A través de los celulares, Universidad de Stanford identifica en dónde es más fácil contraer Covid-19
También generaron un modelo informático que puede predecir cómo se propaga el virus
Hace ya casi un año que escuchamos hablar del coronavirus Covid-19 por primera vez. Muchos países del mundo se están enfrentando a una segunda ola de contagios y la carrera por la vacuna se está acelerando. Sin embargo, todavía estamos lejos de tener controlada la pandemia y, muestra de ello, es un estudio realizado por la Universidad de Stanford.
A través del seguimiento de los celulares de los usuarios, la institución analizó el movimiento diario de 98 millones de estadounidenses y pudo demostrar que la mayoría de las infecciones ocurren en sitios que ponen a las personas en contacto con otras durante períodos prolongados . El estudio también detalló que cómo los patrones de movilidad ayudan a aumentar las tasas de infección entre las minorías y las poblaciones de bajos ingresos.
A partir de un modelo informático desarrollado por un equipo de investigadores de Stanford es que afirman que han logrado predecir con precisión la propagación del Covid-19 en 10 ciudades mediante el análisis de tres factores que impulsan el riesgo de infección: a dónde va la gente en el transcurso del día, cuánto tiempo permanece y cuántos otras personas visitan el mismo lugar al mismo tiempo.
“Construimos un modelo de computadora para analizar cómo personas de diferentes orígenes demográficos y de diferentes vecindarios visitan diferentes tipos de lugares que están más o menos concurridos. Basándonos en todo esto, pudimos predecir la probabilidad de que ocurran nuevas infecciones en cualquier lugar o momento dado”, dijo Jure Leskovec, el científico informático de Stanford que dirigió el esfuerzo, que también involucró a investigadores de la Universidad Northwestern.
El estudio, publicado en la revista Nature, fusiona datos demográficos, estimaciones epidemiológicas e información anónima de ubicación de teléfonos celulares, y confirma que la mayoría de las transmisiones de Covid-19 ocurren en sitios de como restaurantes de servicio completo, gimnasios y cafés , lugares cerrados donde las personas permanecen por períodos prolongados.
Malas noticias
El coautor del estudio, David Grusky, profesor de sociología en la Facultad de Humanidades y Ciencias de Stanford, dijo que la capacidad predictiva de su modelos es particularmente valiosa porque proporciona nuevos conocimientos sobre los factores detrás de las tasas de infección desproporcionadas en las minorías y las personas de bajos ingresos. “En el pasado, se suponía que estas disparidades eran impulsadas por condiciones preexistentes y un acceso desigual a la atención médica, mientras que nuestro modelo sugiere que los patrones de movilidad también ayudan a impulsar estos riesgos desproporcionados”, dijo.
Los investigadores demostraron cómo las personas de minorías y de bajos ingresos salen de casa con más frecuencia porque sus trabajos lo requieren. Además, compran en tiendas más pequeñas, a diferencia de las personas con ingresos más altos, que pueden trabajar desde casa, usar la entrega a domicilio para evitar las compras e ir a negocios más espaciosos cuando salen.
¿Qué hacer?
El estudio destaca que las políticas de permanencia en el hogar sí fueron capaces de desacelerar la tasa de nuevas infecciones . Ello quiere decir que las infecciones de Covid-19 aumentarán a medida que el número de comercios y lugares públicos vuelvan a trabajar sin restricciones.
Por lo anterior es que los investigadores señalan que su modelo podría servir como una herramienta para que los funcionarios ayuden a minimizar la propagación de Covid-19 a medida que reabren negocios. Su recomendación es que solo se permita entre el 20 y el 50% de de afluencia en los espacios.
De esta manera también es posible beneficiar más a los grupos desfavorecidos. “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 ocupación en las tiendas pueden reducir los riesgos que enfrentan”, dijo Leskovec.
Detallaron que, por ejemplo, un límite de ocupación del 20% aún permitiría el 60% de las visitas antes de la pandemia, mientras que existiría un riesgo de solo 18% de infecciones.
Por último señalaron que cualquier persona puede utilizar su tecnología para comprender las consecuencias de las diferentes decisiones de política de cierre de empresas y de quedarse en casa. Y que están trabajando para desarrollar una herramienta fácil de usar para los responsables políticos y la salud pública.