- Publicidad -

Fuente: Argentina Investiga

Un equipo interdisciplinario de la Universidad Nacional del Nordeste y el Conicet, compuesto por físicos, matemáticos y bioquímicos, liderados por el doctor Manuel Pulido, diseñaron un sistema automatizado para predecir el avance del Covid-19.

El proyecto se llama “Sistema de monitoreo y predicción del COVID-19 en la provincia de Corrientes usando asimilación de datos”, cuyo financiamiento es otorgado por la Agencia Nacional de Promoción Científica Tecnológica (ANPCyT).

El sitio web es de acceso y consulta libre en esta dirección: http://covid19.unne.edu.ar

El sistema permite el aprendizaje de parámetros de la epidemia a través de los datos que se procesan. Una de las informaciones aportada por el trabajo es la estimación del R efectivo, o tasa de contagio del coronavirus a nivel nacional y provincial. Antes del inicio de la cuarentena en el mes de marzo, la tasa era 3,5 es decir, un infectado contagiaba a 3,5 personas. La implementación de la primera etapa de la cuarentena logró reducir considerablemente esa tasa a 0,5. En la actualidad, el R efectivo está levemente por arriba de 1.

La importancia de tener la estimación diaria de esta tasa es clave, ya que cuando se alcance un valor por debajo de 1, la epidemia se controla y el número de casos disminuirá con el tiempo. Por el contrario, si la tasa de contagio está por encima de 1, significa que la cantidad de infectados continuará creciendo.

El sistema trabaja en tiempo real bajando los datos diarios y procesándolos en forma automática. Los datos se bajan y procesan durante la noche, para asegurar su actualización. Se utiliza la base de datos del Ministerio de Salud de la Nación y scraping del informe diario.

El sistema está basado en una técnica físico-estadística, que permite combinar información de datos existentes de distintas fuentes con información de un modelo epidemiológico. Esta metodología permite determinar de manera objetiva diferentes parámetros relacionados con la propagación de la enfermedad, así como también determinar la precisión con la que estos pueden ser conocidos. De esta manera puede obtenerse información acerca de cómo se comporta la enfermedad, y cómo impactan diferentes medidas de distanciamiento social sobre su propagación.

Por otra parte, la información obtenida permite realizar proyecciones de la evolución futura de la epidemia junto con una cuantificación del nivel de incertidumbre asociada. En el proceso de estimación se consideran las posibles fuentes de incertidumbre, tanto las asociadas a las fuentes de información como también aquellas provenientes de las predicciones del modelo epidemiológico. Para considerar las incertezas en la estimación se trabaja con una técnica de Monte Carlo que utiliza un conjunto numeroso de posibles escenarios de propagación de la enfermedad.

Modelo epidemiológico

El modelo epidemiológico utilizado en el sistema de asimilación de datos es del tipo SEIRHD (susceptibles – expuestos – infectados – recuperados – hospitalizados y fallecidos por su sigla en inglés), en donde la población se divide en fracciones o compartimentos. Dichas fracciones corresponden a los susceptibles (aquellos que no han estado en contacto con el virus), los expuestos (aquellos que han tenido contacto con una persona infectada pero aún no cursan la enfermedad), los infectados (aquellos que se encuentran cursando la enfermedad con diferentes sintomatologías), recuperados (aquellos que habiendo estado infectados ya se encuentran recuperados y por tanto se supone inmunes a la enfermedad), hospitalizados (aquellos que por la severidad de sus requisitos requieren algún tipo de internación hospitalaria) y los fallecidos (aquellos que murieron como consecuencia directa de la enfermedad).

El modelo SEIRHD permite estimar la evolución en el tiempo de la cantidad de personas que se encuentran en cada categoría a través de un sistema de ecuaciones diferenciales acopladas. Este sistema de ecuaciones incluye parámetros que controlan aspectos tales como la tasa de contagios, o la mortalidad del virus. Estos parámetros dependen de factores externos como el nivel de distanciamiento social, o las propiedades del virus, y su valor no se conoce con precisión. Además, puede variar de acuerdo a la localidad o a las medidas de distanciamiento social.

La información obtenida a través de los datos es utilizada para el aprendizaje de los parámetros del modelo, como también para la estimación de las variables del sistema.

El grupo de trabajo que participó de este proyecto está integrado por los investigadores: Manuel Pulido (director, UNNE-Conicet), Juan Ruiz (Investigador, UBA-Conicet); Magdalena Lucini (UNNE-Conicet), Santiago Rosa (Pasante graduado. Lic FaMAF, UNCórdoba); Fido García (CPA, CIMA-Conicet), Agustina Quirós (Pasante. Est. Lic. En Sistemas, FaCENA, UNNE), Ángel Romero y Gastón Contardi (Pasantes. Est. Lic. En Física FaCENA, UNNE), Tadeo Cocucci (Becario Conicet. FaMAF UNCórdoba, FaCENA UNNE), Santiago Wiedman (Est. Lic. En Física, FaCENA, UNNE), Gerardo Andino (Laboratorio Central Prov. Corrientes), Viviana Gutnisky (Laboratorio Central Prov. Corrientes), Natalia Ruiz Días (Laboratorio Central Prov. Corrientes).

Se conformó una red de colaboración con distintos grupos que trabajan en asimilación de datos para COVID-19, entre los que se destaca un grupo de investigadores de Francia, coordinado por Pierre Tandeo del IMT Atlantique; Juan Aparicio (UNSa, Conicet) y Geir Evensen (NORCE, Noruega).

- Publicidad -

Deja un comentario