Conoce la aportación matemática de predicción de propagación del COVID-19 que ha desarrollado el DCNC Sciences para el CEMat, que coordina y canaliza el envío de los datos hacia los Ministerios de Sanidad y de Ciencia e Innovación, así como a las autoridades sanitarias de las CCAA que manifiestan su interés en los mismos
Las predicciones se han realizado de forma independiente desde el día actual.
Los expertos matemáticos del Instituto se suman a la iniciativa “Acción Matemática contra el Coronavirus”
Un equipo de profesores e investigadores del DCNC Sciences, de la Universidad Rey Juan Carlos (URJC) nos hemos unido a la iniciativa “Acción Matemática contra el Coronavirus” del Comité Español de Matemáticas (CEMat). Esta iniciativa busca la ayuda de los mejores expertos nacionales para construir un “meta-predictor” sobre la expansión de la pandemia que permita facilitar a las autoridades información fiable de su comportamiento a corto plazo y ayudar así en las tomas de decisiones. Hasta el momento somos 32 los grupos de expertos que estamos proporcionando regularmente nuestras predicciones para esta acción de Predicción Cooperativa.
Más información DCNC Sciences sobre coronavirus COVID-19
Informe sobre la descripción de la metodología y ajustes del predictor
¿Quién forma este equipo experto de investigación y cómo es el modelo desarrollado?
El equipo del DCNC Sciences, formado por los profesores David Aleja, Regino Criado y Miguel Romance, todos ellos del Departamento de Matemática Aplicada, Ciencia e Ingeniería de Materiales y Tecnología Electrónica y miembros del Laboratorio de Computación Matemática en Redes Complejas y sus Aplicaciones, ha desarrollado un modelo SEIR. Este modelo, cuyas siglas son la abreviatura de Susceptibles, Expuestos, Infectados y Recuperados, está basado en un sistema de ecuaciones diferenciales y desagregado por comunidades autónomas (incluyendo Ceuta y Melilla). Incluye varios experimentos de acotación y optimización de parámetros, así como un análisis comparativo entre el modelo agregado de todo el país y el separado por comunidades autónomas.
¿Cuál es el objetivo de este predictor?
El objetivo de este trabajo es comparar el modelo SEIR con los datos reales disponibles de la propagación del coronavirus COVID-19 en España para obtener predicciones ajustadas a los datos de evolución de la epidemia. En concreto, se utiliza como variable de estudio el número de fallecidos (F(t)), es decir, el número de individuos que no han superado la enfermedad, variable relacionada con el número de recuperados (R(t)) mediante la expresión resultante de multiplicar la tasa de mortalidad por el número de recuperados.
La unión de Data Science y Redes Complejas
El modelo, que tiene la peculiaridad de combinar un sistema de ecuaciones diferenciales (es decir, redes complejas), con técnicas de ciencia de datos, se ha establecido apoyándose en esta variable debido a que se entiende que puede ser más significativa y fiable que el número de infectados. Por el contrario, surge el problema de no conocer la tasa de mortalidad. De hecho, el gran inconveniente de este modelo es el desconocimiento a priori de varios de los parámetros sobre los que se apoya. Sin embargo, a partir de los datos oficiales publicados por el Ministerio de Sanidad (Instituto Carlos III) es posible plantear el estudio variando los parámetros dentro de un determinado rango y minimizando el error relativo ponderado para ajustar el cálculo a cada día concreto. Al realizar los cálculos con los parámetros que minimizan el error, el modelo obtiene una gráfica con el número de infectados y fallecidos junto con los datos reales de los fallecidos, además de una tabla que presenta distintas situaciones según el tipo de error considerado, de manera que se puede visualizar el mínimo número de fallecidos, el máximo número de fallecidos y la media de fallecidos para el conjunto de parámetros calculados y acotados por un cierto error.
Otros enlaces de interés
Es importante señalar que hay muchos modelos epidemiológicos que intentan predecir la realidad de la propagación del SARS- COV-2 y la enfermedad del COVID-19, o al menos explicarla; este es un esfuerzo colectivo en el que están trabajando equipos matemáticos de distintas ramas de las matemáticas.
Comité Español de Matemáticas (CEMat)
La relación más completa de la Acción Matemática contra el Coronavirus coordinada por el Comité Español de Matemáticas (CEMat)
José Manuel Gutiérrez y Juan Luis Varona, de la Universidad de la Rioja
Un excelente trabajo en el que se presenta una descripción del modelo SEIR y sus fundamentos es el desarrollado por José Manuel Gutiérrez y Juan Luis Varona, de la Universidad de la Rioja, en el que se muestran y explican las tendencias cualitativas y la influencia de las medidas de contención en el desarrollo de la epidemia.
Instituto de Matemática Multidisciplinar (im2) de la Universidad Politécnica de Valencia
El modelo desarrollado por el grupo de investigación MUNQU (Modelling Uncertainty Quantification) del Instituto de Matemática Multidisciplinar (im2) de la Universidad Politécnica de Valencia estudia la dinámica de transmisión mediante un sistema de ecuaciones en diferencias que tiene en cuenta una múltiple variedad de casos de los individuos de la población respecto de la enfermedad.
Alex Arenas (Universitat Rovira i Virgili)
En otros estudios, como en el desarrollado por el equipo multidisciplinar de Alex Arenas (Universitat Rovira i Virgili), se presenta un modelo compartimental epidemiológico en tiempo discreto muy completo sobre los resultados del riesgo epidémico estimado en España, a nivel de municipios, derivados de un modelo de propagación de epidemias basado en la movilidad habitual (recurrente) entre municipios.
Jesús Gómez-Gardeñes (Universidad de Zaragoza)
Jesús Gómez-Gardeñes (Universidad de Zaragoza), presenta un modelo compartimental epidemiológico en tiempo discreto muy completo sobre los resultados del riesgo epidémico estimado en España, a nivel de municipios, derivados de un modelo de propagación de epidemias basado en la movilidad habitual (recurrente) entre municipios..
Academia Joven de España
Otros estudios se basan en el análisis, seguimiento y evolución de varios indicadores que miden la ratio, tanto acumulada como diaria, del conjunto de pacientes atendidos (recuperados y fallecidos) así como en la definición de nuevos indicadores.