Estimaciones asintóticas de los recuentos de infección por SARS-CoV-2 y su sensibilidad a la perturbación estocástica

0

A pesar de la importancia de tener estimaciones sólidas del número total de infecciones asintóticas en el tiempo, las primeras estimaciones de COVID-19 muestran enormes fluctuaciones. Utilizando los datos de COVID-19 de diferentes países, en este trabajo se evidencia que las predicciones son extremadamente sensibles al protocolo de informe y dependen de manera crucial del último punto de datos disponible antes de alcanzar el número máximo de infecciones diarias.

Los autores proponen una explicación física para esta sensibilidad, utilizando modelos estadísticos (logísticos) y dinámicos (susceptibles-expuestos-infectados-recuperados) que se utilizan actualmente para pronosticar la evolución de la epidemia de COVID-19 y donde los parámetros se han alterado estocásticamente para simular la dificultad en la detección de pacientes, diferentes medidas de confinamiento tomadas por diferentes países, así como cambios en las características del virus .

Los resultados sugieren que existen razones físicas y estadísticas para asignar baja confianza a los ajustes estadísticos y dinámicos, a pesar de sus puntajes estadísticos aparentemente buenos. Estas consideraciones son generales y pueden aplicarse a otras epidemias.

COVID-19 está afectando actualmente a más de 180 países en todo el mundo y plantea serias amenazas a la salud pública, así como a la estabilidad económica y social de muchos países. Modelar y extrapolar en tiempo casi real la evolución de las epidemias de COVID-19 es un desafío científico, que requiere una comprensión profunda de las no linealidades que socavan la dinámica de las epidemias.

El objetivo es mostrar cómo las incertidumbres derivadas de la mala calidad de los datos y las estimaciones inadecuadas de los parámetros del modelo (incubación, infección y tasas de recuperación) se propagan a extrapolaciones a largo plazo de los recuentos de infecciones. Proporcionamos pautas para informar esas incertidumbres a la comunidad científica y al público en general.

Vea el artículo completo.

Asymptotic estimates of SARS-CoV-2 infection counts and their sensitivity to stochastic perturbation. Davide Faranda, Isaac Pérez Castillo, Oliver Hulme, Aglaé Jezequel, Jeroen S. W. Lamb, Yuzuru Sato, and Erica L. Thompson. Chaos: An Interdisciplinary Journal of Nonlinear Science. Volume 30, Issue 5. Published Online: 19 May 2020

Los campos con asterisco (*) son obligatorios.

*

code