El modelado matemático, que combina matemáticas, estadísticas, computadoras y datos, es una herramienta importante para que los profesionales de la salud pública la utilicen para estudiar cómo se propagan las enfermedades, predecir el curso futuro de los brotes y evaluar estrategias para combatir epidemias.

El modelado matemático, que combina matemáticas, estadísticas, computadoras y datos, es una herramienta importante para que los profesionales de la salud pública la utilicen para estudiar cómo se propagan las enfermedades, predecir el curso futuro de los brotes y evaluar estrategias para combatir epidemias.

A medida que la pandemia de COVID-19 ha impulsado la toma de decisiones de salud pública en todo el país, ha proliferado una amplia gama de modelos de enfermedades. En todo el país, los funcionarios de la ciudad, el condado y el estado trabajaron con equipos académicos de modelado para desarrollar modelos personalizados para predecir lo que sucedería en sus jurisdicciones. Los municipios que no tenían los recursos para desarrollar modelos específicos del sitio se vieron obligados a extrapolar datos de otros modelos y tomar decisiones basadas en información menos que ideal. Dado que no había una infraestructura cibernética para ejecutar estos modelos de manera estandarizada, es muy probable que la confusión causada por la cacofonía de modelos inconsistentes haya erosionado la confianza pública en el modelado como una herramienta poderosa.

profesor asistente joe mihaljewic de la Escuela de Informática, Computación y Sistemas Cibernéticos (SICCS) de la Universidad del Norte de Arizona ha estado trabajando con socios de salud pública en todo el estado y en todo el país para compartir modelos informáticos que representan la propagación del coronavirus. Mihaljevic, un ecologista de enfermedades que aplica técnicas de modelado epidemiológico a la vida silvestre y, más recientemente, a enfermedades humanas, recibió más de $ 3.5 millones de los Institutos Nacionales de Salud para usar EpiMoRPH (Recursos de modelado epidemiológico para la salud pública) como modelo para llevarlo al próximo nivel. , que automatizará y acelerará significativamente el desarrollo de modelos epidemiológicos.

«Durante la pandemia, nos dimos cuenta de que necesitamos modelos que sean espacialmente relevantes para las necesidades de socios de salud pública específicos», dijo Mihaljevic. “En todo el país, las comunidades más pequeñas, como las ciudades, a menudo se han visto obligadas a basar sus decisiones en modelos desarrollados a escalas espaciales más grandes, como Mientras reflexionábamos sobre los complejos desafíos que enfrentamos y las cosas que habíamos aprendido al modelar el coronavirus, nos hicimos esta pregunta: si surgiera una nueva epidemia o pandemia, ¿podríamos imaginar un sistema que hiciera que fuera mucho más fácil para los modeladores obtener funcionando y colaborando entre grupos? ¿Y podríamos usar esto para desarrollar modelos adaptados localmente que sean mejores para la toma de decisiones?”

«Cuando desarrollamos la propuesta para EpiMoRPH, intentamos definir una parte manejable de esta respuesta que pudiéramos lograr en un plazo de cinco años para desarrollar un buen sistema de modelado de prueba de concepto para lo que hacemos». ‘próxima generación’ de modelado epidemiológico que aumenta la automatización, fomenta el intercambio y la colaboración, acelera el descubrimiento y avanza rápidamente en nuestra comprensión de las epidemias”, dijo.

El proyecto utilizará dos enfermedades diferentes basadas en virus como casos de estudio: COVID-19 y SLEV (virus de la encefalitis de St. Louis), pero EpiMoRPH funcionará con cualquier patógeno transmisible que afecte a humanos, animales o incluso plantas.

«EpiMoRPH proporcionará un marco para caracterizar los modelos de enfermedades de la metapoblación», dijo Mihaljevic, «apoyando el desarrollo rápido de modelos y la evaluación unificada de modelos frente a puntos de referencia de datos». Sin embargo, además, EpiMoRPH proporcionará una interfaz accesible para que los profesionales de la salud identifiquen modelos relevantes para su ubicación y luego usen esos modelos para crear pronósticos específicos de la comunidad”.

Colaboración de varias agencias para involucrar al Consejo Asesor de Salud Pública

Los co-investigadores de Mihaljevic en el proyecto son profesores de SICCS EckDoerry, quien liderará el desarrollo de software y la computación basada en la nube; Profesor Asociado SICCS cristal hepp, también con el Translational Genomics Research Institute (TGen), que liderará la recopilación y gestión de datos de vigilancia de casos virales; y samantha saboProfesor asociado del Centro de Investigación de Justicia en Salud de NAU, que ayudará a movilizar y llegar a los socios de salud pública y liderar los esfuerzos hacia la evaluación formal.

