Este verano, cuando los bares, restaurantes y tiendas comenzaron a reabrir en los Estados Unidos, la gente salió a pesar de la continua amenaza del COVID-19.
Como resultado, muchas áreas, incluida la región de St. Louis, vieron aumentos en los casos en julio.
Utilizando modelos matemáticos, una nueva investigación interdisciplinaria del laboratorio de Arye Nehorai, la profesora de Ingeniería Eléctrica Eugene & Martha Lohman en el Departamento de Ingeniería Eléctrica y de Sistemas Preston M. Green de la Universidad de Washington en St. Louis, determina el mejor curso deacción cuando se trata de caminar por la línea entre la estabilidad económica y los mejores resultados de salud posibles.
El grupo, que también incluye a David Schwartzman, candidato a doctorado en economía empresarial en Olin Business School, y Uri Goldsztejn, candidato a doctorado en ingeniería biomédica en la Escuela de Ingeniería McKelvey, publicó sus hallazgos el 22 de diciembre en PLOS ONE .
El modelo indica que de los escenarios que consideran, las comunidades podrían maximizar la productividad económica y minimizar la transmisión de enfermedades si, hasta que una vacuna estuviera disponible, la mayoría de las personas mayores permanecieran en casa mientras que las personas más jóvenes regresaban gradualmente a la fuerza laboral.
"Hemos desarrollado un modelo predictivo para COVID-19 que considera, por primera vez, su efecto interrelacionado sobre los resultados económicos y de salud para diferentes políticas de cuarentena", dijo Nehorai. "Puede tener una política de cuarentena óptima que minimice laefecto tanto en la salud como en la economía ".
El trabajo fue una versión ampliada de un modelo Susceptible, Expuesto, Infeccioso, Recuperado SEIR, una herramienta matemática de uso común para predecir la propagación de infecciones. Este modelo dinámico permite que las personas se muevan entre grupos conocidos como compartimentos ypara que cada compartimento influya en el otro a su vez.
En su forma más básica, estos modelos dividen a la población en cuatro compartimentos: Aquellos que son susceptibles, expuestos, infecciosos y recuperados. En una innovación a este modelo tradicional, el equipo de Nehorai incluyó también a personas infectadas pero asintomáticas, teniendo en cuenta las máscomprensión actualizada de cómo la transmisión puede funcionar de manera diferente entre ellos, así como cómo sus comportamientos pueden diferir de las personas con síntomas. Esto resultó ser muy influyente en los resultados del modelo.
A continuación, se dividió a las personas en diferentes "subcompartimentos", por ejemplo, la edad las personas mayores son los mayores de 60 años o la productividad. Esta era una medida de la capacidad de una persona para trabajar desde casa en el caso de las medidas de cuarentena.Para ello, consideraron los títulos universitarios como un indicador de quién podría continuar trabajando durante un período de cuarentena.
Luego se pusieron manos a la obra, desarrollando ecuaciones que modelaban las formas en que las personas se trasladaban de un compartimento a otro. El movimiento se veía afectado por la política, así como por las decisiones que tomaba un individuo.
Curiosamente, el modelo incluyó una tasa de mortalidad dinámica, una que se redujo con el tiempo. "Tuvimos una tasa de mortalidad que representó mejoras en el conocimiento médico a lo largo del tiempo", dijo Uri Goldsztejn, candidato a doctorado en ingeniería biomédica. "Y nosotrosver eso ahora; las tasas de mortalidad han bajado ".
"Por ejemplo", dijo Goldsztejn, "si la economía está disminuyendo, hay más incentivos para salir de la cuarentena", lo que podría aparecer en el modelo como personas que se mueven del compartimento aislado al compartimento susceptible. Por otro lado,pasar de infeccioso a recuperado se basó menos en las acciones de una persona y se puede determinar mejor por las tasas de recuperación o mortalidad. Además, los investigadores modelaron la tasa de mortalidad como una disminución con el tiempo, debido a que el conocimiento médico sobre cómo tratar el COVID-19 se vuelve mejor enhora.
El equipo analizó tres escenarios, según Schwartzman. En los tres escenarios, la línea de tiempo dada fue de 76 semanas, momento en el cual asumió que una vacuna estaría disponible, y las personas mayores permanecieron en su mayoría en cuarentena hasta entonces.
"El tercer escenario es el que fue el mejor en términos de daño económico y resultados de salud", dijo. "Porque en el escenario de relajación rápida, hubo otra propagación de la enfermedad y se restablecerían las restricciones".
Específicamente, encontraron en el primer escenario, hay 235,724 muertes y la economía se contrae en un 34%.
En el segundo escenario, donde hubo una relajación rápida de las medidas de aislamiento, se produce un segundo brote para un total de 525,558 muertes y la economía se contrae en un 32,2%.
Con una relajación gradual, como en el tercer escenario, hay 262,917 muertes y la economía se contrae en un 29,8%.
"Queríamos mostrar que hay una compensación", dijo Nehorai. "Y queríamos encontrar, matemáticamente, ¿dónde está el punto óptimo?" Como con tantas cosas, el "punto óptimo" no estaba en ninguno de los extremos:bloqueo total o continuar como si no hubiera virus.
Otro hallazgo clave fue uno que nadie debería sorprenderse de escuchar: "La sensibilidad de las personas al contagio está relacionada con las precauciones que toman", dijo Nehorai. "Sigue siendo fundamental tomar precauciones: máscaras, distanciamiento social, evitar multitudes ylavarse las manos."
Fuente de la historia :
Materiales proporcionado por Universidad de Washington en St. Louis . Original escrito por Brandie Jefferson. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :