El blog de franz
  • Cursos SIG
  • ¿Preguntar?
  • Secciones
    • SIG
    • Info
    • Geek
    • Forestal
  • Más
    • Obtener certificado SIG
    • Mapa de Profesionales SIG
    • Convertir UTM Geográficas
    • Calculadora de distancias
    • Localizador de IPs
    • Frases
    • Foro
    • Reglas
    • Donar
  • Acerca
  • Contacto
No Result
View All Result
  • Cursos SIG
  • ¿Preguntar?
  • Secciones
    • SIG
    • Info
    • Geek
    • Forestal
  • Más
    • Obtener certificado SIG
    • Mapa de Profesionales SIG
    • Convertir UTM Geográficas
    • Calculadora de distancias
    • Localizador de IPs
    • Frases
    • Foro
    • Reglas
    • Donar
  • Acerca
  • Contacto
No Result
View All Result
El blog de franz
No Result
View All Result

Usando modelos espaciales para analizar las estrategias de cierre de COVID-19

by gabri
agosto 27, 2020
Reading Time: 5 mins read
0

Ahora que muchos países y regiones han aplicado estrategias de bloqueo para mitigar los efectos de COVID-19, los investigadores se preguntan si se podrían haber ideado estrategias mejores o más específicas.

A la luz de las lecciones aprendidas, la modelización espacial está emergiendo como un área que puede proporcionar mejores respuestas y estrategias la próxima vez que nos enfrentemos a una pandemia importante.

Los investigadores que estudian las enfermedades infecciosas han aplicado típicamente modelos de susceptibilidad-infección-recuperación (SIR) para examinar la probabilidad de que las enfermedades infecciosas se propaguen en las comunidades. Muchos de estos modelos han carecido de dimensiones espaciales claras o al menos de un uso consistente de la cobertura espacial. Se ha demostrado que los modelos basados en el individuo o en el agente (ABM) representan procesos ascendentes, utilizando comportamientos y acciones individuales, como base para los modelos de exploración espacial que pueden utilizarse potencialmente para predecir los resultados probables de la propagación de la infección.

RELATED STORIES

Bases de Datos Gratuitas para Análisis Climáticos

Bases de Datos Gratuitas para Análisis Climáticos

mayo 15, 2025
Esri se integra con Google Maps en ArcGIS para visualización urbana realista

Esri se integra con Google Maps en ArcGIS para visualización urbana realista

marzo 27, 2025

Otros modelos aplican enfoques descendentes o agregados, como la dinámica de sistemas, Monte Carlo o los modelos de elementos finitos. Estas diferentes formas de modelos tienen sus ventajas, ya que los ABM son mucho más detallados y pueden demostrar cómo los comportamientos individuales pueden afectar a la propagación de la enfermedad, mientras que los modelos agregados son generalmente más fáciles de probar.

Independientemente del enfoque, lo que es crítico es que las unidades espaciales relativamente pequeñas, que pueden actuar de forma independiente o explícita desde otras regiones, son el mejor enfoque para modelar la propagación de la pandemia, ya que permite que las circunstancias dentro de las áreas pequeñas afecten de la mejor manera posible el modelado.

Esto permite que los modelos también sean aplicables a escalas espaciales pequeñas, es decir, a escalas subnacionales, de modo que las medidas o estrategias de bloqueo puedan aplicarse más específicamente a un área, como ciudades, vecindarios o regiones pequeñas para ver cuán efectivas pueden ser[1].

Dos modelos espaciales diferentes de COVID-19 en Nueva Zelanda: la visualización de la izquierda muestra «cúmulos en su contexto geográfico y hace hincapié en los casos de transmisión interregional que se han producido». La visualización de la derecha muestra «cúmulos separados de sus ubicaciones geográficas para enfatizar la distribución de los tamaños y la estructura de los cúmulos». Figura: O’Sullivan y otros, 2020.

