Investigadores galegos evidencian que a covid ten unha expansión máis dispersa e heteroxénea que a gripe
O equipo científico desenvolveu unha técnica capaz de predicir a evolución das pandemias a partir da construción dun arquivo de patróns dinámicos.
Por Europa Press / Redacción | SANTIAGO DE COMPOSTELA | 20/07/2022 | Actualizada ás 17:47
Persoal investigador da Universidade de Santiago de Compostela (USC) e da Universidade de Vigo (UVigo) evidenciaron que a covid-19 se desenvolve cunha dinámica de expansión xeográfica máis dispersa e heteroxénea que a gripe.
O equipo científico desenvolveu unha técnica capaz de predicir a evolución das pandemias a partir da construción dun arquivo de patróns dinámicos observados no pasado en diferentes períodos de tempo. O modelado empírico dinámico é unha técnica non paramétrica que permite cruzar os datos dese arquivo coa situación actual e realizar estimacións sobre cal será o seu progreso.
No caso da covid-19, ampliaron esa "libraría" de patróns non só ao pasado dalgunhas dinámicas en curso, senón tamén a procesos en curso en diferentes rexións que puidesen mostrar coincidencias no seu comportamento. Este novo enfoque acaba de ser formulado no artigo 'Leveraging Geographically Distributed Data for Influenza and SARS-CoV-2 Non-Parametric Forecasting', da revista Mathematics.
"Cando empezou a covid-19 empezamos a ver que os modelos matemáticos existentes tiñan certos defectos para predicir a evolución da pandemia", explica o catedrático de Electromagnetismo da USC, pertencente ao Instituto de Materiais (iMATUS), Jorge Mira, que asina o artigo xunto ao catedrático de Análise Matemática da USC, Juan José Neto, pertencente ao Centro de Investigación e Tecnoloxía Matemática de Galicia (CITMAga). Tamén son asinantes da publicación Iván Area, da UVigo e do CITMAga, xunto cos investigadores Pablo Boullosa e Adrián Garea.
"Basicamente, o problema é que nos modelos de epidemioloxía clásicos hai comportamentos exponenciais que fan algo análogo ao 'efecto bolboreta' en meteoroloxía: pequenos cambios nos datos levan a notables cambios na predición", explica Jorge Mira. No caso da covid-19, esa variabilidade dos datos é orixinada "pola falta de homoxeneidade nas medidas políticas entre diferentes territorios, a resposta social ante esas medidas, e mesmo pola maneira de manexar os datos por parte das administracións públicas, con diferentes criterios na súa recollida e publicación".
Os autores desenvolveron un sistema que explorase o comportamento das pandemias en casos anteriores e buscase patróns nos datos actuais de maneira que, de detectarse algunha semellanza, a evolución do pasado puidese axudar a predicir o presente. O problema radicaba en que, no caso dunha nova pandemia como a COVID-19, "non hai libraría" de casos pasados.
Os autores deseñaron entón un novo método que construíse unha "libraría" que permitise comparar zonas xeográficas nas que se desen esas coincidencias. O equipo testamentou con éxito esta técnica no relativo ao virus da gripe a partir dos datos proporcionados polo Instituto de Saúde Carlos III, entre os anos 2000 e 2020, de quince comunidades autónomas, así como das cidades autónomas de Ceuta e Melilla.
A continuación, a partir da mesma fonte oficial, avaliaron o caso da covid-19 desde o inicio da pandemia e ata abril de 2021, coa toma en consideración das diferentes ondas. En concreto, cuantificaron cantas veces, á hora de elaborar as predicións, un determinado territorio reproduce patróns tomados da serie temporal do resto de rexións, asumindo que a dinámica desta rexión está relacionada coas demais.
Tamén cuantificaron cantas veces reproduce tendencias da súa propia serie temporal, o que remarca que a dinámica deste territorio é diferente aos demais. Igualmente, construíron redes de gripe e covid-19 para comprobar posibles coincidencias na distribución xeográfica das dúas enfermidades.
