El modelo podría ayudar a determinar las medidas de cuarentena necesarias para reducir la propagación de Covid-19 Noticias del MIT



Algunas de las investigaciones descritas en este artículo se han publicado en un servidor de preimpresión, pero aún no han sido revisadas por expertos en la materia.

A medida que las infecciones por Covid-19 se disparan en los Estados Unidos, algunos estados están endureciendo las restricciones y restableciendo las medidas de cuarentena para frenar la propagación del virus. Un modelo desarrollado por investigadores del MIT muestra un vínculo directo entre la cantidad de personas infectadas y la eficiencia con la que un estado mantiene sus medidas de cuarentena.

Los investigadores describieron su modelo en un artículo publicado en Modelos celulares en noviembre, lo que demuestra que el sistema podría recapitular los efectos de las medidas de cuarentena sobre la propagación del virus en países de todo el mundo. En su próximo estudio, publicado recientemente en Pre-Print Server medRxiv, analizaron datos de los Estados Unidos la primavera y el verano pasadas. Descubrieron que este aumento anterior de infecciones estaba fuertemente relacionado con una caída en la 'fuerza de la cuarentena', una medida que el equipo define como la capacidad de evitar que las personas infectadas se infecten. infectar a otras personas.

El último estudio se centra en la primavera pasada y principios del verano, cuando el sur y el medio oeste de los Estados Unidos vieron un aumento vertiginoso de las infecciones a medida que los estados de esas regiones reabrieron y relajaron la medidas para la cuarentena. Los investigadores utilizaron su modelo para calcular la fuerza de la cuarentena en estos estados, muchos de los cuales fueron prematuros para reabrir después de los primeros cierres en la primavera.

Si estos estados no hubieran reabierto tan pronto o hubieran reabierto pero hubieran aplicado estrictamente medidas como el uso de máscaras y el distanciamiento social, el modelo calcula que más del 40% de las infecciones podrían haberse prevenido en todos los estados considerados. por investigadores. En particular, el estudio estima que si Texas y Florida hubieran mantenido medidas de cuarentena más estrictas, se podrían haber prevenido más de 100,000 infecciones en cada uno de esos estados.

"Si nos fijamos en estos números, las acciones simples a nivel individual pueden conducir a grandes reducciones en el número de infecciones y pueden influir enormemente en las estadísticas globales de esta pandemia", dice el autor principal Raj Dandekar. , estudiante de posgrado en el Departamento de Asuntos Civiles del MIT. e ingeniería ambiental.

Mientras el país lucha contra una ola invernal de nuevas infecciones y los estados vuelven a endurecer las restricciones, el equipo espera que el modelo pueda ayudar a los legisladores a determinar el nivel de medidas de cuarentena que deben implementarse.

"Lo que creo que hemos aprendido cuantitativamente es que pasar de la hipercuarentena a la no cuarentena y volver a la hipercuarentena ciertamente no funciona". dice el coautor Christopher Rackauckas, profesor de matemáticas aplicadas en el MIT. "En cambio, una buena aplicación consistente de la política habría sido una herramienta mucho más efectiva".

Los coautores del nuevo artículo del MIT también incluyen a Emma Wang y al profesor de ingeniería mecánica George Barbastathis.

Entrenamiento de fuerza

El modelo del equipo es una modificación de un modelo SIR estándar, un modelo epidemiológico que se utiliza para predecir cómo se propaga una enfermedad, en función del número de personas que son "susceptibles" o "infecciosas". o "curado". Dandekar y sus colegas mejoraron un modelo SIR con una red neuronal que entrenaron para procesar datos reales de Covid-19.

El modelo de aprendizaje automático mejorado aprende a identificar patrones en los datos de casos infectados y recuperados, y a partir de esos datos calcula la cantidad de personas infectadas que no transmiten el virus a otras personas. 39; otros (presumiblemente porque las personas infectadas se someten a algún tipo de medidas de cuarentena). Este valor es lo que los investigadores denominan "fuerza de la cuarentena", que refleja la eficacia de una región para poner en cuarentena a un individuo infectado. El modelo puede procesar los datos a lo largo del tiempo para ver cómo está cambiando la fuerza de la cuarentena de una región.

Los investigadores desarrollaron el modelo a principios de febrero y desde entonces lo han aplicado a los datos de Covid-19 de más de 70 países, encontrando que había simulado con precisión la situación de cuarentena sobre el terreno en países europeos, al sur – Estadounidenses y asiáticos que inicialmente se vieron gravemente afectados por el virus.

