![Uno de los gráficos con las conclusiones del estudio internacional.](https://s1.eestatic.com/2020/03/25/invertia/disruptores-innovadores/disruptores_e_innovadores_477464825_166223614_1706x960.jpg)
Uno de los gráficos con las conclusiones del estudio internacional.
Innovadores
La UC3M, Unizar y el MIT alertan: tras el confinamiento, urgen medidas activas para evitar un segundo brote
Un estudio internacional concluye que hay que combinar políticas de contención pasivas con otras más agresivas
25 marzo, 2020 17:00¿Cómo afecta el distanciamiento social a la hora de frenar la expansión del coronavirus? ¿Y el confinamiento? ¿Cuánto tiempo deben mantenerse estas medidas? ¿Cuál es la más efectiva? Con el objetivo de dar respuestas basadas en datos a estas preguntas, un equipo de investigadores de la Universidad Carlos III de Madrid (UC3M), la Universidad de Zaragoza, el Instituto Tecnológico de Massachussets (MIT) y la Fundación ISI, en Italia, ha realizado un estudio internacional que utiliza censos y flujos de movilidad real.
¿Su principal conclusión? El confinamiento completo de la población ante una epidemia como el Covid-19 es una estrategia que requiere la adopción de medidas activas después del mismo para "maximizar su eficacia".
El grupo se refiere a actuaciones como la realización de pruebas de diagnóstico a gran escala, el aislamiento de personas con síntomas y la identificación de sus contactos.
Los resultados, basados en modelos matemáticos y datos reales del flujo de movimientos de individuos, indican que un confinamiento completo de la población requiere tomar medidas activas después, ya que, de no ser así, se produciría un nuevo brote.
“Utilizando matrices de contacto a este nivel de detalle podemos saber el efecto de estrategias como cerrar escuelas, trabajos o incluso restaurantes u otros sitios no esenciales”, explica en comunicado de prensa el profesor del Departamento de Matemáticas de la UC3M y coautor del estudio, Esteban Moro, actualmente profesor visitante en el Media Lab del MIT.
“Ante la necesidad de adoptar medidas para contener y erradicar la actual pandemia de Covid-19, hemos simulado la evolución de la epidemia en una población real, en este caso del área de Boston", comenta Yamir Moreno, físico teórico, coautor del estudio y responsable del Grupo de Redes y Sistemas Complejos del Instituto de Biocomputación y Física de Sistemas Complejos de la Universidad de Zaragoza.
"Nuestros modelos nos indican que, en casi todos los escenarios, una nueva ola de infecciones es muy probable. La conclusión fundamental es que se deben combinar políticas de contención pasivas con otras más agresivas”, señala Moreno.
Para realizar esta investigación, el equipo de científicos ha utilizado datos de movilidad real de usuarios de teléfonos móviles en EEUU cedidos por el programa Data for good de Cuebiq, una empresa que recoge las ubicaciones de los usuarios y las agrega de forma anónima.
Además, ha analizado datos del censo del área de Boston para construir una red de ubicación conjunta en tres capas (comunidad, escuelas y hogares) y ha empleado un modelo SEIR para la modelización de la propagación de epidemias.
“También estamos trabajando actualmente con datos actualizados de movilidad en la ciudad de Nueva York, que es el epicentro actual de la epidemia en EEUU”, señala Moro. “Si los datos de movilidad de alta resolución están disponibles, nuestro enfoque puede replicarse fácilmente para nuevas ciudades o países para medir el impacto de las estrategias de distancia social ante la epidemia”, añade.
Esta investigación trata de obtener datos que ayuden a evaluar el impacto de las estrategias de distanciamiento social que se están adoptando en los diferentes países para luchar contra el Covid-19, así como el tiempo que deben estar vigentes o cuál es la más efectiva actualmente. Además, también se analizan las probabilidades de que pueda surgir un segundo brote más adelante o cuál sería la mejor manera de prepararse ante una hipotética segunda oleada.
Estos resultados preliminares acaban de ser publicados en abierto bajo una licencia Creative Commons en una web para que estén a disposición de autoridades y de la comunidad científica, para poder utilizarlos, contrastarlos e ir actualizando y optimizando los análisis con nuevos datos. En este trabajo, realizado en respuesta a la crisis sanitaria provocada por el Covid-19, colabora también la empresa madrileña Zensei Technologies.