Cómo usar la estadística para predecir el retorno a la normalidad tras el COVID-19
Las cifras de nuevos casos de contagio han llevado a la extensión de la cuarentena. Es entonces que surge la duda: ¿cuándo podemos esperar, de manera realista, que las órdenes de distanciamiento social se levanten de manera segura?
La pandemia del COVID-19 ha llevado a muchos países del mundo a adoptar medidas para evitar la propagación del virus que ha causado más de 200 mil muertes en el mundo, siendo el distanciamiento social y la cuarentena dos de los principales esfuerzos para combatir y frenar la expansión de esta enfermedad.
Frente al encierro, buena parte de la población se ha enfocado en la realización de múltiples actividades virtuales, como la lectura, los cursos en línea o el entretenimiento por medio de tutoriales en video, lo que ha planteado nuevos modelo de recreación y aprendizaje hacia el futuro inmediato.
Sin embargo, al tiempo que los días va pasando y la política de confinamiento social aumenta en algunos países, mucha gente aún sigue planteándose el dilema de cuándo terminará el periodo de aislamiento propuesto por los distintos gobiernos mundiales.
Las autoridades han realizado aproximaciones para intentar responder esta pregunta por medio de modelos estadísticos, por ejemplo, el Modelo Centinela de Vigilancia Epidemiológica, el cual considera los casos que se han confirmados y aquellos que no llegaron a consulta. Así, en lugar de la titánica labor de analizar a 127 millones de mexicanos, se toma una muestra de miles para hacer una inferencia estadística que permita calcular la dispersión potencial de la enfermedad.
De igual manera, existen otros modelos predictivos creados para pronosticar la propagación de los casos de COVID-19 en un país modificando el famoso modelo epidemiológico SIR (Población susceptible, infectada y recuperada) e ingresando los últimos datos históricos disponibles. Este modelo dinámico discreto está representado por un sistema de ecuaciones de diferencias finitas no lineales que utiliza Altair Activate, una plataforma de SolidThinking de integración multidisciplinaria para el análisis a nivel sistema.
Utilizando datos de Italia, uno de los países más afectados por el coronavirus, Altair desarrolló un modelo de sistema predictivo basado en bloques con dos fases principales.
- La primera implicó el ajuste del sistema utilizando datos reales relacionados con la propagación del COVID-19. Después fue ajustado comparando las diferencias entre los datos históricos y la predicción del modelo. El modelo optimizado resultante proporcionó resultados que se correlacionaron con un 95% de precisión con los datos más relevantes.
- La siguiente fase utilizó el modelo ajustado para hacer predicciones sobre la posible propagación futura del virus y se basó en los supuestos como el número de personas infectadas por el virus e identificadas mediante una prueba. Muchos factores podrían influir en los resultados reales, como las modificaciones en las políticas gubernamentales, los avances en el tratamiento de la enfermedad, y los cambios en el comportamiento social.
Por ejemplo, cuando Italia instituyó su cierre nacional el 9 de marzo, hubo aproximadamente 1800 nuevos casos de contagio identificados por día y en aumento. Por medio del modelo de Altair se estimó que, el gobierno no considerará levantar esta orden hasta que los nuevos casos identificados disminuyan hasta el punto de que regresen a los niveles del 9 de marzo o menos.
El factor de cambio es el distanciamiento social. Si las medidas se siguen respetando y aplicando, el modelo muestra mejoras notables, prediciendo la disminución de nuevos casos identificados por día.
Las medidas actuales de refugio en Italia está programada para finalizar el 4 de mayo, lo que se correlaciona bien con nuestro modelo estadístico. Esto es una señal positiva de que los estrictos esfuerzos de distanciamiento social han sido efectivos para reducir las infecciones por coronavirus. Por el contrario, sin la influencia del decreto del gobierno, en lugar de alcanzar las tasas máximas de infección a principios de marzo, el pico se hubiera alcanzado hasta el 23 de abril, lo que hubiera infectado a dos tercios de la población. Las marcadas diferencias entre estos dos modelos muestran la importancia de añadirse las pautas de distanciamiento social, lo que demuestra que los esfuerzos de aislamiento social realmente funcionan.
De esta forma, la tecnología sigue haciendo su labor para limitar la propagación de este nuevo virus, aplicando modelos probados y potenciándolos con herramientas abiertas y flexibles para modelar y simular sistemas multidisciplinarios, acercándonos, por medio de datos, a saber cuándo podremos volver a nuestras actividades favoritas y de qué factores depende. Mientras tanto, es necesario mantener nuestra salud, acatando las indicaciones de la autoridad y manteniéndote en casa.
Andrea Ulloa