Un equipo de investigación internacional dirigido por la Universidad de Hong Kong HKU desarrolló un nuevo método para rastrear con precisión la propagación de COVID-19 utilizando datos de flujo de población y estableciendo un nuevo modelo de evaluación de riesgos para identificar lugares de alto riesgo de COVID-19 en una etapa temprana, que sirve como un valioso conjunto de herramientas para expertos en salud pública y formuladores de políticas en la implementación del control de enfermedades infecciosas durante nuevos brotes. Los hallazgos del estudio han sido publicados en la revista Naturaleza hoy 29 de abril.
Dr. Jayson Jia, Profesor Asociado de Marketing en la Facultad de Negocios y Economía de HKU y autor principal del estudio, y sus coautores utilizaron datos a nivel nacional proporcionados por un importante operador nacional en China para rastrear el movimiento de la población.de Wuhan entre el 1 de enero y el 24 de enero de 2020, un período que abarca la migración masiva anual de Chunyun antes del Año Nuevo Lunar chino a un cierre de la ciudad para contener el virus. El movimiento de más de 11 millones de personas que viajan a través de Wuhan a 296 prefecturas en 31se rastrearon provincias y regiones en China.
A diferencia de los modelos epidemiológicos habituales que se basan en datos históricos o suposiciones, el equipo utilizó datos en tiempo real sobre movimientos reales centrados en el flujo de población agregada en lugar del seguimiento individual. Los datos incluyen cualquier usuario de teléfono móvil que haya pasado al menos 2 horas enWuhan durante el período de estudio. Las ubicaciones se detectaron una vez que los usuarios tenían sus teléfonos encendidos. Como solo se usaron datos agregados y no se usaron datos individuales, no hubo amenaza para la privacidad del consumidor.
Combinando los datos del flujo de población con el número y la ubicación de los casos confirmados por COVID-19 hasta el 19 de febrero de 2020 en China, el equipo del Dr. Jia mostró que la cantidad relativa de movimiento humano del epicentro de la enfermedad, en este caso, Wuhan, predijo directamentela frecuencia relativa y la distribución geográfica del número de casos de COVID-19 en China. Los investigadores encontraron que su modelo puede explicar el 96% de la distribución e intensidad de la propagación de COVID-19 en China estadísticamente.
El equipo de investigación luego utilizó esta relación empírica para construir un nuevo conjunto de herramientas de detección de riesgos. Aprovechando los datos del flujo de población, los investigadores crearon un "patrón de crecimiento esperado" basado en el número de personas que llegan de la fuente de riesgo, es decir, el epicentro de la enfermedadDe este modo, el equipo desarrolló un nuevo modelo de riesgo al contrastar el crecimiento esperado de casos con el número real de casos confirmados para cada ciudad en China, siendo la diferencia el "riesgo de transmisión comunitaria".
"Si hay más casos confirmados que los esperados, existe un mayor riesgo de propagación de la comunidad. Si hay menos casos esperados que los informados, significa que las medidas preventivas de la ciudad son particularmente efectivas o puede indicar que la investigación adicional por parte del centrose necesitan autoridades para eliminar los posibles riesgos de una medición imprecisa ", explicó el Dr. Jia.
"Lo innovador de nuestro enfoque es que utilizamos predicciones erróneas para evaluar el nivel de riesgo de la comunidad. Nuestro modelo nos dice con precisión cuántos casos debemos esperar dados los datos de viaje. Contrastamos esto con los casos confirmados utilizando la lógica de que lo que no puedeexplicarse por los casos importados y las transmisiones primarias deben ser difundidas por la comunidad ", agregó.
El enfoque es ventajoso porque no requiere suposiciones o conocimiento de cómo o por qué se propaga el virus, es robusto a las inexactitudes de los informes de datos y solo requiere el conocimiento de la distribución relativa del movimiento humano. Puede ser utilizado por los formuladores de políticas en cualquier nación condatos disponibles para realizar evaluaciones de riesgo rápidas y precisas y planificar la asignación de recursos limitados antes de los brotes de enfermedades en curso.
"Nuestra investigación indica que el flujo geográfico de personas supera a otras medidas, como el tamaño de la población, la riqueza o la distancia de la fuente de riesgo para indicar la gravedad de un brote", dijo el Dr. Jia.
El Dr. Jia está explorando actualmente con otros investigadores la viabilidad de aplicar este conjunto de herramientas a otros países y extenderlo a situaciones en las que hay múltiples epicentros COVID-19. El equipo está trabajando con otros operadores de telecomunicaciones nacionales y buscando socios de datos adicionales.
Los coautores del estudio son Jianmin Jia, Profesor de la Presidencia de la Universidad China de Hong Kong, Shenzhen autor correspondiente; Nicholas A. Christakis, Profesor Sterling de Ciencias Sociales y Naturales de Yale; Xin Lu, la Universidad Nacional deTecnología de defensa en Changsha, China, y el Instituto Karolinska en Estocolmo, Suecia; Yun Yuan, Universidad Jiaotong del Sudoeste; Ge Xu, Universidad Tecnológica y Comercial de Hunan.
Fuente de la historia :
Materiales proporcionado por La Universidad de Hong Kong . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :