Opinan
Aislamiento Social y COVID19. Cadenas de Markov y Método Monte Carlo
Jorge Muro Arbulú, Profesor de la Universidad del Pacífico - Diplomated at Harvard Business School

Uno de los aspectos más difíciles de enfrentar con la actual pandemia es cómo lidiar con las personas infectadas. Esta cuestión relativamente estandarizada en otras infecciones no lo es con el SARS-CoV2 (nombre del virus causante de COVID-19) por su naturaleza engañosa pues no todos los infectados presentan síntomas. Recién tenemos algunos datos.

Desde el 1 de abril, en China ya se tienen estudios y cifras que nos indican que alrededor de cuatro de cada cinco infecciones de coronavirus (80%) no presentaron ningún síntoma y es por ello que la creencia generalizada es que los casos asintomáticos de infectados que pasan desapercibidos son la fuente de contagio más importante. Ya pasó con el SARS con un coronavirus 80% igual (SRAS-CoV) y ahora ha pasado con el SARS-CoV2: la paciente 31 en Corea del Sur contagió a más de mil personas.

Para evaluar el potencial epidémico del SARS-CoV2 en China durante las semanas anteriores y posteriores al cierre de los viajes de entrada y salida de Wuhan, en un estudio publicado por la revista Science estas cifras son analizadas usando modelos que, utilizando las observaciones, infieren características epidemiológicas críticas asociadas con el SARS-CoV2. En este estudio, estiman que el 86% de todas las infecciones no fueron detectadas antes del 23 de enero de 2020 cuando recién se implementaron restricciones de movilidad y que estas fueron la principal fuente de contagio. Estos hallazgos explican la rápida propagación geográfica del SARS-CoV2 y nos dicen que la contención de este virus será extremadamente difícil.

En el diario The Washington Post, Jeffrey Shaman, uno de los autores del estudio mencionado explica: "Si en China por cada caso confirmado en realidad había siete, y en Estados Unidos eran 11 se estima —aunque los datos son insuficientes aún— que México está en un punto entre ambos y que, en realidad, por cada caso detectado hay 10 infectados".

Esto es así por la falta de datos confiables y en alto volumen producto de la falta de test moleculares o PCR que detectan el material genético del virus en cantidad suficiente. Por ello, para nuestro análisis, dado un número de infectados, lo multiplicaremos por diez para tener un aproximado del número real de infectados por el SARS-CoV2. Esta multiplicación es perfectamente lógica pues lo que vemos hoy es una fotografía de la epidemia de 7 o 10 días atrás pues la detección de los síntomas -para quienes los tienen- tiene un retraso de un promedio de 7-8 días respecto al momento de la infección. Esta hipótesis ya había sido puesta en un modelo y artículo del 8 de marzo de 2020 desarrollado por Lonnie Chrisman, director técnico de Lumina.

En los análisis que vienen usamos modelos de Markov puesto que lo que analizamos son modelos que se utilizan para modelar aquellos sistemas que cambian al azar y que tienen un estado futuro que depende únicamente del presente, no de las cosas que ocurrieron antes. Podemos pensar en ellos como procesos al azar que no tienen memoria o que no son conscientes de las cosas que ocurrieron en el pasado y tienen que predecir el estado futuro solo tomando en consideración las cosas tal como están en ese momento, siendo uno de los ejemplos más importantes de los modelos de Markov el pronóstico del tiempo. Sabiendo que el tiempo de mañana no depende del tiempo de ayer, y solo puede ser predicho como resultado del tiempo de hoy, podemos crear un modelo para una cadena climática de Markov, lo que significa que el estado actual depende únicamente del estado anterior y el estado futuro está determinado únicamente por el presente.

Por ello, Robert D. Brown, III expresidente y socio fundador de Incite! Decision Technologies, LLC construyó el modelo que utilizaremos y que fuera desarrollado en otro artículo por el experto en modelamiento Lonnie Chrisman, quienes privilegian los modelos de Markov junto con el método Monte Carlo, puesto que estos utilizan la probabilidad para determinar cuál será el estado futuro. Lo mismo hace Torsten Röhner, director de Syconomic en un modelo posterior. El consenso entre los expertos en modelamiento es descartar los análisis de regresión en todas sus variantes: por más que tengamos datos del tiempo desde hace un mes, eso difícilmente ayudará a predecir el tiempo mañana. Continuar lectura en el siguiente enlace:


https://mcusercontent.com/33514f5850ef24d23bb33d937/files/16f4d564-42d1-4e79-a9ca-baa10ccfbb8e/JEMA_COVID19_2do_art%C3%ADculo.pdf


Danos tu opinión




Las herramientas tecnológicas que hacen vida en los ámbitos de la sociedad urbana y rural, como Big Data, Blockchain, IoT, Cloud, Movilidad, Seguridad IT, Data Centers, Tecnologías de Comunicación 4G / 5G, RSE, Smartphones, Impresión de oficina y 3D, etc, son temas que abordamos a diario, difundiéndolos a nuestros lectores y seguidores de nuestras redes sociales. En ese sentido estamos a su disposición para reseñar todo lo relacionado a estas tecnologías. Contáctenos.
Categorias
IT
Telecom
Seguridad
Turismo
RSE
Eco Videos
Boletines
Extras
Eventos
Ecos Municipales
Cursos
Reportajes especializados
Coberturas
Deportes
Educación
Come Sano y Sabroso
Contáctenos
prensa@ecosdigitales.com


  2017 EcosDigitales.