El modelo informático que predice los «puntos calientes» en las ciudades donde se dan más contagios

By 10/11/2020 Portal

En un momento en el que la hostelería y el comercio están sufriendo importantes restricciones debido a la pandemia mundial de coronavirus, comprender cómo se propaga el SARS-CoV-2 es fundamental a la hora de decidir las medidas de reapertura. Es por ello que investigadores de la Universidad de Stanford (EE. UU.) han creado un modelo informático que pudo predecir con exactitud la expansión del Covid-19 en diez ciudades estadounidenses la pasada primavera, señalando restaurantes, cafeterías y gimnasios como los principales establecimientos en los que se produjeron eventos de «superpropagación». Sin embargo, los autores señalan que si se aplican limitaciones de aforo, esta incidencia puede descender a la mitad o incluso más, creando un equilibrio entre la actividad económica y la situación sanitaria. Los resultados acaban de publicarse en la revista «Nature».

El equipo tuvo en cuenta tres factores: d
ónde van diariamente las personas, cuánto tiempo permanecen en un lugar determinado y con cuánta gente coinciden en ese momento. Así, entre el entre el 1 de marzo y el 2 de mayo de 2020 se cruzaron datos demográficos, estimaciones epidemiológicas e información anónima de la ubicación de teléfonos móviles 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. Después, se utilizó ese modelo para llevar a cabo predicciones a corto plazo que, más tarde, se compararon con los datos reales proporcionados por las autoridades sanitarias. Y los resultados coincidieron.

«Creamos un modelo informático para analizar cómo personas de diferentes orígenes demográficos y de diferentes vecindarios visitan distintos tipos de lugares que están más o menos concurridos. Basándonos en todo esto, pudimos predecir la probabilidad de que ocurran nuevas infecciones en un lugar y momento dados», explica Jure Leskovec, informático de Stanford que dirigió la investigación, en la que también participó la Universidad Northwestern. «Y esto no es un «o todo o nada» para este tipo de locales, sino que nuestro sistema ayuda a compatibilizar la actividad económica con la prevención sanitaria», apunta el investigador. <iframe height=»286″ src=»https://www.youtube.com/embed/FZG85TN1nhE» frameborder=»0″ allowfullscreen style=»width:100%;»></iframe>

Puntos de interés y superpropagación
El nivel de detalle de los datos de movilidad permitió a los investigadores modelar el número de infecciones que ocurren por hora en casi 553.000 establecimientos distintos agrupados en 20 categorías, denominados «puntos de interés», entre los que se incluyen desde iglesias a concesionarios de coches o tiendas de mascotas, si bien siempre teniendo en cuenta únicamente espacios cerrados. Su modelo señala que el 40% de todos los contagios se dieron en restaurantes, seguidos por los gimnasios, las cafeterías y los hoteles, si bien las infecciones no se dieron en todos los lugares de forma homogénea, ya que cada área metropolitana tiene unas características diferentes (número total de población, más o menos establecimientos o distintos niveles de contagio, entre otros).

«Por ejemplo, en el área metropolitana de Chicago, el 10% de los puntos de interés representaron el 85% de las infecciones previstas en estas zonas», afirman los investigadores. Entre los establecimientos se excluyeron los colegios, ya que no se puede recopilar información de menores a través de sus teléfonos móviles; ni de transporte público: «Los datos recopilados a través de los smartphones nos indican solo la ubicación de cada persona, pero no si en ese momento van en un autobús con otras ocho personas más; aparte de que existen otros problemas asociados, como que la señal GPS no se recibe en el metro», explica en rueda de prensa online Serina Chang, también autora del estudio.

«En definitiva, cuanta más gente está en un mismo sitio cerradodurante más tiempo, más crece la probabilidad de contagio en el área», sentencia Chang.

Terraza española – DE SAN BERNARDO
¿Se puede extrapolar este modelo a España?
A la pregunta de si este sistema sería extrapolable a otros países, como España, Jure Leskovec, profesor asociado de Ciencias de la Computación en la Universidad de Stanford contesta: «El modelo básico es extrapolable a cualquier lugar del que tengamos datos de demográficos, expansión de la enfermedad y una alta penetración del uso del móvil. Pero sí que sería interesante estudiar países como España, en el que el consumo en la calle es habitual, y observar qué tipo de riesgos pueden ocurrir, si bien el consenso científico indica que los contagios al aire libre son mucho menores que en recintos cerrados».

Desigualdad entre zonas ricas y pobres
Además, el estudio señala que en las zonas con ingresos más bajos hay mayor probabilidad de contagio, ya que estas personas normalmente tienen que salir a la calle por trabajo, sus comercios son más pequeños y tienden a ser más concurridos. De forma concreta, el estudio señala que las tiendas de alimentación de las zonas con menos poder adquisitivo, por ejemplo, tenían alrededor de un 59% más de personas por metro cuadrado que las de los barrios ricos, y sus clientes estaban un 17% más de tiempo de media en su interior.

«Debido a que los lugares que emplean a minorías y personas de bajos ingresos a menudo son más pequeños y están más abarrotados, los límites de aforo pueden reducir los riesgos de contagio. Tenemos la responsabilidad de elaborar planes de reapertura que eliminen, o al menos reduzcan, las disparidades que están creando las prácticas actuales», afirma David Grusky, profesor de sociología en la Facultad de Humanidades y Ciencias de Stanford y coautor del estudio.

Las claves para una reapertura efectiva
Pero el estudio no se queda en señalar los establecimientos en los que es más probable la propagación del SARS-CoV-2. Los autores también estimaron los efectos de las diferentes estrategias de reapertura y su impacto tanto a nivel sanitario como económico. Así, encontraron que si se limita un espacio al 20% de aforo como máximo, las infecciones caerían más de un 80%, pero las visitas solo se reducirían en un 42%.

El cuadro muestra en el eje de ordenadas el número total de contagios y en el abscisas el de visitas a la tienda. Según muestra la figura, restringir la ocupación máxima puede lograr un equilibrio efectivo: por ejemplo, un límite de ocupación del 20% aún permitiría el 60% del volumen de visitas que se producían antes de la pandemia, con un porcentaje de probabilidad de contagios de un 18% (un 82% de probabilidades menos que si se abriera un 100%)

Serina Yongchen Chang
Los autores insisten en que su estudio prueba que la movilidad es el factor más importante de la expansión de la pandemia y que políticas encaminadas a reducirla, si los datos epidemiológicos lo indican, son la mejor opción. «Se ha hablado mucho de los individuos «superpropagadores», pero no tanto sobre los lugares en los que estas personas han contagiado a mucha gente, que son sitios pequeños en los que se da una masificación de gente. Esto sería lo que habría que evitar, ya que nuestro modelo demuestra la importancia de que la gente salga lo mínimo posible de casa y que evite este tipo de lugares», remarca Chang, quien también explica que se trata de un modelo dinámico que se va transformando según avanza la incidencia de la pandemia.