Uncategorized

Simulación mediante software del efecto del aislamiento en la propagación del Coronavirus

Nota: Esta es la segunda parte de un artículo previo publicado hace dos semanas, que puedes encontrar aqui: https://jocarsa.com/software-de-simulacion-expansion-de-un-virus-como-el-coronavirus

En las últimas semanas he estado desarrollando un software que simula los diferentes escenarios en la propagación de un virus como el Coronavirus también conocido como COVID-19

En las últimas iteraciones, he realizado diferentes pruebas que simulan el confinamiento de la población, y su liberación en diferentes momentos. A grandes rasgos, el software confirma que el aislamiento es una solución para evitar la propagación del virus, y para evitar el colapso de un sistema sanitario que tenga que tratar a demasiados pacientes que enfermen de forma simultánea.

En primer lugar, he realizado una simulación en la que la población no es aislada, y el virus campa a sus anchas. Es inevitable que, en un periodo de tiempo, la población quede infectada. Finalmente se produce una inmunización, pero a coste de un número de vidas, y de un número elevado de enfermos, en un cierto momento. Por cierto que el software no calcula subida de tasa de mortalidad en el caso de sistema sanitario saturado, de haberlo calculado, probablemente los datos saldrían diferentes. Puedes visualizar esta simulación en el siguiente video:

En segundo lugar, he realizado una simulación en la que la población comienza a infectarse, y se recluye en sus domicilios durante un breve periodo de tiempo. Tras ese breve periodo de tiempo, la población es liberada. Sin embargo, liberar a la población demasiado pronto, produce un segundo repunte definitivo de la enfermedad – y por tanto, se demuestra que levantar demasiado pronto el aislamiento no detendría la expansión del virus, ni sus consecuencias negativas

En sucesivas simulaciones he realizado nuevos cálculos acerca del tiempo de liberacion. En un caso extremo, aumentar el tiempo de aislamiento, pero no lo suficiente, produce un segundo repunte de las infecciones, retrasando el momento de forma inevitable.

Solo cuando el levantamiento del aislamiento se produce tras el suficiente tiempo, es cuando no existe una propagación del virus. El problema, evidentemente, en el caso real (no en una simulación) es saber con precisión cual es ese tiempo, para evitar que la propagación vuelva a empezar cuando las medidas de aislamiento cesen

Solo cuando ha pasado el tiempo suficiente en aislamiento, es cuando se puede liberar a los sujetos implicados, sin peligro aparente de que la infección se vuelva a extender

En el ultimo video, he recopilado unas cuantas simulaciones realizadas con varios casos posibles, para que el resultado sea más ilustrativo

Conclusiones:

Dentro de que las simulaciones realizadas son simplificaciones de una realidad compleja, el software no simula una serie de condiciones sobre las cuales los usuarios han proporcionado retroalimentación, tales como:

  • Simulación de un estado de semilibertad (actividades profesionales imprescindibles)
  • Simulación de una tasa de muertes diferente cuando el sistema sanitario está colapsado (el sistema, actualmente, asume una tasa de curación uniforme para todos los enfermos)

Aún teniendo en cuenta estas limitaciones (que serán resueltas en próximas versiones del programa), la clara conclusión que podemos sacar es que el aislamiento realmente sirve para contener la propagación del virus, y para dosificar la afluencia de enfermos a un sistema sanitario que no está preparado para una situación como la actual. Aunque la simulación no lo refleja, es evidente que dosificar la afluencia de enfermos a los centros sanitarios aumentará en gran medida sus posibilidades de recuperación, y disminuirá el número de bajas.

Siguientes pasos

El sistema, actualmente, acepta una serie de entradas como variables paramétricas. En las próximas semanas realizaré una batería de pruebas, para conectar el software con un sistema generativo, a fin de que, mediante fuerza bruta, el propio sistema pueda encontrar un balance, un caso óptimo, en el que el tiempo de aislamiento sea lo menor posible, minimizando igualmente el número de muertes.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *