More

    Los investigadores usan modelos predictivos para luchar contra el COVID-19

    Un estudio publicado por investigadores del Southern California Eye Institute, el Centro Médico Presbiteriano CHA Hollywood y la Universidad de California, investigaba los prejuicios que existen en las tasas de letalidad de los casos de COVID-19 entre grupos y países. Se incluían variables como el tiempo y la gravedad, casos y retrasos en los resultados. Los investigadores usan modelos predictivos para luchar contra el COVID-19.

    Descubrieron que los datos aleatorios obtenidos a través del rastreo de contactos podrían ayudar a mitigar muchos factores de confusión. También que ciertos sesgos, como las tasas de informes que varían en el tiempo, podrían corregirse entre los casos fatales y no fatales.

    Los investigadores usan modelos predictivos para luchar contra el COVID-19

    Los índices de letalidad, o CFR, a menudo guían las decisiones de política sobre la distribución de recursos durante la crisis. El CFR promedia los efectos de la atención médica, la edad, la geografía, genética y más. Sin embargo, son imperfectos ya que son susceptibles a la infravaloración de casos leves, retrasos, intervenciones, características grupales, informes imperfectos y otros prejuicios. De hecho, un artículo reciente fijó la infravaloración de los casos leves de COVID-19 de 50 a 80 veces, según las pruebas serológicas.

    De manera similar, los coautores de este artículo intentaron mitigar algunos de estos factores mediante el estudio de los procesos que relacionan CFR con poblaciones. Entre otros modelos, desarrollaron un algoritmo paramétrico que tuvo en cuenta dos sesgos. El primero fueron los informes que varían en el tiempo y la mortalidad por enfermedad retrasada. Se han utilizado modelos similares para la estimación CFR de la gripe porque suponen que todos los casos no fatales eventualmente se recuperan. Esto elimina la necesidad de usar una serie temporal de recuperaciones.

    Los investigadores usan modelos predictivos para luchar contra el COVID-19

    Todos los modelos se ejecutaron en Galileo de Hypernet Labs. Se trata de una aplicación independiente de la plataforma que agiliza la implementación del código para el trabajo intensivo en cómputo. Cada uno de ellos se aplicó a datos COVID-19 de código abierto de Johns Hopkins, calculando los CFR activos corregidos para combinaciones de nueve países. Austria, Corea del Sur, Suiza, Alemania, Italia, España, Bélgica, Irán y Reino Unido. Los datos son del 2 al 16 de abril.

    Un modelo más preciso

    Los investigadores encontraron que el CFR relativo para España (que tenía 27.940 muertes registradas en el momento de escribir estas líneas) frente a Corea del Sur (264) por ejemplo, fue más bajo de lo estimado en 30.27. Comparando el CFR para el Reino Unido (36.042) e Italia (32.486), fue de 0.68.

    Para minimizar el sesgo en CFR en el futuro, los coautores abogan por el rastreo de contactos. Según ellos, podría ampliar el marco de muestreo para incluir una mayor porción de poblaciones, específicamente de casos leves. Además, sugieren que todos los contactos sean probados para COVID-19 en un período de incubación después de la exposición, independientemente de si son o no sintomáticos.

    «El número de puntos de datos obtenido de esta estrategia será menor que el número de puntos de datos de vigilancia. Aquí no hay problema con el retraso del tiempo, ya que estos casos se pueden rastrear sistemáticamente.»

    Últimos artículos

    Artículos relacionados