Universidad Nacional del Nordeste - Facultad de Ciencias Exactas y Naturales y Agrimensura

31 de Agosto de 2020 | 5 ′ 39 ′′


Con Big data predicen la evolución de la pandemia



Un equipo de físicos, matemáticos y bioquímicos de la Universidad Nacional del Nordeste y el Conicet cuenta con resultados preliminares del procesamiento de datos de casos de COVID-19 y su predicción probabilística. Los resultados del estudio permitirán conocer la proyección que tendrá la pandemia en cada una de las provincias.

Utilizando una técnica de procesamiento de grandes datos (big data), denominada “asimilación de datos”, se analiza la información que a diario es reportada de manera oficial (tanto los casos positivos como los decesos).

Una de las informaciones aportada por el trabajo es el análisis del R cero, o tasa de contagio del coronavirus a nivel nacional. Antes del inicio de la cuarentena, la tasa era 3,5 es decir, un infectado contagiaba a 3,5 personas. La implementación de la cuarentena logró reducir considerablemente esa tasa a 0,5, pero la flexibilización dispuesta en las últimas dos etapas volvió a incrementar R a valores entre 1 y 2.

La importancia de tener la estimación diaria de esta tasa es clave, ya que cuando se alcance un valor por debajo de 1, la epidemia se controla y el número de casos disminuirá con el tiempo. Por el contrario, si la tasa de contagio está por encima de 1, significa que la cantidad de infectados continuará creciendo.

Además de la tasa de contagio, la técnica de asimilación de datos brinda información estadística de las características de propagación del virus; los tiempos de incubación y de recuperación; la cantidad de enfermos severos que derivarán en hospitalizaciones o decesos. En un estudio reciente demostró que la técnica también permite estimar la circulación del virus en personas asintomáticas, es decir, el número de casos no-detectados por los testeos.

El grupo de trabajo que participa de este proyecto está liderado por el doctor Manuel Pulido e integrado por los investigadores Tadeo Cocucci, Noelia Villafañe y Magdalena Lucini, de la Facultad de Ciencias Exactas y Naturales y Agrimensura y el Conicet. También participan referentes del Laboratorio Central de Corrientes, los bioquímicos Gerardo Andino, Natalia Ruiz Días y Viviana Gutnisky, responsables de los test epidemiológicos en la Provincia.

Paralelamente, se conformó una red de colaboración internacional con distintos grupos que trabajan en asimilación de datos para COVID-19, particularmente con un grupo de investigadores de Francia, coordinado por Pierre Tandeo del IMT Atlantique y de Inglaterra, con Alberto Carrassi, director del Data Assimilation Research Centre, University of Reading, Inglaterra.

Ventajas

“Una de las grandes ventajas que posee la humanidad para poder controlar la actual pandemia COVID-19, comparada a las ocurridas en el pasado, es la gran disponibilidad de datos en tiempo real que se posee sobre la transmisión del virus en la población”, señaló a Argentina Investiga el doctor Pulido, investigador del Departamento de Física de la FaCENA, UNNE.

Esos datos, al ser analizados en modelos matemáticos, brindan información objetiva sobre, por ejemplo, el impacto de las medidas de aislación social focalizadas o generales que permitan contener el virus. Los gobiernos disponen de esta manera de una herramienta en la toma de decisiones puntuales en base a un diagnóstico y con predicciones precisas sobre la evolución de la pandemia.

“Mientras mayor sea la información que se procese y más sofisticada la técnica de procesamiento de los datos mayor será el conocimiento de la situación de la pandemia”, señaló Pulido.

Asimilación de datos

Dentro del procesamiento de grandes datos, las técnicas de asimilación se caracterizan por combinar en tiempo real información de dos fuentes: los modelos dinámicos epidemiológicos y observaciones incompletas de distintas fuentes.

