La simulaci\u00f3n en una red de n\u00fameros de susceptibles (S), infectados (I) y recuperados (R) de una pandemia y su variante (I’, R’) sobre tiempo. En t=21, se agreg\u00f3 una variante. Cr\u00e9dito: DOI: 10.1038\/s41598-021-04520-0 <\/p>\n
Investigadores de la Universidad Metropolitana de Tokio han realizado simulaciones num\u00e9ricas basadas en la teor\u00eda de redes que muestran c\u00f3mo cambia la cantidad de infecciones en una pandemia cuando surge una nueva variante. Encontraron una dependencia no lineal entre cu\u00e1n infecciosa es la nueva variante en comparaci\u00f3n con la existente, un efecto que no se hab\u00eda visto en trabajos anteriores. Su modelo puede aplicarse para comprender pandemias reales como la COVID-19 e informar las medidas de control. <\/p>\n
Desde que comenz\u00f3 a propagarse a fines de 2019, el COVID-19 ha tenido un impacto devastador en la vida de las personas. Con ola tras ola de nuevas variantes que contin\u00faan causando estragos en todo el mundo, los cient\u00edficos han estado buscando formas de comprender c\u00f3mo se propaga la enfermedad. En particular, est\u00e1 la cuesti\u00f3n de c\u00f3mo aparecen, se propagan y acaban desplazando nuevas variantes a la cepa existente. Comprender la din\u00e1mica de las variantes en una poblaci\u00f3n es vital para controlar su propagaci\u00f3n.<\/p>\n
Un marco cl\u00e1sico para modelar la din\u00e1mica pand\u00e9mica es el modelo SIR \u00abcompartimental\u00bb, que analiza el n\u00famero de susceptibles (S), infectados (I ) y miembros recuperados (R) de una poblaci\u00f3n. Los n\u00fameros se relacionan mediante ecuaciones y se resuelven, dando muchas de las caracter\u00edsticas m\u00e1s destacadas de c\u00f3mo se propaga una enfermedad; la pandemia se propaga r\u00e1pidamente antes de ralentizarse a medida que disminuye el n\u00famero de casos susceptibles y m\u00e1s pacientes se recuperan. Sin embargo, el modelo no puede dar cuenta de la naturaleza variada de la poblaci\u00f3n, es decir, un individuo infectado dado no tiene la misma probabilidad de infectar a todos los dem\u00e1s, y el n\u00famero de contactos que tienen las personas puede variar mucho de una persona a otra. Cualquier modelo que intente capturar la din\u00e1mica de la pandemia y comprender d\u00f3nde y c\u00f3mo se propaga necesita usar un modelo m\u00e1s sofisticado.<\/p>\n
A diferencia de los modelos convencionales, la cantidad de personas que experimentaron la infecci\u00f3n no se escala linealmente con cu\u00e1nto m\u00e1s Se compara una variante infecciosa con la cepa existente. Cr\u00e9dito: DOI: 10.1038\/s41598-021-04520-0 <\/p>\n
Es por eso que el profesor em\u00e9rito Yutaka Okabe y el profesor Akira Shudo de la Universidad Metropolitana de Tokio recurrieron a la teor\u00eda de redes, un marco matem\u00e1tico que captura c\u00f3mo los miembros de una poblaci\u00f3n se conectan con otros. Usando diferentes tipos de redes, pudieron crear un modelo m\u00e1s realista de c\u00f3mo podr\u00eda propagarse una enfermedad infecciosa. Las caracter\u00edsticas clave incluyeron estados de absorci\u00f3n din\u00e1mica, estados en los que la red puede atascarse con el tiempo, por ejemplo, un estado sin personas infectadas. Con algunas infecciones y baja infectividad, la red colapsar\u00eda y volver\u00eda al estado libre de infecciones.<\/p>\n
El equipo realiz\u00f3 una simulaci\u00f3n num\u00e9rica del modelo microsc\u00f3pico en la red; en medio de una simulaci\u00f3n de una enfermedad infecciosa, agregaron una variante que es m\u00e1s transmisible que la cepa original. Al observar los n\u00fameros, el equipo descubri\u00f3 que una variante con la misma infectividad que la cepa existente, de hecho, no logra despegar en absoluto. Este es un resultado directo de la naturaleza no lineal de la simulaci\u00f3n, ya que la red vuelve a colapsar a un estado de absorci\u00f3n sin infecciones. A medida que aumenta la infectividad de la nueva variante, es m\u00e1s probable que la poblaci\u00f3n se infecte con la variante en comparaci\u00f3n con la cepa existente, aumentando la tasa de la nueva cepa a expensas de la anterior. La naturaleza no lineal de c\u00f3mo aumentan los n\u00fameros de infecci\u00f3n con la infectividad variante es producto de la naturaleza microsc\u00f3pica del modelo de red, lo que brinda una imagen m\u00e1s detallada y matizada que antes.<\/p>\n
El equipo espera que su modelo pueden usarse para formar estrategias efectivas para contener enfermedades infecciosas, observando puntos de conectividad significativa en la red y comprendiendo c\u00f3mo su aislamiento afecta las infecciones generales. A medida que la pandemia de COVID-19 contin\u00faa, los estudios fundamentales sobre c\u00f3mo se propagan las enfermedades son una pieza vital en la toma de decisiones informadas destinadas a devolver la vida normal a la sociedad. <\/p>\n
Explore m\u00e1s<\/p>\n
Demasiado pronto para saber si Omicron pondr\u00e1 fin a la pandemia, dice el Dr. Fauci M\u00e1s informaci\u00f3n:<\/strong> Yutaka Okabe et al, Propagaci\u00f3n de variantes de enfermedades epid\u00e9micas basadas en simulaciones num\u00e9ricas microsc\u00f3picas sobre redes, Scientific Reports (2022). DOI: 10.1038\/s41598-021-04520-0 Informaci\u00f3n de la revista:<\/strong> Informes cient\u00edficos <\/p>\n Proporcionado por la Universidad Metropolitana de Tokio Cita<\/strong>: Los modelos de red pueden ayudar a comprender la propagaci\u00f3n de nuevas variantes en una pandemia (2022, 21 de febrero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-02-network-variants-pandemic.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":" La simulaci\u00f3n en una red de n\u00fameros de susceptibles (S), infectados (I) y recuperados (R) de una pandemia y su variante (I’, R’) sobre tiempo. En t=21, se agreg\u00f3 una variante. Cr\u00e9dito: DOI: 10.1038\/s41598-021-04520-0 Investigadores de la Universidad Metropolitana de Tokio han realizado simulaciones num\u00e9ricas basadas en la teor\u00eda de redes que muestran c\u00f3mo cambia … Continuar leyendo \u00abLos modelos de red pueden ayudar a comprender la propagaci\u00f3n de nuevas variantes en una pandemia\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-8041","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8041","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=8041"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8041\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=8041"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=8041"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=8041"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}