Actualidad Especial CORONAVIRUS Europa

El modelo de propagación de COVID-19 muestra cómo la vacunación afecta la pandemia

Matemático de la RUDN construye un modelo de propagación de COVID-19: muestra cómo la vacunación afecta la pandemia
Los matemáticos de la Universidad RUDN construyeron un modelo de propagación de COVID-19 basado en dos modelos de regresión. Los matemáticos dividieron los países en tres grupos, según la tasa de propagación y las condiciones climáticas, y encontraron una aproximación matemática adecuada para cada uno de ellos. Basándose en el modelo, los matemáticos predijeron las oleadas posteriores. El pronóstico fue preciso en países donde no se introdujo la vacunación masiva. Crédito: Universidad RUDN

Los matemáticos de la Universidad RUDN construyeron un modelo de propagación de COVID-19 basado en dos modelos de regresión. 


por la Universidad RUDN


Los matemáticos dividieron los países en tres grupos, según la tasa de propagación y las condiciones climáticas, y encontraron una aproximación matemática adecuada para cada uno de ellos. Basándose en el modelo, los matemáticos predijeron las oleadas posteriores. El pronóstico fue preciso en países donde no se introdujo la vacunación masiva. Los resultados se publican en Matemáticas.

La tasa de propagación de la epidemia dentro del país depende, entre otras cosas, de las condiciones climáticas: temperatura, humedad, vientos. Por ejemplo, en la estación fría, el aire seco seca el moco nasal que actúa como una primera línea de defensa contra el virus. Por lo tanto, una persona se infecta más rápido. Las altas temperaturas, por el contrario, evitan que el virus sobreviva. Basándose en estas consideraciones, la profesora Maria Alessandra Ragusa de la Universidad RUDN junto con sus colegas de Egipto e Italia construyeron modelos del COVID-19 esparcidos por separado para tres grupos de países con diferentes condiciones climáticas. Resultó que el modelo predice con precisión el curso posterior de la epidemia, pero solo hasta que el efecto de la vacunación comience a afectar.

«El principal desafío durante el estudio de las epidemias es cómo predecir el comportamiento de la enfermedad, cuántas personas se infectarán en el futuro, determinar el pico de la pandemia, el tiempo de acción de la segunda ola de la enfermedad y el total de muertes después de que la pandemia termine. Usamos un nuevo modelo de regresión de última generación para modelar los casos confirmados diarios y predecir las próximas oleadas de coronavirus en diferentes países «, dice Ragusa.

Los matemáticos han identificado tres grupos de países. La primera categoría incluye países donde la primera ola de la pandemia duró alrededor de 180 días. Estos son los países con la tasa de propagación más baja, con una temperatura media anual de 15-38 ° (por ejemplo, Arabia Saudita, Egipto). En el segundo grupo de países (por ejemplo, Reino Unido, Alemania, Italia) con una temperatura media anual de 2-31 ° C, la primera ola duró 90 días. Los países de este grupo se caracterizan por una tasa media de infección y períodos de interrupción con una baja tasa de propagación del virus. El tercer grupo incluye países con la tasa de propagación más alta y sin períodos de parada, con una temperatura anual promedio de 2 a 18 grados Celsius, por ejemplo, Estados Unidos y Rusia.

Para modelar, los científicos utilizaron datos de la OMS sobre el número de casos del 1 de marzo al 15 de noviembre de 2020. Los matemáticos de la RUDN eligieron los modelos de regresión más adecuados: métodos para la investigación estadística de la influencia de varias variables en un valor. La serie de Fourier y la suma de las ondas sinusoidales fueron las más precisas para los casos de modelado de COVID-19. Esto significa que la curva de nuevos casos de la enfermedad se representa como una suma de funciones de Fourier (se pueden representar como ondas de cierta frecuencia y amplitud) o como una suma de ondas sinusoidales ordinarias.

Como resultado, el profesor Ragusa obtuvo los valores calculados del pico de la segunda o tercera ola en los países estudiados. Diferentes modelos dieron pronósticos cercanos con una diferencia de varios días. Las predicciones obtenidas se compararon con los datos disponibles en ese momento. Resultó que el modelo proporciona predicciones bastante precisas si el país no introduce una vacunación amplia. Por ejemplo, el valor calculado del pico de casos nuevos en Egipto es 1481 personas el 11 de enero de 2021; el pico real ocurrió el 31 de diciembre con 1418 casos. En otros países, el modelo proporciona una predicción precisa hasta principios de 2021. Posteriormente, se produce el efecto de vacunación y los valores calculados difieren de la realidad. Por ejemplo, para Alemania, los valores pronosticados y reales son cercanos hasta aproximadamente el 15 de enero de 2021, y el 15 de febrero difieren aproximadamente 2,5 veces.

«En nuestro trabajo futuro, haremos desarrollos sobre los modelos predictivos actuales considerando cómo la vacunación afecta la tasa de propagación del virus», concluye Ragusa.



WP Twitter Auto Publish Powered By : XYZScripts.com