¿Disminuimos la sana distancia en Aguascalientes? Proyecciones de SC-COSMO - Animal Político
close
Recibe noticias a través de nuestro newsletter
¡Gracias! Desde ahora recibirás un correo diario con las noticias más relevantes.
sync
El Contagio
Por PADeCI. Proyecto de Análisis de Decisiones en Contextos Inciertos
PADeCI es un equipo interdisciplinario enfocado en promover la toma de decisiones basadas en evid... PADeCI es un equipo interdisciplinario enfocado en promover la toma de decisiones basadas en evidencia científica para la generación de políticas públicas. Nos dedicamos a crear modelos de decisión, análisis de información y generación de evidencia en ciencias de la decisión, salud pública, epidemiología, medicina, políticas públicas, economía, matemáticas y estadística. Compartiremos diversos análisis con técnicas novedosas de manera accesible sobre temas de coyuntura en políticas de salud. (Leer más)
¿Disminuimos la sana distancia en Aguascalientes? Proyecciones de SC-COSMO
A diferencia de mantener la misma distancia social estimada hasta el 5 de octubre, reabrir las escuelas aplicando el distanciamiento social de la comunidad es el escenario que se espera conlleve a un menor número de casos y muertes acumuladas a finales del año.
Por Valeria Gracia Olvera y Fernando Alarid-Escudero
24 de octubre, 2020
Comparte

En este post presentaremos proyecciones en casos y muertes por COVID-19 en Aguascalientes, bajo diferentes escenarios. Nos enfocaremos en dos cambios en la dinámica actual: disminuir el distanciamiento social en la comunidad y el regreso a clases presenciales. Dichos escenarios fueron modelados con el modelo Stanford-CIDE COronavirus Simulation MOdel (SC-COSMO). Primero, abordaremos el proceso de toma de decisiones bajo incertidumbre, lo que nos llevará a describir qué es el modelo SC-COSMO y cómo funciona. Por último, mostraremos las proyecciones del modelo en Aguascalientes, las cuales han sido cuidadosamente generadas.

***

Todas y todos estamos pidiendo a gritos regresar a la normalidad, sin embargo las resoluciones sobre si regresar a las escuelas o no, o reabrir bares, restaurantes y/o cualquier tipo de actividad social, no pueden hacerse a la ligera. Como se muestra en el siguiente diagrama, la toma de decisiones involucra una secuencia de acciones que se llevan a cabo de forma dinámica. Primero,  se recolecta información sobre la situación a tratar. Después,  se procesa esa información y se estiman los efectos sobre las variables de interés en distintos escenarios posibles. Y, finalmente,  se determina qué hacer con base en estos resultados. Puedes verificar que se trata de un ciclo, pues una vez tomada la decisión ésta conlleva a nueva información que puede ser procesada reiteradamente.

 

En particular, para la enfermedad provocada por el nuevo coronavirus podemos usar modelos matemáticos para simular la evolución de la epidemia y hacer proyecciones sobre las variables de interés –muertes y casos detectados con COVID-19–. Posteriormente tales derivaciones pueden ser usadas para realizar fallos de política en un determinado lugar para un período de específico.

1. Datos en tiempo real

Para nuestro análisis, además de usar la información científica más reciente sobre el virus SARS-COV-2 y COVID-19, alimentamos al modelo con datos históricos del número de casos y muertes provocados por esta enfermedad, los cuales son disponibles de forma abierta por parte de la Dirección General de Epidemiología de la Secretaría de Salud.1

Asimismo, el modelo requiere datos poblacionales, entre ellos, el número total de habitantes, la población estructurada por edad, la tasa de mortalidad debido a otras causas diferentes al nuevo coronavirus, el número de contactos efectivos entre grupos de edad por día y la densidad ajustada por la población. Este último parámetro es importante porque no sólo nos interesa el número de personas que viven por kilómetro cuadrado, sino el número de personas que habitan en un lugar por kilómetro cuadrado que realmente es habitado. Estos datos de población fueron obtenidos del Consejo Nacional de Población (CONAPO).2

2. Modelo

SC-COSMO –Stanford CIDE COronavirus Simulation MOdel– desarrollado por la Universidad de Stanford y el Centro de Investigación y Docencia Económicas (CIDE), es un modelo epidemiológico SEIRS (Susceptible – Expuesto – Infectado – Recuperado – Susceptible) acoplado con un módulo de intervenciones (si quieres saber más visita aquí).

