Argentina llegó al pico de contagios según un modelo matemático de la UNTREF
El pico de contagios de coronavirus a nivel nacional se alcanzó el martes con una infección cada 4,35 segundos, según un modelo matemático desarrollado por investigadores de la carrera de Ingeniería en Computación de la Universidad Nacional de Tres de Febrero (UNTREF).
Los investigadores Néstor Barraza, Verónica Moreno y Gabriel Pena elaboraron un modelo matemático que permite calcular el tiempo medio entre infecciones (MTBI, por sus iniciales en inglés) consecutivas en una misma población, correspondan o no al mismo agente y que pueden estar separadas en distancia, tomando los datos de infectados desde el día en que se produce el primer contagio hasta el día actual.
De este modo, los investigadores afirman que el modelo aporta una forma de medir el progreso de la enfermedad.
Al comienzo de la epidemia, “este indicador (que se mide en segundos) va disminuyendo su valor ya que las infecciones se producen cada vez más rápido y al alcanzarse el pico en la tasa de contagios (número de infecciones por día) asume un valor casi constante”, explicaron en un comunicado emitido por la casa de altos estudios.
“Luego del pico comienza a aumentar su valor, ya que las infecciones se producen más esporádicamente”, agregaron, y señalaron que, de esto último, se “desprende que predecir el mínimo de este indicador equivale a predecir el momento en que se produce el pico en la tasa de contagios de la población”.
“El MTBI permite medir la velocidad de propagación de la epidemia. En esta primera etapa obtuvimos el indicador y medimos el progreso de la enfermedad y lo comparamos con picos producidos en distintos países, y con eso pudimos hacer un análisis cualitativo que nos permitió determinar este pico de contagios”, explicó Barraza.
Este modelo innovador fue bien recibido por la Organización Mundial de la Salud (OMS) y publicado en la revista científica Chaos, Solitons & Fractals de la editorial Elsevier.
La UNTREF informó que el mismo «se basa en un proceso estocástico (sometido al azar) que se utiliza en modelos de confiabilidad de software para medir y predecir la detección de fallas de software; toma en cuenta desde el día del primer contagio y aprende de toda la curva».
