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:Fenómenos no lineales , describe una solución al modelo epidémico SIR, que se usa comúnmente para predecir cuántas personas son susceptibles a, contagiado por, y recuperado 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 podría propagarse COVID-19 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 las restricciones destinadas a aplanar la curva de 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 me gustaría ayudar de alguna manera con todo lo que estaba pasando, ", dijo Barlow." Vimos un artículo popular sobre el modelo SIR, vio que nuestro método podía acelerar el proceso y rápidamente escribimos el artículo. Nuestro objetivo era brindar mejores herramientas a 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 de pregrado en esos problemas durante los últimos seis años y encontraron que la solución al modelo epidémico 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 sin problemas a este nuevo campo.

"Muchas veces, eso es lo que hacemos como matemáticos aplicados:trabajar en los límites de los campos donde la gente no suele hablar, ", dijo Weinstein." Tenemos una función importante para proporcionar algoritmos para respaldar la investigación científica y la predicción. La técnica que hemos desarrollado aquí es general para muchos campos diferentes ".

Los autores ahora están trabajando para mostrar cómo se puede aplicar su método 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.