En un contexto donde la información no es completa ni tampoco exacta, como es el caso del escenario planteado por el COVID-19, estas técnicas de asimilación permiten combinar toda la información circundante. En el marco de la asimilación pueden realizarse predicciones o pronósticos probabilísticos, los cuales permiten obtener la incerteza de las predicciones y evaluar la probabilidad de eventos extremos. Los ejemplos donde se aplica la asimilación de datos son numerosos, entre los que cabe citar los pronósticos meteorológicos, la robótica, vehículos autónomos, visión computarizada, seguimiento por GPS o radares, entre otros.

Los resultados de la aplicación de técnicas de asimilación en el brote de Wuhan, China

Un trabajo liderado por Ruiyun Li del MRC Centre for Global Infectious Disease Analysis (Imperial College, Inglaterra) demuestra que estas técnicas tienen un enorme potencial para estimar la cantidad de casos no-detectados en la población basadas en observación parcial (casos de infectados detectados, movilidad, etcétera).

Antecedentes

El grupo de investigación cuenta con antecedentes en el trabajo de técnicas para la asimilación de datos de modelos epidemiológicos. Pulido desarrolló recientemente, junto a Peter Jan van Leeuwen (Colorado State University), una técnica de asimilación de Monte Carlo secuencial que tiene muy buenos resultados en modelos epidemiológicos. Fue utilizado para un modelo de la dinámica del cólera en un trabajo que se publicó en el Journal of Computational Physics.

También en el grupo se trabaja en la asimilación de datos de la dinámica de propagación del dengue. En este tema, Tadeo Cocucci, becario de Conicet, realiza su tesis doctoral. Dados los devastadores efectos de la pandemia, el grupo está totalmente enfocado en la asimilación de datos de COVID-19.

Juan Monzón Gramajo
monzongramajo@gmail.com
Juan Monzón Gramajo
Departamento de Comunicación Institucional del Rectorado de la UNNE


Red Sara: un espacio de intercambio colaborativo sobre revistas científicas

Trabajar en red es uno de los principios de la Red Sara: una comunidad de intercambio y colaboración entre las personas que hacen revistas científicas y de la que la UNLa forma parte. En esta entrevista con Argentina Investiga los miembros cuentan las complejidades de sostener proyectos editoriales indizados, espacios fundamentales para avanzar en la carrera de investigador científico.

Las narrativas de la pandemia de las y los trabajadores de la salud

Las narrativas de la pandemia de las y los trabajadores de la salud

Los trabajadores de la salud antes de la pandemia ya sopesaban experiencias complejas, no sólo por la labor que realizaban sino por las condiciones en las que tenían que ejercer la profesión. En la actualidad, a dieciocho meses del comienzo de la pandemia, investigadoras de diferentes universidades trabajan con las narrativas de estos trabajadores.

Nueva tecnología que prolonga la vida de las plantas

Es un procedimiento que permite mejorar las características agronómicas de las plantas, aumentar su ciclo de vida, de producción y resistencia, al a vez que reducir la huella ecológica. Fue desarrollado por investigadoras de la UNL – Conicet y licenciado a la empresa Infira SA.

El análisis que las Ciencias Sociales hacen de la pandemia

“Hallamos que muchos de los discursos que se construían desde los medios hegemónicos –que se oponían a la gestión de la pandemia y promovían los movimientos anticuarentena– impactaban de modo relativo” sostiene Guillermo de Martinelli, docente e investigador en el Centro de Investigaciones sobre Economía y Sociedad en la Argentina Contemporánea.

Alejandro Kaufman: “La pandemia nos vulnera de manera tal que nos convierte en números”

En este diálogo, el docente e investigador de la UNQ arroja luz sobre un fenómeno colmado de opacidades sobre el que todavía resta mucho por comprender. “(La prensa) ha desempeñado un papel deplorable, no ha hecho aportes; sólo se ha preocupado por alarmar, a la vez que entretener y banalizar lo que sucedía” sostiene el investigador.

La enfermería antes y después del COVID-19

Karina Espíndola, a cargo de la Licenciatura en Enfermería, explica cómo se modificó el rol de la carrera en tiempos de pandemia. “Ahora preparamos a los estudiantes para trabajar con población enferma (hisopados) pero también con población sana (vacunación); los docentes tuvimos que readaptarnos” aclara la especialista.

Canal de videos 104