Casi un año desde el inicio de la pandemia de COVID-19 en Wuhan, China, sigue existiendo una incertidumbre considerable sobre las formas más seguras de restaurar la vida económica y social a algo parecido a la normalidad.
Según los creadores del nuevo modelo en la Universidad de Stanford, CA, y la Universidad Northwestern en Chicago, IL, el modelo proporciona una herramienta para identificar lugares de alto riesgo y probar caminos alternativos fuera del bloqueo.
Científicos informáticos e investigadores médicos colaboraron en el modelo, que utilizó datos de ubicación anónimos de redes de telefonía celular para revelar los movimientos de 98 millones de personas en Estados Unidos entre el 1 de marzo y el 2 de mayo de 2020.
El equipo modeló el número de infecciones que ocurren hora a hora en alrededor de 553.000 lugares, que agruparon en 20 categorías según el uso. También tomaron en cuenta el espacio de cada lugar.
Sus simulaciones predijeron con precisión infecciones confirmadas diariamente en 10 de las áreas metropolitanas más grandes, incluidas Chicago, la ciudad de Nueva York y San Francisco.
El modelo sugiere que la reapertura de gimnasios, restaurantes de servicio completo, cafés, hoteles y lugares religiosos conduce al aumento más grande de infecciones, debido a la alta densidad de personas y sus largas estadías.
Según el modelo, un número relativamente pequeño de estos lugares "superpropagadores" representan la mayoría de las nuevas infecciones.
Por ejemplo, el modelo encontró que el 10% de todos los lugares en el área metropolitana de Chicago representaron el 85% de todas las infecciones.
Limitar el número de visitantes
Por el lado positivo, el modelo indica que limitar la cantidad de personas permitidas en los lugares en cualquier momento es más efectivo y menos perturbador que reducir uniformemente la libertad de movimiento de todos.
Por ejemplo, el modelo predice que limitar la ocupación de un lugar al 20% de su capacidad máxima reduce las nuevas infecciones en más del 80%.
Sin embargo, dado que es probable que la gente responda distribuyendo menos visitas a lo largo del día, la medida reduce el número total de visitas en un 42% relativamente modesto.
“[O] ne puede lograr una reducción desproporcionadamente grande de las infecciones con una pequeña reducción de las visitas”, escriben los investigadores en su artículo que describe el modelo, que aparece en la revista Nature . " Las intervenciones precisas como estas pueden ser más efectivas que las medidas menos específicas, mientras que incurren en costos económicos sustancialmente más bajos".
"Nuestro trabajo destaca que no tiene que ser todo o nada", dijo el autor principal Jure Leskovec de la Universidad de Stanford en una conferencia de prensa celebrada para anunciar los hallazgos.
Añadió: "Podemos elegir diferentes niveles para diferentes tipos de lugares, y nuestro modelo proporciona una herramienta para que los responsables de la formulación de políticas básicamente naveguen por estas compensaciones y tomen las decisiones correctas para ellos".
Grupos desfavorecidos
El modelo predice con precisión tasas de infección más altas en grupos desfavorecidos racial y socioeconómicamente.
Se encontró que las personas dentro de estos grupos reducían sus niveles de movilidad en menor medida durante los cierres, quizás como resultado de trabajar en servicios esenciales.
El modelo también mostró que las altas tasas de infección en áreas desfavorecidas fueron impulsadas por algunas categorías de lugares, como los restaurantes de servicio completo.
En comparación con las áreas más prósperas, los lugares tienden a ser más pequeños, lo que genera una mayor densidad de clientes. Además, las personas que viajaban a estos lugares tendían a quedarse más tiempo.
Por ejemplo, las tiendas de comestibles en áreas de bajos ingresos tenían un 59% más de personas por pie cuadrado que en las áreas de ingresos más altos, y sus clientes permanecían un 17% más, en promedio.
Como resultado, dijo Leskovec, el modelo encontró que el riesgo de infección para una persona de bajos ingresos que visita una tienda de comestibles era aproximadamente el doble en comparación con una persona de altos ingresos.
Datos del teléfono celular
Los investigadores se basaron en datos de una empresa llamada SafeGraph , que agrega datos anónimos de teléfonos móviles .
Utilizaron estos datos para mapear los movimientos por hora de 98 millones de personas de 57.000 vecindarios, a los que llaman "grupos de bloques censales" o CBG, a 553.000 lugares separados, a los que llaman "puntos de interés" o PDI.
Su modelo de infección estándar, conocido como modelo SEIR, predice cómo las personas se transfieren entre cuatro categorías (susceptibles a infecciones, expuestas a infecciones, infecciosas y eliminadas (recuperadas, autoaisladas o muertas)) en cada vecindario y lugar.
Es importante destacar que los datos de SafeGraph revelan no solo la ubicación de los usuarios de teléfonos celulares, sino también el espacio en el piso de los lugares que visitan y su propósito, como un lugar de culto o una tienda de comestibles.
Los investigadores "afinaron" su modelo utilizando las tasas locales de infección y muerte que The New York Times publica en línea.
Finalmente, confirmaron que el modelo podría potencialmente usarse para predecir futuras tasas de infección y muerte.
“El uso de datos y modelos de teléfonos móviles son herramientas poderosas para ayudarnos a comprender cómo se propaga el virus, pero debemos tener cuidado con la interpretación, ya que lo que puede aplicarse en una población no necesariamente se aplica en otros lugares”, dijo.
En un artículo de comentario que acompaña al documento, Kevin C. Ma y Marc Lipsitch de la Escuela de Salud Pública TH Chan de Harvard en Boston, MA, señalan que el modelo no tiene en cuenta las infecciones entre los niños, los adultos mayores y los que están en prisión.
Escriben:
"Se necesitan más pruebas del modelo, pero dados los desafíos en la recopilación e interpretación de otros tipos de datos relevantes, estos hallazgos podrían tener un papel valioso para orientar las decisiones políticas sobre cómo reabrir la sociedad de manera segura y minimizar el daño causado por las restricciones de movimiento".