Los científicos del Instituto de Tecnología de Rochester han desarrollado un método que creen que ayudará a los epidemiólogos a predecir de manera más eficiente la propagación de la pandemia de COVID-19. Su nuevo estudio, publicado en Physica D: Nonlinear Phenomena, describe una solución para el modelo de epidemia SIR, que se usa comúnmente para predecir cuántas personas son susceptibles, infectadas y recuperadas de epidemias virales.
El método fue creado por Nathaniel Barlow, profesor asociado en la Facultad de Ciencias Matemáticas de RIT, y Steven Weinstein, jefe del Departamento de Ingeniería Química de RIT. Dicen que al usar esta solución para el modelo, los epidemiólogos pueden pronosticar rápidamente muchos escenarios diferentes de cómo COVID-19 podría propagarse en función de una variedad de variables. Las proyecciones producidas por modelos matemáticos ayudan a los funcionarios públicos a tomar decisiones políticas sobre cuándo imponer y levantar restricciones destinadas a aplanar la curva de las tasas de infección.
Los matemáticos aplicados que desarrollaron el método dijeron que estaban emocionados de encontrar una manera de aplicar sus habilidades para ayudar a combatir la pandemia.
"Estaba en casa pensando que de alguna manera me gustaría ayudar con todo lo que estaba pasando", dijo Barlow. "Vimos un artículo popular sobre el modelo SIR, vimos que nuestro método podría acelerar el proceso y rápidamente escribimos el documento. Nuestro objetivo era obtener mejores herramientas para los expertos que luchan contra esta enfermedad".
El método se basó en soluciones que desarrollaron previamente para problemas muy diferentes en termodinámica, mecánica de fluidos y predicción de las trayectorias de la luz alrededor de los agujeros negros. Han trabajado extensamente con estudiantes universitarios en esos problemas durante los últimos seis años y descubrieron que la solución al modelo de epidemia SIR tenía una estructura matemática muy similar. Aunque los autores no han trabajado previamente en el campo de la epidemiología, su trabajo anterior se tradujo a la perfección en este nuevo campo.
"Muchas veces, eso es lo que hacemos los matemáticos aplicados: trabajar en los límites de los campos donde la gente no suele hablar", dijo Weinstein. "Servimos una función importante para proporcionar algoritmos para apoyar la investigación y la predicción científica. La técnica que hemos desarrollado aquí es general para muchos campos diferentes".
Los autores ahora están trabajando para mostrar cómo su método puede aplicarse a modelos más complejos como el modelo de epidemia SEIR, que es similar al modelo SIR pero también predice la población expuesta a una epidemia.
Los matemáticos aplicados que desarrollaron el método dijeron que estaban emocionados de encontrar una manera de aplicar sus habilidades para ayudar a combatir la pandemia.
"Estaba en casa pensando que de alguna manera me gustaría ayudar con todo lo que estaba pasando", dijo Barlow. "Vimos un artículo popular sobre el modelo SIR, vimos que nuestro método podría acelerar el proceso y rápidamente escribimos el documento. Nuestro objetivo era obtener mejores herramientas para los expertos que luchan contra esta enfermedad".
El método se basó en soluciones que desarrollaron previamente para problemas muy diferentes en termodinámica, mecánica de fluidos y predicción de las trayectorias de la luz alrededor de los agujeros negros. Han trabajado extensamente con estudiantes universitarios en esos problemas durante los últimos seis años y descubrieron que la solución al modelo de epidemia SIR tenía una estructura matemática muy similar. Aunque los autores no han trabajado previamente en el campo de la epidemiología, su trabajo anterior se tradujo a la perfección en este nuevo campo.
"Muchas veces, eso es lo que hacemos los matemáticos aplicados: trabajar en los límites de los campos donde la gente no suele hablar", dijo Weinstein. "Servimos una función importante para proporcionar algoritmos para apoyar la investigación y la predicción científica. La técnica que hemos desarrollado aquí es general para muchos campos diferentes".
Los autores ahora están trabajando para mostrar cómo su método puede aplicarse a modelos más complejos como el modelo de epidemia SEIR, que es similar al modelo SIR pero también predice la población expuesta a una epidemia.
No hay comentarios:
Publicar un comentario