El siguiente diagrama representa la estructura del modelo, y a simple vista puede parecer muy técnico, pero imagina que cada persona es asignada a uno de estos compartimientos de acuerdo con su estado de salud. En un inicio, todas y todos nos encontrábamos en estado Susceptible, pues no estábamos contagiados o contagiadas con COVID-19, pero desafortunadamente podríamos infectarnos en cualquier momento al estar en contacto con personas infectadas. Cuando uno o una de nosotros y nosotras contrae la enfermedad, pasa al estado Expuesto, en el cual se nos considera portador y portadora del virus, pero el nivel del agente infeccioso en nuestro organismo no es tan alto como para infectar a otras u otros. Cuando pasa este periodo de latencia (así se le conoce en la literatura), los individuos se vuelven infecciosos y pasan al estado Infeccioso, y es en este estado en el que sí pueden contagiar a alguien más. Luego, una vez pasado el periodo de infecciosidad, mejoramos y pasamos al estado Recuperado en donde se considera que los individuos son inmunes a infectarse de nuevo. Hasta el momento, no hay evidencia contundente de si los individuos Recuperados pueden perder esta inmunidad. Si es el caso de que podemos perder inmunidad, nuevamente somos considerados y consideradas Susceptibles, es decir, estamos en riesgo de contagiarnos de nuevo. Ahora bien, la tasa a la que se pasa de un estado a otro –en el diagrama están representadas por letras griegas– está en función de diversos factores como son el número de personas en el hogar y en la comunidad, las características del individuo como la edad, el porcentaje de individuos infectados con la enfermedad, el número de contactos efectivos entre personas, entre otros. Si quieres saber más de estos modelos epidemiológicos y cómo funcionan, te invito a revisar el siguiente post de PADeCI.

Conjuntamente, el modelo toma en cuenta la severidad de la enfermedad, la cual depende no sólo del estado de las personas, pero también de la probabilidad de ser diagnosticado o diagnosticada. Los recuadros rojos indican los estados con alta severidad que son considerados como casos que pueden ser confirmados, los azules son aquéllos con baja severidad y los grises representan los compartimientos que son diagnosticados provenientes de casos de baja severidad (compartimientos de arriba) y de alta severidad (compartimientos de abajo).

Con SC-COSMO podemos estimar y proyectar el número de casos y muertes en un determinado tiempo dados los parámetros obtenidos de la literatura, estimados y calibrados (calibrar es una técnica que se usa porque no es posible obtener toda la información necesaria de la literatura y/o de datos abiertos). Proyectamos estas variables de interés bajo diferentes escenarios para el estado de Aguascalientes del 6 de octubre al 31 de diciembre del presente año, usando datos de la Secretaría de Salud con fecha del 11 de octubre.

3. Toma de decisiones

En la siguiente gráfica podemos apreciar cómo se ajustan los casos incidentes, información que se usa para calibrar el modelo, además, la franja verde indica el rango de incertidumbre de las proyecciones del 6 de octubre al 31 de diciembre manteniendo el mismo distanciamiento social promedio estimado el 5 de octubre que fue de un 59%.

En las figuras que siguen se presentan los casos y muertes acumuladas observadas y proyectadas en Aguascalientes. La primera gráfica nos muestra que, de acuerdo con el modelo SC-COSMO, si el continuamos con la sana distancia estimada al 5 de octubre, los casos podrían ser tan bajos como 9,000 y tan altos como 15,000 para finales del año. Por otro lado, al último día proyectado se esperan 1000 muertes manteniendo el mismo distanciamiento estimado, un poco menos del doble de muertes observadas al 5 de octubre.

Los escenarios de política que empleamos para la modelación, todos ellos instaurados el 2 de noviembre, fueron:

i. Regresar a clases presenciales:

a) con distanciamiento social estimado en la comunidad,

b) sin distanciamiento social establecido.

ii. Relajar el distanciamiento social en un 50%.

iii. Ambas intervenciones implementadas a la par.

En el siguiente recuadro se concentran las estadísticas de los casos y muertes acumulados por COVID-19 en Aguascalientes para cada intervención simulada y, en las dos gráficas posteriores mostramos los casos y muertes acumuladas observadas y proyectadas al 31 de diciembre, si se regresara a clases presenciales con y sin sana distancia, o se redujera el distanciamiento social.

