Crédito:CC0 Public Domain
Este verano, cuando los bares, restaurantes y tiendas comenzaron a reabrir en los Estados Unidos, la gente salió a pesar de la continua amenaza de COVID-19.
Como resultado, muchas areas, incluida la región de St. Louis, vio aumentos en los casos en julio.
Usando modelos matemáticos, nueva investigación interdisciplinaria del laboratorio de Arye Nehorai, el Profesor Eugene &Martha Lohman de Ingeniería Eléctrica en el Departamento de Ingeniería Eléctrica y de Sistemas Preston M. Green en la Universidad de Washington en St. Louis, determina el mejor curso de acción cuando se trata de caminar por la línea entre la estabilidad económica y los mejores resultados de salud posibles.
El grupo, que también incluye a David Schwartzman, un doctorado en economía empresarial candidato en Olin Business School, y Uri Goldsztejn, un doctorado candidato en ingeniería biomédica en la Escuela de Ingeniería McKelvey — publicaron sus hallazgos el 22 de diciembre en MÁS UNO .
El modelo indica que de los escenarios que consideran, las comunidades podrían maximizar la productividad económica y minimizar la transmisión de enfermedades si, hasta que haya una vacuna disponible, la mayoría de las personas mayores permanecieron en casa, mientras que los más jóvenes regresaron gradualmente a la fuerza laboral.
"Hemos desarrollado un modelo predictivo para COVID-19 que considera, por primera vez, su efecto interrelacionado en los resultados económicos y sanitarios de las diferentes políticas de cuarentena, ", Dijo Nehorai." Se puede tener una política de cuarentena óptima que minimice el efecto tanto en la salud como en la economía ".
La obra era una versión ampliada de Susceptible, Expuesto, Infeccioso, Modelo recuperado (SEIR), una herramienta matemática de uso común para predecir la propagación de infecciones. Este modelo dinámico permite que las personas se muevan entre grupos conocidos como compartimentos, y que cada compartimento influya en el otro a su vez.
En su forma más básica, Estos modelos dividen a la población en cuatro compartimentos:Aquellos que son susceptibles, expuesto, infeccioso y recuperado. En una innovación a este modelo tradicional, El equipo de Nehorai incluyó a personas infectadas pero asintomáticas también, teniendo en cuenta la comprensión más actualizada de cómo la transmisión puede funcionar de manera diferente entre ellos, así como también cómo sus comportamientos pueden diferir de las personas con síntomas. Esto resultó ser muy influyente en los resultados del modelo.
Luego, las personas se dividieron en diferentes "subcompartimentos, "por ejemplo, la edad (las personas mayores son las mayores de 60 años), o por productividad. Esta fue una medida de la capacidad de una persona para trabajar desde casa en el caso de las medidas de cuarentena. Para hacer esto, consideraron los títulos universitarios como un indicador de quién podría seguir trabajando durante un período de cuarentena.
Luego se pusieron a trabajar desarrollar ecuaciones que modelen las formas en que las personas se mueven de un compartimento a otro. El movimiento se vio afectado tanto por la política como por las decisiones que tomó un individuo.
"Por ejemplo, "Goldsztejn dijo:"si la economía está disminuyendo, hay más incentivo para salir de la cuarentena, "que puede aparecer en el modelo como personas que se mueven del compartimento aislado al compartimento susceptible. Por otro lado, el paso de infeccioso a recuperado se basó menos en las acciones de una persona y puede determinarse mejor por las tasas de recuperación o mortalidad. Adicionalmente, los investigadores modelaron la tasa de mortalidad como decreciente con el tiempo, debido al conocimiento médico sobre cómo tratar COVID-19 mejorando con el tiempo.
El equipo analizó tres escenarios, según Schwartzman. En los tres escenarios, el plazo establecido era de 76 semanas, momento en el que se suponía que habría una vacuna disponible, y la mayoría de las personas mayores permanecían en cuarentena hasta entonces.
"El tercer escenario es el que fue el mejor en términos de daños económicos y resultados de salud, ", dijo." Porque en el escenario de relajación rápida, hubo otra propagación de la enfermedad y se restablecerían las restricciones ".
Específicamente, encontraron en el primer escenario, hay 235, 724 muertes y la economía se contrae un 34%.
En el segundo escenario, donde hubo una rápida relajación de las medidas de aislamiento, se produce un segundo brote para un total de 525, 558 muertes, y la economía se contrae un 32,2%.
Con una relajación gradual, como en el tercer escenario, hay 262, 917 muertes, y la economía se contrae un 29,8%.
"Queríamos mostrar que hay una compensación, ", Dijo Nehorai." Y queríamos encontrar, matemáticamente, ¿Dónde está el punto óptimo? "Como con tantas cosas, el "punto óptimo" no estaba en ninguno de los dos extremos:bloqueo total o continuar como si no hubiera ningún virus.
Otro hallazgo clave fue uno que nadie debería sorprenderse de escuchar:"La sensibilidad de las personas al contagio está relacionada con las precauciones que toman, ", Dijo Nehorai." Sigue siendo fundamental tomar precauciones:máscaras, distanciamiento social, evitar multitudes y lavarse las manos ".