"Cuando miramos a estos países para ver cuándo se instituyeron las cuarentenas, y lo comparamos con los resultados de la señal de fuerza de la cuarentena formada, vemos una correlación muy fuerte", dice Rackauckas. “La fuerza de cuarentena de nuestro modelo cambia uno o dos días después de que se implementan las políticas, en todos los países. Estos resultados validaron el modelo. "

El equipo publicó estos resultados a nivel de país el mes pasado en Modelos celulares, y también alojar los resultados en covid19ml.org, donde los usuarios pueden hacer clic en un mapa del mundo para ver cómo ha cambiado la fuerza de cuarentena de un país determinado con el tiempo.

¿Y si los estados se hubieran retrasado?

Una vez que los investigadores validaron el modelo a nivel de país, lo aplicaron a estados individuales en los Estados Unidos, no solo para ver cómo evolucionaron las medidas de cuarentena de un estado con el tiempo. tiempo, pero cómo habría cambiado el número de infecciones si un estado cambiara su nivel de cuarentena. , por ejemplo, retrasando la reapertura.

Se centraron en el sur y el medio oeste de los Estados Unidos, donde muchos estados reabrieron temprano y luego vieron un rápido aumento de las infecciones. El equipo utilizó el modelo para calcular la fuerza de cuarentena para Arizona, Florida, Luisiana, Nevada, Oklahoma, Carolina del Sur, Tennessee, Texas y Texas, y # 39; 39; Utah, que se inauguró antes del 15 de mayo. También modelaron Nueva York, Nueva Jersey e Illinois. – declara que la reapertura se ha aplazado hasta finales de mayo y principios de junio.

Proporcionaron el modelo con el número de personas infectadas y recuperadas que se informaron para cada estado, desde el momento en que se informó la infección número 500 en cada estado, hasta mediados de julio. También señalaron el día en que se levantó la orden de arresto domiciliario de cada estado, lo que indica efectivamente la reapertura del estado.

Para cada estado, el nivel de cuarentena disminuyó poco después de la reapertura; La magnitud de este descenso y el consiguiente aumento de infecciones estuvieron estrechamente vinculados a la reapertura de un estado. Los estados que reabrieron temprano, como Carolina del Sur y Tennessee, vieron una caída más pronunciada en la fuerza de la cuarentena y una mayor tasa de casos diarios.

"En lugar de simplemente decir que reabrir temprano es malo, aquí estamos cuantificando qué tan malo fue", dice Dandekar.

Mientras tanto, estados como Nueva York y Nueva Jersey, que han retrasado la reapertura o impuesto medidas de cuarentena como el uso de máscaras incluso después de la reapertura, han mantenido un nivel de cuarentena más o menos estable, sin aumentos significativos. Infecciones

“Ahora que podemos dar una medida de la fuerza de la cuarentena que coincida con la realidad, podemos decir: '¿Qué pasaría si mantuviéramos todo constante? ¿Qué diferencia habrían tenido los estados del sur en su perspectiva? », Dice Rackauckas.

Luego, el equipo invirtió su modelo para estimar la cantidad de infecciones que habrían ocurrido si una condición dada hubiera mantenido una fuerza de cuarentena estable incluso después de la reapertura. En este escenario, más del 40% de las infecciones podrían haberse prevenido en cada estado que modelaron. En Texas y Florida, ese porcentaje se eleva a unos 100.000 casos prevenibles en cada estado.

En teoría, a medida que la pandemia continúa escalando, los legisladores podrían usar el modelo para calcular la fuerza de la cuarentena necesaria para mantener las infecciones actuales de un estado por debajo de un cierto número. Luego podían mirar los datos hasta un punto en el que el estado tenía el mismo valor y hacer referencia al tipo de restricciones que estaban vigentes en ese momento, como una guía de las políticas que estaban buscando. podría configurar en este momento. .

"¿Cuál es la tasa de crecimiento de la enfermedad con la que nos sentimos cómodos y cuáles serían las políticas de cuarentena que nos llevarían allí?" Dijo Rackauckas. "¿Todos se esconden en su casa o todos pueden ir a un restaurante, pero una vez a la semana?" Esto es lo que nos puede decir el modelo. Esto puede darnos una visión cuantitativa más precisa de esta cuestión. "

Esta investigación fue financiada en parte por Intelligence Advanced Research (Project Activity (IARPA).

Deja un comentario