El modelo de computadora simula cuántos casos de COVID-19 podrían haberse prevenido en un condado en particular de los EE. UU. Vectores Leontura / DigitalVision a través de Getty Images
El Dr. Biplav Srivastava, profesor de ciencias de la computación en la Universidad de Carolina del Sur, y su equipo han desarrollado una herramienta basada en datos que ayuda a demostrar el efecto de usar máscaras en casos y muertes por COVID-19. Su modelo utiliza una variedad de fuentes de datos para crear escenarios alternativos que pueden decirnos "¿Qué pudo haber pasado?" si un condado de los EE. UU. tenía una tasa más alta o más baja de adherencia a las mascarillas. En esta entrevista explica cómo funciona el modelo, sus limitaciones y qué conclusiones podemos sacar de él.
El informático Biplav Srivastava ofrece una demostración de la simulación para mostrar que las políticas anteriores para recomendar el uso de máscaras marcan una mayor diferencia en la propagación del coronavirus.
{vembed Y = g3o_TW2OWJU}
¿Qué hace este modelo de computadora?
Esta es una herramienta a nivel nacional que puede mostrar el efecto que puede tener el uso de máscaras. Si es un condado donde la gente usa máscaras con regularidad, le mostrará cuántos casos y muertes de COVID-19 evitaron. Si elige un condado donde la gente no usa máscaras, le mostrará cuántos casos y muertes podrían haberse evitado allí.
¿Cómo lo hace?
Necesitamos muchos datos para hacer esto. Los New York Times encuestó a casi todos los condados de EE. UU. durante el verano y asignaron una puntuación de 0-5 a cada uno de ellos, por lo que este es el núcleo del modelo. También utilizamos datos del New York Times y Johns Hopkins para obtener números de casos en tiempo real; datos del censo para datos demográficos como el tamaño de la población, la edad media y más; y datos geográficos para medir la distancia entre condados.
Se basa en una técnica matemática llamada control sintético robusto, que se utiliza a menudo en la investigación de medicamentos, donde hay un grupo de control y un grupo de tratamiento.
Por ejemplo, veamos el condado de Wyandotte, Kansas. Tiene una puntuación de uso de máscara relativamente alta de aproximadamente 3.4. Porque el modelo está diseñado para decirnos el "¿y si?" En este escenario, se verá lo que habría sucedido si la puntuación de uso de la máscara se redujera a 3.0, que es nuestro límite para el "uso bajo de la máscara", pero el usuario también puede experimentar con otros valores solo para ver qué sucede. Llegamos a 3.0 según el análisis de los hábitos de uso de máscaras en todo el país. Los valores reales oscilaron entre 1.4 y 3.85, con un promedio nacional de 2.98.
Podemos establecer una fecha en la que el puntaje de uso de la máscara cambia a 3.0. Si lo configuramos para que se ejecute del 1 de junio al 1 de octubre, nos dice que el condado de Wyandotte habría tenido un 101.5% más de casos y 150 muertes más en ese período. Le dice al usuario cuántas muertes se han producido o se han evitado en función de un parámetro de tasa de mortalidad que el usuario puede configurar. En este ejemplo, se fijó en 2%.
¿Cómo crea el modelo el "qué pasaría si?" escenario si en realidad no sucedió? Para ello, observa otros condados cercanos y que tienen datos demográficos y recuento de casos similares, pero un umbral de uso de máscaras más bajo. Intenta llegar a un promedio ponderado para formar un grupo de control sintético que sea similar a nuestro condado de interés (grupo de tratamiento). Luego, el modelo analiza cuánto han divergido los dos grupos en términos de recuento de casos. La diferencia en el recuento de casos entre los dos grupos se convierte en una diferencia en las muertes utilizando el parámetro de tasa de mortalidad.
¿Qué nos dice esto sobre el impacto de las políticas de uso de mascarillas?
Puede ser útil mantener el uso de mascarillas o implementar una política de mascarillas en cualquier momento. Pero su impacto es mayor cuando lo haces temprano. Cuando ejecuta este modelo varias veces con fechas diferentes, ve que el impacto se reduce a medida que demora la implementación de una política de uso de máscara. Entonces, si un condado implementara una política de máscaras el 1 de junio, habría evitado muchos casos. Si actuara el 1 de julio, tendría un impacto menor. Si hubiera actuado en agosto, todavía habría prevenido casos, pero un número muy pequeño.
¿Cuáles son las limitaciones de este modelo?
Esta herramienta funciona mejor en algunos condados que en otros. En general, funciona mejor con los condados que están más cerca del promedio, porque tendrá coincidencias más cercanas con las que comparar. También hay una limitación en el sentido de que la encuesta de adherencia de máscaras de The New York Times se realizó en el verano y las cosas siguen cambiando. Entonces, si otros investigadores usan esta herramienta, tendrán que dar cuenta de los cambios.
Pero lo que ves es que cuando implementas una política de máscaras o la población usa máscaras regularmente, tiene un impacto positivo. Y cuanto antes lo haga, más eficaz será.
Sobre el Autor
Biplav Srivastava, profesor de informática, Universidad de Carolina del Sur. Me gustaría agradecer el trabajo de mi equipo, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda y Lokesh Johri, en el desarrollo de este programa.
Este artículo se republica de La conversación bajo una licencia Creative Commons. Leer el articulo original.
Libros relacionados:
El cuerpo lleva la cuenta: cerebro, mente y cuerpo en la curación del trauma
por Bessel van der Kolk
Este libro explora las conexiones entre el trauma y la salud física y mental, y ofrece ideas y estrategias para la curación y la recuperación.
Haga clic para obtener más información o para ordenar
Aliento: la nueva ciencia de un arte perdido
por James Nestor
Este libro explora la ciencia y la práctica de la respiración, y ofrece ideas y técnicas para mejorar la salud física y mental.
Haga clic para obtener más información o para ordenar
La paradoja de las plantas: los peligros ocultos en los alimentos "saludables" que causan enfermedades y aumento de peso
por Steven R. Gundry
Este libro explora los vínculos entre la dieta, la salud y la enfermedad, y ofrece ideas y estrategias para mejorar la salud y el bienestar en general.
Haga clic para obtener más información o para ordenar
El código de inmunidad: el nuevo paradigma para la salud real y el antienvejecimiento radical
por Joel Greene
Este libro ofrece una nueva perspectiva sobre la salud y la inmunidad, basándose en los principios de la epigenética y ofreciendo conocimientos y estrategias para optimizar la salud y el envejecimiento.
Haga clic para obtener más información o para ordenar
La guía completa para el ayuno: sana tu cuerpo a través del ayuno intermitente, en días alternos y prolongado
por el Dr. Jason Fung y Jimmy Moore
Este libro explora la ciencia y la práctica del ayuno y ofrece ideas y estrategias para mejorar la salud y el bienestar en general.
