Seguimiento de las tendencias de COVID-19 en los estados más afectados mediante modelos computacionales

Seguimiento de tendencias COVID-19

Los investigadores de la Universidad Estatal de Luisiana han aplicado modelos computacionales para investigar las tasas de infección en relación con las medidas de distanciamiento social. Crédito: Nicholas Walker, LSU

Actualmente, hay más de 10 millones de casos confirmados y más de 240.000 víctimas atribuidas a COVID-19 en los EE.UU., los investigadores de LSU han aplicado modelos computacionales para investigar las tasas de infección en relación con las medidas de distanciamiento social. Su artículo, «Efecto de las medidas de mitigación en la propagación de COVID-19 en los estados más afectados de EE. UU.», Se publicó recientemente en MÁS UNO.

Esta investigación recopila los datos de cada estado de los EE. UU. Y calcula el cambio en la tasa de infección antes y después de que se impusieran las medidas de distancia social la primavera pasada.

“Investigamos el cambio en la tasa de infección debido a los esfuerzos de mitigación y proyectamos recuentos de muertes e infecciones hasta septiembre de 2020 para algunos de los estados más afectados: Nueva York, Nueva Jersey, Michigan, Massachusetts, Illinois y Luisiana”, dijo el co- la autora Juana Moreno, del Departamento de Física y Astronomía de LSU y profesora asociada del Centro de Computación y Tecnología.

Muchos de los modelos predictivos actuales del desarrollo de COVID-19, especialmente después de los esfuerzos de mitigación, se basan parcialmente en extrapolaciones de datos recopilados en otros países. Sin embargo, es importante comprender los efectos de los esfuerzos de mitigación basados ​​en datos locales, ya que los datos extrapolados de otras áreas pueden no ser confiables. Dado que los estados y países han implementado diferentes grados de medidas de distanciamiento social, los efectos sobre el control de la pandemia simplemente no se pueden trasladar entre regiones.

“Las interacciones entre personas son complicadas y, a menudo, difíciles de modelar a nivel individual. El desafío es similar al estudio de un gran conjunto de partículas donde monitorear el movimiento de cada partícula es virtualmente imposible. La aproximación de campo medio se usa a menudo para estudiar grandes poblaciones mediante el granulado grueso de los detalles individuales o microscópicos de la población, o la cantidad promediada macroscópica ”, dijo el autor principal Ka-Ming Tam, profesor asistente de investigación del Departamento de Física y Astronomía de LSU.

Con los esfuerzos de mitigación actuales, cinco de esos seis estados, con la excepción de Illinois, han reducido su número de reproducción base a un valor menor que uno, deteniendo el crecimiento exponencial de la pandemia.

“La tasa de infección es un indicador importante de la evolución de una epidemia. Si es mayor que uno, el número de infecciones aumenta exponencialmente ”, dijo Nicholas Walker, ex alumno del Departamento de Física y Astronomía de LSU y actual becario postdoctoral. “Descubrimos que las medidas de distanciamiento social reducen sustancialmente la tasa de infección. Casi todos los estados registraron una caída de la tasa de infección por debajo de uno a finales de abril «.

Los análisis de los investigadores muestran claramente una caída en las tasas de infección luego de medidas de política pública como el distanciamiento social y las órdenes de quedarse en casa.

“Actualmente estamos trabajando en los efectos de la reapertura y cómo las políticas de reapertura en diferentes estados han afectado la cantidad de fatalidades”, dijo Moreno. «Nuestro análisis actual sugiere que el mandato de la mascarilla facial es la política más importante para reducir el recuento de muertes».

Referencia: «Efecto de las medidas de mitigación en la propagación de COVID-19 en los estados más afectados de los EE. UU.» Por Ka-Ming Tam, Nicholas Walker y Juana Moreno, 3 de noviembre de 2020, MÁS UNO.
DOI: 10.1371 / journal.pone.0240877