Investigadores de la Universidad de Maine desarrollaron un nuevo modelo estadístico que predice qué ciudades tienen más probabilidades de convertirse en foco de enfermedades infecciosas.
Para esto se basaron en la interconectividad entre urbes y en la idea de que algunas ciudades son entornos más adecuados para la infección que otras.
En una epidemia, las ciudades tienen distintos riesgos de desencadenar eventos de superdifusión, que propagan un importante número de personas infectadas a otras ciudades.
Ahora, gracias a un modelo matemático, se pueden identificar las posibles ciudades superdifusoras.
¿Cómo lo descubrieron?
Los científicos probaron su modelo con una simulación de la propagación de la epidemia en redes generadas de manera aleatoria.
Descubrieron que el riesgo de que una ciudad se convierta en superdifusora aumenta con la idoneidad de la infección hasta cierto punto, pero el riesgo aumenta considerablemente con el incremento de la conectividad con otras ciudades.
“Lo más importante es que nuestra investigación produce una fórmula en la que un experto en gestión de enfermedades puede introducir las propiedades de una enfermedad infecciosa y la red de movilidad humana, y obtener una lista de las ciudades que tienen más probabilidades de convertirse en lugares de superdifusión”, señala Brandon Lieberthal.
“Esto podría mejorar los esfuerzos para prevenir o mitigar la propagación”.
El nuevo modelo podría aplicarse tanto a las enfermedades de transmisión directa como al COVID-19, y a las transmitidas por vectores, como el virus del Zika que se propaga por la picadura de mosquitos.
Asimismo, el modelo resulta mucho menos intensivo desde el punto de vista computacional que las simulaciones avanzadas.
