo \u00abPor qu\u00e9 las curvas de infecci\u00f3n de COVID-19 se comportan de manera tan inesperada\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-33532","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/33532","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=33532"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/33532\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=33532"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=33532"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=33532"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}