Nota que, a diferencia de mantener la misma distancia social estimada hasta el 5 de octubre, reabrir las escuelas aplicando el distanciamiento social de la comunidad es el escenario que se espera conlleve a un menor número de casos y muertes acumuladas a finales del año. Inclusive, si se regresara a clases presenciales y la sana distancia no fuese establecida, el resultado de este suceso en las variables de interés trae consigo un menor efecto esperado que la reducción en el distanciamiento social en la población. Observa que, relajar la sana distancia en un 50% podría resultar en 2,700 muertes acumuladas en promedio al último día proyectado, es decir, cuatro veces el número de muertes acumuladas en contraste a las observadas el 5 de octubre. Por último, si aplicaran estas dos reducciones en distanciamiento social al mismo tiempo, se espera que ambos, casos y muertes acumuladas, incrementen drásticamente al 31 de diciembre.

Las proyecciones mostradas en este post no reflejan opiniones o valoraciones de política pública de PADeCI. Las proyecciones y visualizaciones contenidas en este material están basadas en el modelo SC-COSMO, el cual es un modelo epidemiológico matemático de la epidemia de COVID-19. Estas proyecciones no son un pronóstico definitivo y PADeCI no garantiza que las proyecciones reflejen el comportamiento real de la pandemia en el futuro y suponen que, aparte de la intervención, nada más cambia. Para desarrollar las proyecciones se han utilizado datos abiertos publicados por la Secretaría de Salud Federal, a través de la Dirección General de Epidemiología. Adicionalmente, se ha estimado información necesaria para el modelo con base en datos observados y que no es conocida hasta el momento en el país como, por ejemplo, el número total de personas infectadas al día de hoy. PADeCI no ha realizado aún ningún ejercicio de modelación comparativa para verificar de forma independiente estas estimaciones ni otros supuestos incluidos en el modelo. Cambios en los datos y en los supuestos del modelo pueden impactar directamente las proyecciones.

* Valeria Gracia Olvera y Fernando Alarid-Escudero, en representación de PADeCI – CIDE Región Centro y el consorcio SC-COSMO (@PADeCI1).

 

 

 

1 Disponible aquí.

2 Disponible aquí.

 

 

 

* Qué es PADeCI

El Proyecto de Análisis de Decisiones para Contextos Inciertos (PADeCI) es un grupo multidisciplinario de profesionales en diversas áreas de la ciencia que busca explicar de manera sencilla las situaciones que emergen de los contextos inciertos, como el que estamos viviendo a partir de la propagación del COVID-19.

PADeCI surge a principios de 2020 en el Centro de Investigación y Docencias Económicas (CIDE) en la sede Región Centro en Aguascalientes. Esta iniciativa es liderada por el Dr. Fernando Alarid-Escudero, quien en los últimos meses ha reunido un equipo de investigación conformado por jóvenes investigadores del Bajío mexicano con interés en la Ciencia de las Decisiones, siendo el primer equipo de investigación con este enfoque en México.

La Ciencia de las Decisiones se caracteriza por reunir distintas herramientas de recolección y análisis de datos para la creación de modelos que ayuden a la toma de decisiones informadas, por lo que el equipo a cargo del Dr. Alarid-Escudero se conforma por profesionales en economía, ingeniería, matemáticas, computación, epidemiología, bioestadística, salud pública, sociología, historia, ciencia de datos y ciencia de la decisión.

A pocas semanas de la conformación de PADeCI, este equipo de investigación ha creado e implementado, en colaboración con expertos de la Universidad de Stanford en California, Estados Unidos, el modelo SC-COSMO (Stanford-CIDE COronavirus Simulation MOdel), un modelo epidemiológico matemático para dar seguimiento a la epidemia de COVID-19. El modelo SC-COSMO permite proyectar cómo se comportará la pandemia de COVID-19 bajo diferentes intervenciones no farmacológicas (INF) (como “La Jornada Nacional de Sana Distancia” decretada en México) y contempla las distintas maneras en que interactúan diferentes grupos demográficos en la población sobre la que se quiera obtener proyecciones, pues los patrones socioculturales de convivencia influyen directamente en la manera en que se puede extender el número de contagios.