Dos modelos espaciales diferentes de COVID-19 en Nueva Zelanda: la visualización de la izquierda muestra «cúmulos en su contexto geográfico y enfatiza los casos de transmisión interregional que han ocurrido». La visualización derecha muestra «cúmulos separados de sus ubicaciones geográficas para enfatizar la distribución de los tamaños y la estructura de los cúmulos». Figura: O’Sullivan y otros, 2020.

En los casos en que se han aplicado estudios y datos empíricos utilizando modelos espacialmente explícitos sobre determinados países, como Italia, se ha demostrado que la transmisión de COVID-19 ha disminuido significativamente cuando se reduce la movilidad general (en el caso de Italia, una reducción de más del 40% de la transmisión). En este caso, un modelo de conectividad basado en la red susceptible-expuesto-infectado recuperado (SEIR) que considera las provincias y subregiones conectadas en función de las pautas de movilidad puede ajustarse para observar las tasas de movilidad entre zonas.

El modelo pudo demostrar que las medidas utilizadas en determinadas regiones para restringir el movimiento ayudan a limitar drásticamente las tasas de infección simplemente limitando la movilidad. No obstante, el modelo no tiene una escala muy fina, lo que limita su utilidad a nivel urbano o de comunidades específicas[2]. Un enfoque utilizó el modelado de regresión espacial para mostrar que la demografía, y no sólo la movilidad, tiene un gran impacto en la mortalidad con COVID-19. Las regiones con poblaciones mucho más antiguas tendían a tener tasas de mortalidad mucho más altas en Europa.

Así pues, las medidas que también se dirigen a las poblaciones vulnerables, además de restringir la movilidad en determinadas regiones, también tienen más éxito a la hora de limitar las muertes generales[3]. Otro modelo espacial mostró que la distancia a los lugares de prueba de COVID-19 podría ser un factor de transmisión.

Las zonas con baja densidad de población o con escaso acceso a las pruebas podrían tener tasas desproporcionadamente más altas de COVID-19 basándose en el hecho de que las pruebas no eran tan frecuentes y la transmisión en la comunidad se hacía alta sin pruebas adecuadas para determinar quién podía infectar a otros.

Si se ubicaban los sitios de prueba de manera más uniforme en todas las áreas, independientemente de la densidad de población y de las instalaciones de atención médica, entonces las tasas de infección podrían haber sido más bajas y la propagación podría haber sido más limitada en algunas partes de los Estados Unidos. Este estudio destaca cómo la desigualdad en la atención sanitaria es también un importante factor de base espacial en la propagación de COVID-19, ya que se ha descubierto que las comunidades minoritarias y más pobres también tienen en general un menor acceso a las pruebas, a pesar de que los estudios han sugerido que estas poblaciones podrían ser potencialmente más vulnerables a la muerte por infección que otros grupos demográficos[4].

En general, los modelos con explicaciones espaciales ponen de relieve cómo COVID-19 tiene varios factores espaciales que pueden afectar a su propagación y a sus tasas de mortalidad. Se ha demostrado que la conectividad regional, la movilidad, las pautas demográficas y las zonas en que se dispone de pruebas afectan a la tasa de infección y muerte.

La creación de modelos con explicaciones espaciales significará que, para futuras pandemias, estos y otros factores deberán estar representados en los modelos a fin de aumentar la eficacia de la modelización SEIR/SIR. Los modelos también tienen que ser más finos y capaces de manejar cómo las circunstancias específicas de las regiones, como las diferencias demográficas, podrían afectar a las tasas generales de infección y muerte.

Referencias

[1]    O’Sullivan, D., Gahegan, M., Exeter, D., Adams, B., 2020. Spatially‐explicit models for exploring COVID‐19 lockdown strategies. Transactions in GIS tgis.12660. https://doi.org/10.1111/tgis.12660.

[2]    Gatto, M., Bertuzzo, E., Mari, L., Miccoli, S., Carraro, L., Casagrandi, R., Rinaldo, A., 2020. Spread and dynamics of the COVID-19 epidemic in Italy: Effects of emergency containment measures. Proc Natl Acad Sci USA 117, 10484–10491. https://doi.org/10.1073/pnas.2004978117.

