Mapear la propagación del Coronavirus

El profesor de matemáticas de Tulane lidera los esfuerzos para mapear la propagación del coronavirus

Mapear la propagación del Coronavirus: James «Mac» Hyman, el profesor distinguido Evelyn y John G. Phillips en Matemáticas de la Universidad de Tulane, está utilizando modelos matemáticos para comprender y predecir mejor la propagación de COVID-19 y cuantificar la efectividad de varios esfuerzos para detenerlo.

El objetivo del trabajo de Hyman en «epidemiología matemática» en la Escuela de Ciencia e Ingeniería de Tulane es ayudar a la comunidad de salud pública a comprender y anticipar la propagación de la infección y evaluar la efectividad potencial de diferentes enfoques para controlarla.

Hyman y sus colegas de la Universidad Estatal de Georgia y la Agencia de Salud Pública de Canadá recientemente recibieron un documento sobre COVID-19 aceptado por la revista Infectious Disease Modeling y el Journal of Clinical Medicine .

El documento se basa en casos diarios reportados del virus para cada provincia china de la Comisión Nacional de Salud de China. El documento proporciona una metodología para predecir el número de nuevas infecciones en cinco, 10 y 15 días en el futuro para la epidemia actual en China.

En el documento, los autores dicen que las predicciones pueden ayudar a los funcionarios de salud pública a preparar la atención médica y asignar los recursos necesarios para enfrentar la epidemia, así como para predecir la intensidad y el tipo de intervenciones necesarias para mitigar una epidemia. En ausencia de vacunas o medicamentos antivirales para el virus, la implementación efectiva de intervenciones no farmacológicas, como la protección personal y el distanciamiento social, será fundamental para controlar la epidemia.

COVID-19 es una enfermedad causada por un virus llamado SARS-CoV-2. Es un miembro de la familia de los coronavirus que es primo cercano de los virus SARS y MERS que han causado brotes en el pasado.

La semana pasada, Hyman dirigió un taller titulado «Modelado de enfermedades de infección emergentes», y el coronavirus fue un tema importante de discusión junto con la enfermedad de Chagas, la fiebre del dengue y el zika. Entre los asistentes se encontraban investigadores de Tulane, la Universidad de Michigan, la Academia de Ciencias de California y la Universidad de Louisiana en Lafayette.

El taller se centró en mejorar la calidad de los modelos matemáticos para ayudar a guiar a los trabajadores de salud pública a mitigar las infecciones emergentes. Los objetivos incluyen identificar los problemas esenciales donde el modelado puede ser útil y formar colaboraciones para abordar estos problemas.

«Estamos tratando de crear modelos que puedan ser más efectivos para guiar los esfuerzos de salud pública para mitigar una epidemia», dijo Hyman. «Se trata de descubrir qué debe estar en un modelo para estimar el riesgo de que alguien se infecte y predecir el riesgo de que una persona infectada sea para otra persona».

«En el coronavirus, debemos tener en cuenta la forma en que una persona infectada puede infectar el medio ambiente, como una mesa o la manija de la puerta, y otros pueden infectarse, incluso si no tienen contacto directo con una persona infectada».

En una nota enviada a Science Translational Medicine, Hyman y sus colegas dijeron que varios grupos están trabajando independientemente para predecir la propagación de COVID-19 y que la coordinación entre los grupos es esencial y debe ser apoyada por las agencias gubernamentales.

Él piensa que la Organización Mundial de la Salud debe tomar la iniciativa organizando un esfuerzo internacional que se centre en tres objetivos específicos: predecir una mayor propagación del virus en China, predecir su potencial para propagarse a otros lugares o bajo diversas condiciones, y predecir la efectividad de las estrategias de mitigación , como cuarentena, reducción de contacto, higiene de manos y mascarillas faciales.

«En la compleja ‘niebla de un brote’, el mundo necesita acciones guiadas por el consenso de expertos y, como se enfatiza en este editorial, guiado aún más por modelos basados ​​en datos que exploran escenarios de respuesta», escribió.