Diagrama superior izquierdo: Curso de n\u00fameros de casos activos. Diagrama centro izquierda: Proporci\u00f3n susceptible de la poblaci\u00f3n. Diagrama abajo a la izquierda: Impulsores ex\u00f3genos agregados incl. evoluci\u00f3n de las tasas de vacunaci\u00f3n. Cr\u00e9dito: Universidad Tecnol\u00f3gica de Viena <\/p>\n
La pandemia de COVID-19 a\u00fan plantea grandes desaf\u00edos en la gesti\u00f3n de crisis para los gobiernos y los sistemas de salud. Los modelos epidemiol\u00f3gicos juegan un papel fundamental en este esfuerzo, apoyando a los formuladores de pol\u00edticas al predecir la progresi\u00f3n de la infecci\u00f3n y las tasas de hospitalizaci\u00f3n en el futuro. Un desaf\u00edo clave aqu\u00ed es determinar estados epidemiol\u00f3gicos no medibles como la susceptibilidad a la infecci\u00f3n en tiempo real. <\/p>\n
J\u00f3venes investigadores de TU Wien han publicado un nuevo m\u00e9todo que se puede utilizar para predecir de manera f\u00e1cil y s\u00f3lida la susceptibilidad de la poblaci\u00f3n a la infecci\u00f3n como resultado de una mutaci\u00f3n viral bas\u00e1ndose \u00fanicamente en datos oficiales disponibles. El curso de una pandemia est\u00e1 determinado por los denominados impulsores ex\u00f3genos. Estos son, por ejemplo, el cambio de comportamiento social de la poblaci\u00f3n, la movilidad o los confinamientos. Sin embargo, en la mayor\u00eda de los casos, los efectos de estos factores son desconocidos y, por lo tanto, complican seriamente el an\u00e1lisis y la predicci\u00f3n del evento de infecci\u00f3n altamente din\u00e1mico. Con el nuevo m\u00e9todo, estos impulsores ex\u00f3genos tambi\u00e9n pueden determinarse f\u00e1cilmente y en tiempo real. Como resultado, tambi\u00e9n se pueden predecir los efectos cuantitativos de los confinamientos, por ejemplo.<\/p>\n
‘Epidem\u00f3metro’<\/p>\n
Una estimaci\u00f3n m\u00e1s precisa del estado epidemiol\u00f3gico combinada con la determinaci\u00f3n de los factores ex\u00f3genos desconocidos tambi\u00e9n permite pron\u00f3sticos mucho m\u00e1s confiables. Con su trabajo reciente publicado en Journal of Nonlinear Dynamics, el equipo muestra c\u00f3mo el m\u00e9todo de la teor\u00eda de control no lineal se puede aplicar a modelos de compartimentos epidemiol\u00f3gicos comunes, lo que permite pron\u00f3sticos precisos de cantidades esenciales como la incidencia o la ocupaci\u00f3n hospitalaria. El equipo de investigaci\u00f3n ve la nueva \u00abherramienta\u00bb como un apoyo cient\u00edfico para los tomadores de decisiones y sus colegas.<\/p>\n
Innovador: Teor\u00eda de control + medicina<\/p>\n
El nuevo enfoque fue desarrollado por un equipo dirigido por el Prof. Stefan Jakubek en el Instituto de Mec\u00e1nica y Mecatr\u00f3nica de TU Wien en cooperaci\u00f3n con investigadores de MedUni Viena. El trabajo de dos estudiantes de TU Wien, Johanna Bartlechner y Oliver Ecker, jug\u00f3 un papel clave. Proporcionan un enfoque completamente nuevo desde la perspectiva del control y la automatizaci\u00f3n de procesos combinados con la experiencia m\u00e9dica. Utilizan el m\u00e9todo para el an\u00e1lisis cuantitativo en tiempo real y la predicci\u00f3n de variables importantes en la pandemia, espec\u00edficamente la ocupaci\u00f3n de hospitales y unidades de cuidados intensivos.<\/p>\n
Preciso: este m\u00e9todo revela m\u00e1s<\/p>\n
Una mirada a el pasado de la pandemia demuestra su fiabilidad: \u00abEvaluamos nuestros m\u00e9todos utilizando datos de diferentes pa\u00edses durante los \u00faltimos meses, y la precisi\u00f3n alcanzada super\u00f3 significativamente nuestras expectativas\u00bb, explica la estudiante Johanna Bartlechner. Como parte del equipo de TU Wien, analiz\u00f3 no solo Austria sino tambi\u00e9n otros pa\u00edses como Sud\u00e1frica, Dinamarca, Suiza y el Reino Unido. \u00abMuchos factores que influyen significativamente en el n\u00famero de casos o la ocupaci\u00f3n de camas de cuidados intensivos son dif\u00edciles o imposibles de cuantificar y se caracterizan por una din\u00e1mica fuertemente no lineal\u00bb, enfatiza su colega Oliver Ecker. Por ejemplo, lo que la metodolog\u00eda revela adicionalmente y en tiempo real: \u00bfC\u00f3mo cambia una nueva variante viral la probabilidad de una hospitalizaci\u00f3n? \u00bfQu\u00e9 tan efectivas son las intervenciones gubernamentales, como los confinamientos?<\/p>\n
Sitio web: Actualizaci\u00f3n semanal de an\u00e1lisis de COVID-19<\/p>\n
El equipo de investigaci\u00f3n de TU Wien muestra an\u00e1lisis y pron\u00f3sticos actualizados semanalmente para Austria, as\u00ed como an\u00e1lisis de otros pa\u00edses en su sitio web: https:\/\/www.imm-COVID-analytics.com <\/p>\n
Explore m\u00e1s<\/p>\n
Predicci\u00f3n de picos de infecci\u00f3n por COVID-19 M\u00e1s informaci\u00f3n:<\/strong> C. Hametner et al, Predicciones de ocupaci\u00f3n de unidades de cuidados intensivos en la pandemia de COVID-19 basadas en modelos estructurados por edad y planitud diferencial, Journal of Nonlinear Dynamics, (aceptado para publicaci\u00f3n).<\/p>\n Christoph Hametner et al, Estimation of exogenous drivers to predict Pandemia de COVID-19 utilizando un m\u00e9todo de la teor\u00eda de control no lineal, Nonlinear Dynamics (2021). DOI: 10.1007\/s11071-021-06811-7<\/p>\n","protected":false},"excerpt":{"rendered":" Diagrama superior izquierdo: Curso de n\u00fameros de casos activos. Diagrama centro izquierda: Proporci\u00f3n susceptible de la poblaci\u00f3n. Diagrama abajo a la izquierda: Impulsores ex\u00f3genos agregados incl. evoluci\u00f3n de las tasas de vacunaci\u00f3n. Cr\u00e9dito: Universidad Tecnol\u00f3gica de Viena La pandemia de COVID-19 a\u00fan plantea grandes desaf\u00edos en la gesti\u00f3n de crisis para los gobiernos y los … Continuar leyendo \u00abEquipo de investigaci\u00f3n publica nuevo y preciso ‘epidem\u00f3metro’ de COVID\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-6802","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6802","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=6802"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6802\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=6802"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=6802"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=6802"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}