Esta imagen de microscopio electr\u00f3nico de transmisi\u00f3n muestra el SARS-CoV-2, tambi\u00e9n conocido como 2019-nCoV, el virus que causa el COVID-19, aislado de un paciente en EE. UU. . Se muestran part\u00edculas de virus emergiendo de la superficie de las c\u00e9lulas cultivadas en el laboratorio. Los picos en el borde exterior de las part\u00edculas de virus dan a los coronavirus su nombre, en forma de corona. Cr\u00e9dito: NIAID-RML <\/p>\n
Los investigadores de la Escuela de Salud P\u00fablica de Yale pudieron predecir con precisi\u00f3n los brotes de COVID-19 en los municipios de Connecticut utilizando informaci\u00f3n de ubicaci\u00f3n an\u00f3nima de dispositivos m\u00f3viles, seg\u00fan un nuevo estudio publicado en Science Advances. <\/p>\n
El nuevo an\u00e1lisis aplicado en el estudio podr\u00eda ayudar a los funcionarios de salud a detener los brotes comunitarios de COVID-19 y asignar los recursos de prueba de manera m\u00e1s eficiente, dijeron los investigadores.<\/p>\n
El estudio fue realizado por cient\u00edficos de datos y epidemi\u00f3logos de la la Escuela de Salud P\u00fablica de Yale, el Departamento de Salud P\u00fablica de Connecticut, los Centros para el Control y la Prevenci\u00f3n de Enfermedades de EE. UU. y Whitespace Ltd., una empresa de an\u00e1lisis de datos espaciales.<\/p>\n
La clave de los hallazgos fue la precisi\u00f3n con la que los investigadores pudieron identificar incidentes de contacto personal cercano de alta frecuencia (definido como un radio de 6 pies) en Connecticut hasta el nivel municipal. Los CDC aconsejan a las personas que mantengan al menos seis pies de distancia con los dem\u00e1s para evitar una posible transmisi\u00f3n de COVID-19.<\/p>\n
\u00abEl contacto cercano entre personas es la ruta principal de transmisi\u00f3n del SARS-CoV-2, el virus que causa el COVID-19\u00bb, dijo el autor principal del estudio, Forrest Crawford, profesor asociado de bioestad\u00edstica en la Escuela de Salud P\u00fablica de Yale y profesor asociado de ecolog\u00eda y biolog\u00eda evolutiva, gesti\u00f3n, estad\u00edstica y ciencia de datos en Yale.<\/p>\n
\u00abMedimos el contacto interpersonal cercano dentro de un radio de 6 pies en todo Connecticut utilizando datos de geolocalizaci\u00f3n de dispositivos m\u00f3viles durante todo un a\u00f1o\u00bb, dijo Crawford. \u00abEste esfuerzo les dio a los epidemi\u00f3logos y legisladores de Connecticut informaci\u00f3n sobre el comportamiento de distanciamiento social de las personas en todo el estado\u00bb.<\/p>\n
Otros estudios han utilizado las llamadas \u00abm\u00e9tricas de movilidad\u00bb como medidas indirectas para el comportamiento de distanciamiento social y la posible transmisi\u00f3n de COVID-19. Pero ese an\u00e1lisis puede ser err\u00f3neo.<\/p>\n
\u00abLas m\u00e9tricas de movilidad a menudo miden la distancia recorrida o el tiempo que se pasa fuera de un lugar, como su hogar\u00bb, dijo Crawford. \u00abPero todos sabemos que es posible moverse mucho y aun as\u00ed no acercarse mucho a otras personas. Por lo tanto, las m\u00e9tricas de movilidad no son un gran indicador del riesgo de transmisi\u00f3n. Creemos que el contacto cercano predice mejor las infecciones y los brotes locales\u00bb.<\/p>\n
Los hallazgos se basan en una revisi\u00f3n de datos de geolocalizaci\u00f3n de dispositivos m\u00f3viles de Connecticut de febrero de 2020 a enero de 2021. Todos los datos se anonimizaron y agregaron, y no se recopil\u00f3 informaci\u00f3n de identificaci\u00f3n personal.<\/p>\n
Un algoritmo novedoso calcul\u00f3 la probabilidad de eventos de contacto cercano en todo el estado (momentos en los que los dispositivos m\u00f3viles estaban a menos de seis pies de distancia entre s\u00ed) en funci\u00f3n de los datos de geolocalizaci\u00f3n. Luego, esa informaci\u00f3n se incorpor\u00f3 a un modelo est\u00e1ndar de transmisi\u00f3n de COVID-19 para predecir los niveles de casos de COVID-19 no solo en Connecticut, sino tambi\u00e9n en ciudades individuales de Connecticut, distritos censales y grupos de bloques censales.<\/p>\n
Los investigadores dijeron que predijo con \u00e9xito una ola inicial de casos de COVID-19 en Connecticut de marzo a abril de 2020, una ca\u00edda en los casos en todo el estado durante junio a agosto y brotes localizados en ciertas ciudades de Connecticut en agosto y septiembre.<\/p>\n
Muchos funcionarios de salud conf\u00edan actualmente sobre datos generales de vigilancia, como el n\u00famero de casos confirmados, hospitalizaciones y muertes para rastrear la propagaci\u00f3n de COVID-19. Pero ese proceso puede retrasar la transmisi\u00f3n real de la enfermedad por d\u00edas y semanas. Analizar las tasas de contacto personal cercano es mucho m\u00e1s r\u00e1pido, dijeron los investigadores.<\/p>\n
\u00abLa tasa de contacto que desarrollamos en este estudio puede revelar condiciones de alto contacto que probablemente generen brotes locales y \u00e1reas donde los residentes tienen d\u00edas de alto riesgo de transmisi\u00f3n. o semanas antes de que los casos resultantes se detecten mediante pruebas, investigaciones de casos tradicionales y rastreo de contactos\u00bb, dijo Crawford. <\/p>\n
Explore m\u00e1s<\/p>\n
Riesgo de resurgimiento de la COVID-19 si Connecticut reabre demasiado pronto M\u00e1s informaci\u00f3n:<\/strong> Forrest W. Crawford et al, Impacto del contacto interpersonal cercano en la incidencia de la COVID-19: Evidencia a partir de 1 a\u00f1o de datos de dispositivos m\u00f3viles, Science Advances (2022). DOI: 10.1126\/sciadv.abi5499 Informaci\u00f3n de la revista:<\/strong> Science Advances <\/p>\n Proporcionado por la Universidad de Yale Cita<\/strong>: Los investigadores usan datos de dispositivos m\u00f3viles para predecir brotes de COVID-19 (2022, 31 de enero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-01-mobile-device-covid-outbreaks.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":" Esta imagen de microscopio electr\u00f3nico de transmisi\u00f3n muestra el SARS-CoV-2, tambi\u00e9n conocido como 2019-nCoV, el virus que causa el COVID-19, aislado de un paciente en EE. UU. . Se muestran part\u00edculas de virus emergiendo de la superficie de las c\u00e9lulas cultivadas en el laboratorio. Los picos en el borde exterior de las part\u00edculas de virus … Continuar leyendo \u00abInvestigadores usan datos de dispositivos m\u00f3viles para predecir brotes de 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-5615","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5615","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=5615"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5615\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=5615"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=5615"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=5615"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}