El Dr. Alarid-Escudero es profesor investigador de la División de Administración Pública y miembro del Programa de Política de Drogas del CIDE-Región Centro y nivel 1 del Sistema Nacional de Investigadores. El Dr. Alarid-Escudero tiene una larga trayectoria en la investigación y desarrollo de modelos de decisión utilizados en prevención, control y tratamiento de distintas enfermedades crónicas e infecciosas. Es parte de la Red de Modelos de Intervención y Vigilancia del Cáncer (CISNET), consorcio de investigadores patrocinados por el Instituto Nacional de Cancerología de Estados Unidos que se enfoca en el uso de modelos de simulación para evaluar el impacto de intervenciones de control del cáncer sobre las tendencias de la población en la incidencia y la mortalidad. También es miembro fundador del grupo de trabajo Análisis de Decisiones en R para Tecnologías en Salud (DARTH por sus siglas en inglés) y del grupo de trabajo Red de colaboración para el valor de la información (ConVOI por sus siglas en inglés). Su formación multidisciplinaria lo ha llevado a desarrollar una gran convicción acerca de la importancia de que distintas áreas de las ciencias dialoguen entre sí para buscar soluciones asertivas a los grandes problemas de salud pública.

La Dra. Yadira Elizabeth Peralta Torres es profesora investigadora de la División de Economía y miembro del Programa de Estudios Longitudinales, Experimentos y Encuestas (PANEL) del CIDE-Región Centro. Es miembro también del Sistema Nacional de Investigadores Nivel I. Sus líneas de investigación se enfocan en el desarrollo y la aplicación de métodos estadísticos frecuentistas y Bayesianos con especial énfasis en el área educativa. Asimismo, la Dra. Peralta tiene experiencia en diseño de instrumentos y validación de escalas. Fue parte del Comité Técnico de ACT (American College Testing), uno de los principales exámenes estandarizados utilizados para medir rendimiento académico y el ingreso a estudios universitarios en Estados Unidos. Ha sido consultora estadística para diversas instituciones nacionales e internacionales como el Centro de Estudios Educativos, el Instituto de Desarrollo Infantil de la Universidad de Minnesota o el Programa de Investigación sobre la Equidad y la Inclusión en la Atención Sanitaria de la Clínica Mayo en Estados Unidos, por mencionar algunos. Dentro del equipo PADeCi, la Dra. Peralta es responsable del área de análisis y visualización de datos. Sus aportaciones en metodología cuantitativa, así como en psicometría y modelos longitudinales han sido elementales en la aplicación del modelo SC-COSMO.

El Dr. Alfonso Miranda es profesor investigador de la División de Economía y director del Programa de Estudios Longitudinales, Experimentos y Encuestas (PANEL) del CIDE-Región Centro. Es miembro del Sistema Nacional de investigadores nivel III desde 2019, y de la Academia Nacional de Ciencias desde 2018. El Dr. Miranda es editor de la revista científica Latin American Economic Review; investigador afiliado del Instituto del Trabajo (IZA), Alemania; investigador afiliado de la Organización Global del Trabajo (GLO) y del Grupo de Econometría de la de la Universidad de York, Reino Unido. Antes de unirse a CIDE Alfonso fue profesor en Estadística Social del Instituto de Educación de University College London, Reino Unido. Sus intereses de investigación incluyen el uso y desarrollo de métodos de estimación de modelos econométricos lineales y no lineales para datos longitudinales y de corte transversal; y sus aplicaciones en demografía, educación, salud y mercados de trabajo. Recientemente Alfonso ha trabajado en temas relacionados al diseño conceptual y estadístico de encuestas sociales y experimentos.

Andrea Luviano es médica cirujana egresada de la Escuela de Medicina del Instituto Tecnológico y de Estudios Superiores de Monterrey y Maestra en Salud Pública por la Escuela de Salud Pública de Harvard T.H. Chan. En este proyecto sobre COVID-19 forma parte del grupo de modelación encargada de la adaptación del modelo SC-COSMO al contexto mexicano. Anteriormente, se desempeñó como asesora de la Dirección General y de la Dirección de Planeación Estratégica Institucional del Instituto Mexicano del Seguro Social y actualmente es asistente de investigación del Doctor Fernando Alarid-Escudero. Sus temas de interés están relacionados con políticas de salud y ciencias de la decisión en salud.

El área de análisis y visualización de datos cuenta con José Manuel Cardona Arias, quien es egresado de la Licenciatura en Políticas Publicas del CIDE. Su especialidad es el uso de distintos software y lenguajes de programación de vanguardia para el análisis y visualización de datos. Sus intereses como investigador se concentran en la evaluación de proyectos para la disminución de la pobreza y en temas de salud pública.

