A medida que COVID-19 se extiende por todo el mundo, los líderes confían en modelos matemáticos para tomar decisiones de salud pública y económicas.
Un nuevo modelo desarrollado por los investigadores de Princeton y Carnegie Mellon mejora el seguimiento de las epidemias al tener en cuenta las mutaciones en las enfermedades. Ahora, los investigadores están trabajando para aplicar su modelo para permitir a los líderes evaluar los efectos de las contramedidas a las epidemias antes de desplegarlas.
"Queremos poder considerar intervenciones como cuarentenas, aislar personas, etc., y luego ver cómo afectan la propagación de una epidemia cuando el patógeno está mutando a medida que se propaga", dijo H. Vincent Poor, uno de los investigadores eneste estudio y el decano interino de ingeniería de Princeton.
Los modelos utilizados actualmente para rastrear epidemias utilizan datos de médicos y trabajadores de la salud para hacer predicciones sobre la progresión de una enfermedad. Pobre, el profesor de Ingeniería Eléctrica de la Universidad Michael Henry Strater, dijo que el modelo más utilizado hoy en día no está diseñado para dar cuenta de los cambiosen la enfermedad que se rastrea. Esta incapacidad para dar cuenta de los cambios en la enfermedad puede dificultar que los líderes contrarresten la propagación de una enfermedad. Saber cómo una mutación podría afectar la transmisión o la virulencia podría ayudar a los líderes a decidir cuándo instituir órdenes de aislamiento o enviar recursos adicionalesa un área
"En realidad, estas son cosas físicas, pero en este modelo, se resumen en parámetros que pueden ayudarnos a comprender más fácilmente los efectos de las políticas y de las mutaciones", dijo Poor.
Si los investigadores pueden explicar correctamente las medidas para contrarrestar la propagación de la enfermedad, podrían dar a los líderes una visión crítica de los mejores pasos que podrían dar ante las pandemias. Los investigadores están construyendo sobre el trabajo publicado el 17 de marzo en el Actas de la Academia Nacional de Ciencias . En ese artículo, describen cómo su modelo puede rastrear los cambios en la propagación de la epidemia causados por la mutación de un organismo de la enfermedad. Los investigadores ahora están trabajando para adaptar el modelo para tener en cuenta las medidas de salud pública tomadas para detener una epidemia también.
El trabajo de los investigadores se deriva de su examen del movimiento de información a través de las redes sociales, que tiene notables similitudes con la propagación de infecciones biológicas. En particular, la difusión de la información se ve afectada por ligeros cambios en la información misma. Si algo se vuelve ligeramentemás emocionante para los destinatarios, por ejemplo, es más probable que lo transmitan o lo transmitan a un grupo más amplio de personas. Al modelar tales variaciones, uno puede ver cómo los cambios en el mensaje cambian su público objetivo.
"La propagación de un rumor o de información a través de una red es muy similar a la propagación de un virus a través de una población", dijo Poor. "Diferentes piezas de información tienen diferentes tasas de transmisión. Nuestro modelo nos permite considerar cambios en la informacióna medida que se propaga a través de la red y cómo esos cambios afectan la propagación "
"Nuestro modelo es agnóstico con respecto a la red física de conectividad entre individuos", dijo Poor, experto en el campo de la teoría de la información cuyo trabajo ha ayudado a establecer redes modernas de teléfonos celulares. "La información se está resumiendo en gráficos de nodos conectados; los nodos pueden ser fuentes de información o pueden ser fuentes potenciales de infección "
Obtener información precisa es extremadamente difícil durante una pandemia en curso cuando las circunstancias cambian a diario, como hemos visto con el virus COVID-19. "Es como un incendio forestal. No siempre puede esperar hasta que recopile datos para tomar decisiones, teniendoun modelo puede ayudar a llenar este vacío ", dijo Poor.
"Afortunadamente, este modelo podría brindar a los líderes otra herramienta para comprender mejor las razones por las cuales, por ejemplo, el virus COVID-19 se está propagando mucho más rápido de lo previsto y, por lo tanto, ayudarlos a implementar contramedidas más efectivas y oportunas", dijo Poor.
Además de Pobre, los coautores incluyeron a los investigadores Rashad Eletreby, Yong Zhuang, Kathleen Carley y Osman Yağan de Carnegie Mellon. El trabajo fue apoyado en parte por la Oficina de Investigación del Ejército, la Fundación Nacional de Ciencias y la Oficina de Investigación Naval.
Fuente de la historia :
Materiales proporcionado por Universidad de Princeton, Escuela de Ingeniería . Original escrito por John Sullivan. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :