MADRID, 16 Abr. (EUROPA PRESS) -
Un nuevo estudio realizado por investigadores de la Universidad de Texas A&M (Estados Unidos) y publicado en la revista científica 'PLOS ONE' ha aportado un nuevo modelo para realizar proyecciones a corto plazo de los casos diarios de COVID-19 que es "preciso, fiable y fácil de utilizar".
Dirigidos por Hongwei Zhao, profesor de bioestadística de la Escuela de Salud Pública de Texas A&M, los investigadores utilizaron un método para proyectar la incidencia de la COVID-19 en las próximas dos o tres semanas basándose únicamente en los casos de incidencia observados. Este modelo asume un cambio constante o pequeño en la tasa de transmisión del virus que causa la COVID-19 durante un periodo corto.
"Los resultados indican que este modelo puede utilizarse para predecir razonablemente los casos de COVID-19 con dos o tres semanas de antelación utilizando únicamente las cifras de incidencia actuales. La simplicidad de este modelo es uno de sus mayores puntos fuertes, ya que puede ser aplicado fácilmente por organizaciones con pocos recursos. Las previsiones de este modelo pueden ayudar a las organizaciones sanitarias a prepararse para los aumentos repentinos y ayudar a los funcionarios de salud pública a determinar las medidas", explica.
Los autores pronosticaron las infecciones futuras en tres escenarios posibles: una tasa de transmisión constante y sostenida; uno en el que la tasa de transmisión es un cinco por ciento más alta que los niveles actuales, lo que refleja una disminución de las prácticas para prevenir la transmisión o un aumento de las condiciones que promueven la transmisión; y otro en el que la transmisión es un cinco por ciento más baja.
La estimación de la tasa de transmisión efectiva actual puede ser complicada, ya que las variaciones diarias tanto de las infecciones como de las notificaciones pueden influir drásticamente en esta estimación. Por ello, los investigadores suavizaron las variaciones diarias de las notificaciones utilizando una media ponderada de tres días y realizaron una suavización adicional para tener en cuenta las anomalías de los datos, como las zonas que notifican varios meses de casos a la vez.
Los investigadores compararon sus proyecciones con la incidencia notificada en Texas durante cuatro períodos en 2020: 15 de abril, 15 de junio, 15 de agosto y 15 de octubre. El número de nuevos casos diarios de COVID-19 notificados fue relativamente bajo a mediados de abril, cuando muchos negocios estaban cerrados, y luego comenzó a aumentar a principios de mayo después de que se iniciara la reapertura gradual en Texas.
Las cifras aumentaron bruscamente después, y luego tendieron a la baja después de que se fijara la obligación de la mascarilla en todo el estado durante el verano. Las infecciones volvieron a aumentar después del Día del Trabajo, el 1 de mayo, pero luego parecieron estabilizarse hasta mediados de octubre, cuando se observó que la tasa de transmisión volvió a aumentar drásticamente.
La aplicación del modelo a nivel estatal demostró que se comportó razonablemente bien, y solo la previsión del segundo periodo se desvió de la incidencia real registrada, quizá debido a que las cifras cambiaron drásticamente en el momento en que se produjo una gran oleada de COVID-19 en torno a las vacaciones del 31 de mayo. El modelo funcionó igualmente bien a nivel de condado, aunque la menor población y los cambios en la misma, como los estudiantes que entran y salen de la zona durante el año escolar, influyeron en la notificación de nuevos casos.
