Investigación

Los modelos de ABM muestran la efectividad de las NPI para contener la propagación del virus y reducir el número de contagios de COVID-19. Estos modelos permiten incorporar diferentes fuentes de datos tales como información demográfica, geográfica y de datos móviles. Estos modelos permiten la simulación de escenarios con diferentes configuraciones de NPIs para evaluar las mejores políticas para detener la propagación de la pandemia. Estos modelos se pueden implementar con un bajo costo computacional ya que se pueden ejecutar simulaciones sobre un pequeño subgrupo de población para luego inferir los resultados para todo el grupo. También cabe mencionar que permite bajar poblaciones y redes de contacto personalizadas al nivel de un campus universitario o de una ciudad. En este trabajo hemos combinado el framework ABM de Covasim con la información proporcionada por el conjunto de datos OxGRCT. Esto muestra que a pesar de las simplificaciones en la descripción de las NPI más comunes, el modelo puede proporcionar pronósticos bastante precisos para varias semanas, incluso considerando la existencia de diferentes cepas con diferentes tasas de transmisibilidad. A pesar de manejar información ordinal que ilustra la aplicación de las NPI, una satisfactoria la estimación del nivel de impacto de cada NPI a través de un modelo de aprendizaje automático ha permitido establecer una puesta a punto del modelo. Esto ha sido posible gracias a la abundancia de datos sobre cómo dicho NPI se ha aplicado en todo el mundo y el impacto real en la cantidad de nuevos casos de COVID-19. Además, también podemos estimar casos asintomáticos, recuperaciones, graves y críticos solo. con la información sobre el número de casos nuevos. Esta información permite a los gobiernos, formuladores de políticas y autoridades sanitarias para pronosticar el impacto en los establecimientos de salud de un incremento en el número de casos, como suele suceder con la aparición de un nuevo virus o una nueva variante de uno existente.