Regina Isabel Medina Rosales, estudiante de la Licenciatura en Políticas Publicas del CIDE, es científica de datos en PADeCI. Ha sido asistente de investigación como parte del Estudio Longitudinal del Desarrollo de los Niños y Niñas de Aguascalientes de CIDE–Región Centro (EDNA). Fue profesora de secundaria rural del sistema CONAFE así como delegada de la sociedad civil en 2019 de la Comisión de la Condición Jurídica y Social de la Mujer de Naciones Unidas.

Mariana Fernández Espinosa es egresada de Ingeniería en Sistemas Computacionales de la Universidad Autónoma de Aguascalientes. Mariana es ingeniero de datos y modelador junior del grupo de modelación de PADeCI encargada del desarrollo de la estructura computacional necesaria para el uso del modelo SC-COSMO. Ha colaborado en diversos proyectos de investigacion en la Autónoma de Aguascalientes, la Universidad Autónoma de Querétaro y el Centro de Investigación en Ciencias de Información Geoespacial. Fue galardonada con el Premio Estatal y Municipal de la Juventud de Aguascalientes en 2018 en la categoría “Habilidades científicas y tecnológicas”. Fue becada por la empresa Huawei para realizar una estancia en Shenzhen sobre tecnología 5G.

Valeria Gracia Olvera es ingeniera ambiental por la UASLP y Maestra en Economía Ambiental por el CIDE. Desde el año 2017, ha participado como asistente de enseñanza en el CIDE, en cursos de posgrado como Microeconomía y Econometría, y desde el 2019 se ha desempeñado como docente en varias instituciones de nivel superior. En PADeCI realiza modelación y proyecciones matemáticas.

Hirvin Azael Díaz Zepeda es estudiante de la maestría en Métodos para el Análisis de Políticas Públicas (METPOL) del CIDE y licenciado en Economía de la Universidad Nacional Autónoma de México. Es parte del equipo de modelación desarrollándose como modelador junior. Anteriormente ha sido asistente de investigación en el Centro de Estudios del Instituto Federal de Telecomunicaciones y analista en el área de riesgo financiero de una de las empresas más importantes de microfinanciamiento del país.

Hugo Berumen es Médico Pasante de Servicio Social en la modalidad de investigación, se encuentra en PADeCI con el interés de especializarse en ciencia de datos, y el desarrollo y aplicación de modelos epidemiológicos, estadísticos, y matemáticos. Colabora en proyectos de análisis de decisión para identificar estrategias óptimas de prevención, control y tratamiento de distintas enfermedades, como la enfermedad renal crónica en Aguascalientes.

La gestión y organización de un equipo tan diverso no sería posible sin Marcela Pomar Ojeda quien es historiadora egresada de la Universidad Autónoma de Aguascalientes, editora con 20 años de experiencia en el ramo, Maestra en Administración y Evaluación de Proyectos por la UP y estudiante de la Licenciatura de Economía en la UNAM. Ha sido columnista de La Jornada Aguascalientes y es directora ejecutiva de la revista Aguaardiente de la UAA. Es colaboradora académica en la División de Administración Pública y en el Programa de Política de Drogas del CIDE, Región Centro. Participó como coorganizadora a fines de 2017 del colectivo aguascalentense Ciudadanía Informada y Activa (CIA), conformado por ciudadanos interesados en la toma de conciencia social y política.

La vinculación con distintas instituciones y sociedad civil se encuentra a cargo de Karina Alejandra Leyva Rodríguez, quien es socióloga egresada de la Universidad Autónoma de Aguascalientes y maestrante en estudios sociopolíticos en la Universidad de Guadalajara. Se especializa en estudios sobre movimientos sociales, feminismos y análisis de redes sociales. Ha sido becada en múltiples ocasiones por la Academia Mexicana de Ciencias para realizar estancias de investigación sobre derechos humanos de las mujeres y en 2017 fue ganadora del primer lugar del área de Ciencias Sociales, Artes y Humanidades del quinto Encuentro de Jóvenes Investigadores en el estado de Aguascalientes.

Lo que hacemos en Animal Político requiere de periodistas profesionales, trabajo en equipo, mantener diálogo con los lectores y algo muy importante: independencia. Tú puedes ayudarnos a seguir. Sé parte del equipo. Suscríbete a Animal Político, recibe beneficios y apoya el periodismo libre.

#YoSoyAnimal
Comparte
close
¡Muchas gracias!

Estamos procesando tu membresía, por favor sé paciente, este proceso puede tomar hasta dos minutos.

No cierres esta ventana.