{"id":70886,"date":"2020-02-28T10:01:49","date_gmt":"2020-02-28T09:01:49","guid":{"rendered":"http:\/\/diaridigital.urv.cat\/?p=70886"},"modified":"2020-03-02T15:09:21","modified_gmt":"2020-03-02T14:09:21","slug":"un-modelo-matematico-predice-el-riesgo-de-nuevos-contagios-por-coronavirus-en-espana","status":"publish","type":"post","link":"https:\/\/diaridigital.urv.cat\/es\/un-modelo-matematico-predice-el-riesgo-de-nuevos-contagios-por-coronavirus-en-espana\/","title":{"rendered":"Un modelo matem\u00e1tico predice el riesgo de nuevos contagios por coronavirus en Espa\u00f1a"},"content":{"rendered":"

En la carrera a contrarreloj para contener la propagaci\u00f3n del coronavirus, un grupo de investigadores de la Universitat Rovira i Virgili (URV) y de la Universidad de Zaragoza ha desarrollado un modelo matem\u00e1tico que permite hacer prediccions del riesgo de nuevos casos de contagio que existe en los municipios de Espa\u00f1a. Con esta nueva herramienta los investigadores quieren anticiparse a la propagaci\u00f3n del COVID-19 para poder adoptar medidas de control eficaces. Una de las particularidades de este modelo es que tiene en cuenta, tambi\u00e9n, los contagios que pueden hacer las personas asintom\u00e1ticas, que ha sido uno de los principales obst\u00e1culos para poder controlar la expansi\u00f3n de la enfermedad. Los resultados de este trabajo se han plasmado en un mapa que se actualizar\u00e1 diariamente a trav\u00e9s de la p\u00e1gina web de acceso p\u00fablico http:\/\/deim.urv.cat\/~alephsys\/COVID-19\/<\/a>.<\/p>\n

Este grupo de investigadores lleva a\u00f1os trabajando en el desarrollo de modelos matem\u00e1ticos que estudian la propagaci\u00f3n de las epidemias bas\u00e1ndose en los patrones de movilidad de las personas y en el censo de las poblaciones afectadas. \u00abAhora hemos adaptado uno de estos modelos de propagaci\u00f3n de epidemias a las particularidades del COVID-19, incluyendo los datos epidemiol\u00f3gicos obtenidos hasta el momento sobre este virus y contemplando tambi\u00e9n la influencia de aquellos individuos asintom\u00e1ticos que pueden provocar nuevos contagios\u00bb, explica Alex Arenas, del grupo de investigaci\u00f3n Alephsys Lab<\/a> (URV). Utilizando los datos de movilidad habitual entre municipios espa\u00f1oles de la poblaci\u00f3n activa del pa\u00eds (proporcionados por el Instituto Nacional de Estad\u00edstica) los investigadores han desarrollado esta herramienta que muestra el riesgo epid\u00e9mico estimado para Espa\u00f1a a nivel de municipios. \u00abEl modelo se puede trasladar perfectamente a otros pa\u00edses donde se disponga de estos datos\u00bb, asegura Arenas.<\/p>\n

Predecir los contagios de los pacientes asintom\u00e1ticos<\/h5>\n

Uno de los retos que ha planteado el coronavirus ha sido el de poder predecir y cuantificar los nuevos casos derivados de contagios comunitarios a escala nacional. Los casos comunitarios son aquellas personas que est\u00e1n afectadas por el virus pero de las que se desconoce la fuente de infecci\u00f3n porque no tienen ning\u00fan historial de viajes recientes a zonas afectadas ni v\u00ednculos directos con otros contagiados. El COVID-19 se caracteriza por un estado epid\u00e9mico asintom\u00e1tico -o con s\u00edntomas leves o moderados- muy largo, que puede llegar hasta 14 d\u00edas de acuerdo con los datos disponibles hasta ahora. Esto dificulta mucho la detecci\u00f3n precoz de los casos para su aislamiento y tratamiento m\u00e9dico.<\/p>\n

Seg\u00fan estudios epidemiol\u00f3gicos recientes, es probable que durante parte de este per\u00edodo asintom\u00e1tico los individuos infectados puedan propagar el pat\u00f3geno sin presentar signos de alarma. \u00abEsto complica mucho la tarea de trazar los posibles contagios secundarios provocados por las personas infectadas detectadas\u00bb, explica Jes\u00fas G\u00f3mez-Garde\u00f1es, investigador de la Universidad de Zaragoza. Esta circulaci\u00f3n silenciosa del virus m\u00e1s all\u00e1 del radio de acci\u00f3n de los casos detectados hace muy dif\u00edcil la detecci\u00f3n precoz de los focos de infecci\u00f3n. \u00abEsto favorece la propagaci\u00f3n de la epidemia y dificulta la implementaci\u00f3n de medidas de control eficaces, sobre todo cuando \u00e9stas se basan exclusivamente en medidas de aislamiento localizadas en la zona t\u00edpica de acci\u00f3n de los casos sintom\u00e1ticos\u00bb, a\u00f1ade Sergio G\u00f3mez, investigador de la URV.<\/p>\n

\"\"<\/a>
El modelo genera un mapa de riesgo que produce un indicador por t\u00e9rmino municipal de la fracci\u00f3n de la poblaci\u00f3n que se estima que puede haber contra\u00eddo la infecci\u00f3n por contagio comunitario. Loas zonas en gris corresponden a aquellas para las que todav\u00eda no se dispone de datos.<\/figcaption><\/figure>\n

Para anticiparse a esta cadena de contagios silenciosos los investigadores consideran crucial tener en cuenta, adem\u00e1s de los patrones de contagio propios del COVID-19, cu\u00e1l es la movilidad habitual de los individuos entre diferentes zonas, ya que este es el medio a trav\u00e9s del cual el virus puede ampliar su radio de expansi\u00f3n. \u00abEsta movilidad tiene un papel m\u00e1s relevante cuando el periodo t\u00edpico de propagaci\u00f3n del virus en personas asintom\u00e1ticas es largo, ya que aumenta de forma directa su rango de expansi\u00f3n\u00bb, aclara Clara Granell, investigadora de la Universidad de Zaragoza.<\/p>\n

El modelo matem\u00e1tico en el que este grupo de investigadores hace semanas que trabajan tiene en cuenta los par\u00e1metros epidemiol\u00f3gicos obtenidos hasta el momento, pero tambi\u00e9n contemplar\u00e1 las posibles variaciones que se vayan produciendo en pr\u00f3ximos estudios. \u201cEste algoritmo puede admitir nuevos resultados y trabajar con datos actualizados en todo momento\u00bb, comenta Benjamin Steinegger, investigador de la URV.<\/p>\n

Otra de las ventajas de este algoritmo es que se le pueden implementar los datos de aquellas zonas donde se produzca una cuarentena, y \u00abesto permite evaluar su eficacia en funci\u00f3n de las \u00e1reas aisladas\u00bb, apunta David Soriano, investigador de la Universidad de Zaragoza.<\/p>\n

Los investigadores advierten, sin embargo, que este modelo de momento no predice aquellos casos que provengan de fuera del pa\u00eds ni tampoco asume que los datos de movilidad que maneja puedan variar, como ser\u00eda el caso, por ejemplo, si se restringiera la movilidad entre algunas zonas.<\/p>\n