El modelo predictivo utilizado en Andalucía para prever contagios ajusta su precisión para la séptima ola

CÓRDOBA 20 Jul. (EUROPA PRESS) -

El modelo predictivo utilizado en Andalucía para prever contagios de covid, diseñado por un equipo de las universidades de Córdoba (UCO) y Sevilla (US) y el Instituto Maimónides de Investigación Biomédica de Córdoba (Imibic) y que ha estado en uso los dos últimos años, ha ajustado su precisión para enfrentar la séptima ola de la pandemia.

Según informa la Universidad de Córdoba en una nota, en las últimas semanas los datos de personas contagiadas por coronavirus "han ido en aumento, lo que evidencia el inicio de una nueva ola, la séptima desde que se inició la pandemia".

Medidas de prevención como el confinamiento, la mascarilla o la distancia personal han servido en diferentes momentos para controlar la pandemia y, para ello, ha sido fundamental la predicción. Saber cómo va a evolucionar la pandemia por covid-19 y anticipar la evolución de los contagios es importante para tomar medidas de prevención a tiempo. En este sentido, la predicción de dichos contagios se convierte en un sistema de apoyo a la toma de decisiones.

Así, un estudio desarrollado por investigadores de Departamento de Informática y Análisis Numérico de la UCO, del Imibic y de la US, y publicado en la revista 'Expert System swith Applications', ha aplicado un modelo predictivo basado en un modelo polinómico de grado 3, que combina técnicas estadísticas y de Inteligencia Artificial para predecir los contagios por coronavirus ajustándolo según la información de la dinámica de contagios en oleadas anteriores. Con esa información consiguieron mayor precisión a la hora de predecir los nuevos contagios por coronavirus en tres o cinco días.

Para ello, analizaron los datos de contagios acumulados (esto es, no solo los nuevos contagios del día, sino también la suma de días anteriores) en los ocho distritos sanitarios andaluces en los que están ubicadas las capitales de provincia desde la segunda oleada de la pandemia hasta la quinta.

Para obtener una mayor precisión era necesario incluir en el modelo predictivo, además de los datos de contagios, información externa que influyera en la evolución del número de personas contagiadas. En el caso de la meteorología, por ejemplo, para predecir la temperatura de los siguientes días se tiene en cuenta el viento o la humedad. Para la pandemia, sin embargo, esa información externa resultaba de difícil estudio ya que incluía una gran cantidad de factores como la población, la movilidad o la época del año, entre otros.

Por ello, el equipo investigador decidió sustituir esa información por una serie de valores de las curvas de crecimiento de las oleadas anteriores, una gráfica en la que se incluían periódicamente la evolución de los contagios en días previos. De esas curvas extraían valores que determinan cómo se comporta la curva con información sobre cuándo llega el momento de crecimiento exponencial, cómo de intenso es este momento o cuánto dura, además de otros parámetros del brote a estudiar. Con esa información, la predicción de contagios en un horizonte temporal de tres o cinco días era más precisa.

De este modo constataron que el error en una predicción a cinco días era mayor que en la de tres días. "Cuanto más larga en el tiempo es la predicción que vas a hacer, más error vas a cometer porque el efecto de los posibles factores externos aumenta", ha explicado el investigador Pedro Antonio Gutiérrez Peña, que ha formado parte del equipo de investigación de la UCO junto a César Hervás Martínez, Miguel Díaz Lozano, Antonio Manuel Gómez Orellana y David Guijo Rubio.

"Sin embargo, hay que tener en cuenta que aunque parezcan pequeños estos horizontes temporales de tres o cinco días, nos proporcionan la suficiente precisión para tomar decisiones en base a unos resultados fiables. Sería muy utópico decir lo que va a pasar en un mes o en dos meses y en esos resultados no puedes basar tus decisiones", ha agregado Gutiérrez Peña.

A pesar de los cambios en la forma de contabilizar los datos de contagios, pues desde marzo de 2022 solo se contabilizan a las personas contagiadas mayores de 60 años, inmunodeprimidas y mujeres embarazadas, este modelo, como ha destacado el equipo investigador, es "de gran importancia para futuras oleadas o cepas".

Además, un aspecto a destacar del modelo predictivo es que, como ha señalado Díaz-Lozano, no solo se puede emplear en la predicción de personas contagiadas por covid, sino que, en realidad, "en cualquier campo, un modelo matemático capaz de ajustarse con relativa precisión a la forma que adoptan los datos observados puede definir la evolución inherente de los mismos".

Aunque el modelo predictivo se ha presentado en la revista científica 'Expert Systems with Applications', lleva dos años y medio en funcionamiento, ya que lo han utilizado para los informes que semanalmente (en ocasiones incluso dos veces por semana) han entregado a la Consejería de Salud y Familias de la Junta de Andalucía, para que esta, teniendo en cuenta también otros informes de otras instituciones, adoptara las medidas oportunas para controlar la pandemia.

En esos informes, además de incluir la predicción de contagios en los 34 distritos sanitarios que existen en Andalucía, informaban sobre datos de hospitalizaciones tanto en planta como en UCI.