[3]    Sannigrahi, S., Pilla, F., Basu, B., Basu, A.S., 2020. The overall mortality caused by COVID-19 in the European region is highly associated with demographic composition: A spatial regression-based approach. arXiv:2005.04029 [q-bio].

[4]    Rader, B., Astley, C.M., Sy, K.T.L., Sewalk, K., Hswen, Y., Brownstein, J.S., Kraemer, M.U.G., 2020. Geographic access to United States SARS-CoV-2 testing sites highlights healthcare disparities and may bias transmission estimates. Journal of Travel Medicine taaa076. https://doi.org/10.1093/jtm/taaa076.

Traducido desde: gislounge

Compartir:

  • Haz clic para compartir en WhatsApp (Se abre en una ventana nueva) WhatsApp
  • Tweet
  • Haz clic para compartir en Telegram (Se abre en una ventana nueva) Telegram
  • Más
  • Haz clic para imprimir (Se abre en una ventana nueva) Imprimir
  • Haz clic para compartir en Reddit (Se abre en una ventana nueva) Reddit

Me gusta esto:

Me gusta Cargando...
Next Post
NASA

El Proyecto de Archivo de la Tierra y el mapeo 3D de la Tierra

cuencas_rios_sudafrica

Lecciones de un mapa viral

Top

  • Crear e imprimir un mapa directamente en línea con Google Maps
  • ¿Qué es el movimiento de rotación y traslación de la Tierra?
  • Descargar Manual de ArcGIS Pro PDF
  • Crear un efecto visual tipo araña en QGIS
  • Las fases de la luna
  • Lista de índices espectrales en Sentinel 2 y Landsat
  • Generación automática de tablas de coordenadas UTM en AutoCAD y Civil 3D
  • Agregar capas de Google Maps en QGIS 3
  • ¿Cómo ubicar un punto de coordenadas en pantalla QGIS 3?
  • Etiquetar curvas de nivel en ArcGIS

Últimas entradas

  • Crear un efecto visual tipo araña en QGIS
  • Modelado de Inundaciones 2D con RAS 2025
  • Bases de Datos Gratuitas para Análisis Climáticos
  • Tutorial PDF HEC-HMS 4.10: Manual paso a paso en español
  • QGIS 4: Una versión renovada en camino
  • Generación automática de tablas de coordenadas UTM en AutoCAD y Civil 3D
  • Esri se integra con Google Maps en ArcGIS para visualización urbana realista
  • Líneas con Efectos Visuales Avanzados con el Generador de Geometrías en QGIS: Ideal para suavizar curvas de nivel

Aplicaciones

  • Calculadora de distancias
  • Calculadora de pendientes
  • Calculadora del Índice de Masa Corporal
  • Conversor de coordenadas Geográficas – UTM
  • Conversor de grados a procentaje
  • Localizador de IPs

Suscríbete al blog

Introduce tu correo electrónico para recibir las últimas publicaciones.

Únete a otros 8.159 suscriptores

RSS ¿Preguntas?

  • Respondido: ¿Cómo puedo citar Arcgeek calculator?
  • Respondido: Dividir un polígono según cobertura del suelo
  • Respondido: Dividir un poligono segun la composición de habitats
  • Respondido: en arcgis como cerrar un polígono de manera automática
  • Respondido: Colindancias entre geometrías en 4 puntos cardinales ArcGIS Pro o QGIS

Blogroll

  • Franz con Z
  • GeoGeek
  • Normas APA
el blog de franz logo

Estadísticas del sitio

  • 12.708.526 visitas
  • Partners
  • Publicidad
  • ¡Ganar dinero!
  • English

© 2024 El blog de franz - Un producto desarrollado por ArcGeek.

No Result
View All Result
  • Cursos SIG
  • ¿Preguntar?
  • Secciones
    • SIG
    • Info
    • Geek
    • Forestal
  • Más
    • Obtener certificado SIG
    • Mapa de Profesionales SIG
    • Convertir UTM Geográficas
    • Calculadora de distancias
    • Localizador de IPs
    • Frases
    • Foro
    • Reglas
    • Donar
  • Acerca
  • Contacto
%d