Un equipo de investigadores ha creado un modelo informático que predijo con precisión la propagación de covid-19 en 10 ciudades. Lo hizo mediante el análisis de tres factores que impulsan el riesgo de infección: a dónde van las personas a lo largo del día, cuánto tiempo permanecen y cuántas personas visitan el mismo lugar al mismo tiempo.

El trabajo fue dirigido por Jure Leskovec, científico informático de la Universidad de Stanford, Estados Unidos, informó la agencia Europa Press. También participaron investigadores de la Universidad Northwestern.

El estudio fusiona datos demográficos, estimaciones epidemiológicas e información anónima de ubicación de teléfonos celulares, y parece confirmar que la mayoría de las transmisiones de covid-19 ocurre en sitios llamados superdifusores, como restaurantes de servicio completo, gimnasios y cafés, donde las personas permanecen en lugares cerrados durante períodos prolongados.

Los investigadores dicen que la especificidad de su modelo podría servir como herramienta para que los funcionarios ayuden a minimizar la propagación de covid-19 a medida que se van flexibilizando las restricciones.

Los más desfavorecidos

El coautor del estudio, David Grusky, profesor de Sociología, explica que esta capacidad predictiva es particularmente valiosa porque proporciona nuevos conocimientos útiles sobre los factores que hay detrás de las tasas de infección desproporcionadas de las minorías y de las personas de bajos ingresos.

“En el pasado, se suponía que estas disparidades eran impulsadas por condiciones preexistentes y un acceso desigual a la atención médica, mientras que nuestro modelo sugiere que los patrones de movilidad también ayudan a impulsar estos riesgos desproporcionados”, añade.

Grusky, quien también dirige el Centro Stanford sobre Pobreza y Desigualdad, apunta que el modelo muestra cómo la reapertura de negocios con límites de ocupación más bajos tiende a beneficiar más a los grupos desfavorecidos.

“Debido a que los lugares que emplean a minorías y a personas de bajos ingresos a menudo son más pequeños y están más abarrotados, los límites de ocupación en las tiendas reabiertas pueden reducir los riesgos que enfrentan -señala Grusky-. Tenemos la responsabilidad de elaborar planes de reapertura que eliminen, o al menos reduzcan, las disparidades que están creando las prácticas actuales”.

Leskovec añade que el modelo ofrece la evidencia más sólida hasta ahora de que las políticas de permanencia en el hogar desaceleraron la tasa de nuevas infecciones.

Cálculos y ecuaciones

En la vida real, es imposible saber de antemano cuándo y dónde una persona infecciosa y susceptible entra en contacto para crear una posible nueva infección. Pero en su modelo, los investigadores desarrollaron y refinaron una serie de ecuaciones para calcular la probabilidad de eventos infecciosos en diferentes lugares y momentos.

Las ecuaciones fueron capaces de resolver las variables desconocidas porque los investigadores alimentaron la computadora con un hecho conocido importante: cuántas infecciones por covid-19 se informaron a los funcionarios de salud en cada ciudad cada día.

Los investigadores refinaron el modelo hasta que pudo determinar la tasa de transmisión del virus en cada ciudad.

La tasa varió de una ciudad a otra dependiendo de factores que van desde la frecuencia con la que las personas se aventuran a salir de la casa hasta los tipos de lugares que visitan.

El estudio rastreó los movimientos de 98 millones de estadounidenses en 10 de las áreas metropolitanas más grandes del país (Nueva York, Los Ángeles, Chicago, Dallas, Washington DC, Houston, Atlanta, Miami, Filadelfia y San Francisco) a través de medio millón de establecimientos diferentes, desde restaurantes y gimnasios hasta tiendas de mascotas y concesionarios de automóviles.

Algunas conclusiones

Combinando su modelo con los datos demográficos disponibles en una base de datos de 57.000 grupos de bloques censales -barrios de 600 a 3.000 personas- los investigadores muestran cómo las personas de minorías y de bajos ingresos abandonan su hogar con mayor frecuencia porque sus trabajos lo requieren, y compran en establecimientos más pequeños y más concurridos que las personas con ingresos más altos, que pueden trabajar desde su casa, utilizar el servicio de entrega a domicilio para evitar las compras y frecuentar negocios más espaciosos cuando salen.

Al fusionar los conjuntos de datos de movilidad, demográficos y epidemiológicos, se pudo utilizar el modelo para analizar la eficacia y la equidad de las diferentes políticas de reapertura. El equipo ha puesto a disposición del público sus herramientas y datos para que otros investigadores puedan replicar y aprovechar los hallazgos.

“En principio, cualquier persona puede utilizar este modelo para comprender las consecuencias de las diferentes decisiones de política de cierre de empresas y de quedarse en casa”, añade Leskovec, cuyo equipo ahora está trabajando para desarrollar el modelo en una herramienta fácil de usar para los responsables políticos y funcionarios de la salud pública.