Los investigadores de NAU trabajarán con investigadores de varias otras instituciones, incluida Esma Gel de la Universidad de Nebraska, que ayudará en la teoría de la optimización y el desarrollo de algoritmos; Sanjay Mehrotra de la Universidad Northwestern, quien dirigirá el trabajo general para desarrollar la teoría de la optimización; y Timothy Lant de la Universidad Estatal de Arizona, quien ayudará a movilizar y coordinar un Consejo Asesor de Salud Pública.

El equipo formará un Consejo Asesor de Salud Pública (PHAC) compuesto por 15 partes interesadas locales, regionales y nacionales en salud pública y modelos epidemiológicos que brindarán aportes y evaluaciones críticos durante el desarrollo del sistema. Los empleados del Departamento de Servicios de Salud de Arizona, con quienes Mihaljevic y su equipo han trabajado mucho durante la pandemia de COVID-19, serán parte de este esfuerzo.

«PHAC nos ayudará a comprender mejor las limitaciones logísticas e impulsará el desarrollo de la interfaz de usuario para reflejar el nivel de detalle requerido por los usuarios previstos», dijo Mihaljevic. «Trabajaremos en estrecha colaboración con el Consejo Asesor para evaluar y refinar nuestras tecnologías para garantizar que nuestras innovaciones satisfagan las necesidades cambiantes de los socios de salud pública al tiempo que atraen a la comunidad de modeladores epidemiológicos».

Además, muchos estudiantes universitarios y de ciencias de la computación y de posgrado ayudarán en los esfuerzos para desarrollar infraestructuras cibernéticas basadas en la web, codificar scripts de automatización y escribir documentación técnica. Dos investigadores universitarios de salud pública apoyarán los esfuerzos del equipo para realizar evaluaciones formales de la tecnología y desarrollar métodos de divulgación con el PHAC.

Podría EpiMoRPHayudar a que el pronóstico de epidemias sea tan confiable como el pronóstico del tiempo?

“Una vez que se crea EpiMoRPH, un usuario típico podría ser alguien que represente a la salud pública en Flagstaff. Durante la pandemia, es posible que este usuario haya querido comprender qué esperar en términos de hospitalizaciones durante los próximos 30 días con COVID-19. Debido a que nuestro modelo en ese momento estaba a escala del condado de Coconino, podíamos decirles lo que estaba sucediendo a nivel de condado, pero no específicamente para Flagstaff», dijo Mihaljevic.

“Una vez que EpiMoRPH está configurado y no se ha creado ningún modelo para Flagstaff, un funcionario de salud pública podría ingresar algunas características de esa ubicación en particular, como la densidad de población, la geografía, etc., e inmediatamente ver qué modelos son actualmente los más precisos. Y luego el sistema EpiMoRPH usaría estos modelos para desarrollar un pronóstico ajustado para Flagstaff.

“Idealmente, los modeladores de la comunidad podrían contribuir con modelos y los profesionales de la salud pública también podrían contribuir con datos. Nuestro sistema uniría los modelos y los datos y los compararía entre sí, tratando de averiguar qué modelos son mejores para ubicaciones específicas.

«Eventualmente, a medida que los modelos se vuelvan más precisos, el pronóstico de erupciones podría volverse tan rutinario y confiable como el pronóstico del clima», dijo Mihaljevic.

Revoluciona el modelaje

«Esta es una forma completamente nueva de pensar sobre la construcción de modelos a escala masiva», dijo el coinvestigador Doerry, «para que la próxima vez que tengamos una pandemia, podamos estar preparados y construir modelos coherentes, comprensibles y consistentes desde el principio. «

“Nuestro objetivo final es revolucionar el modelado definiendo un estándar conceptual unificado que pueda usarse para caracterizar todos los modelos actuales y existentes. Esto permite la automatización masiva de la validación de modelos y el refinamiento de parámetros, y respalda sus pruebas automáticas en miles de ubicaciones diferentes para averiguar qué modelo funciona mejor en condiciones locales específicas. Finalmente, agregaremos una infraestructura de computación en la nube infinitamente escalable que puede proporcionar una potencia informática masiva para hacer todo ese trabajo pesado. EpiMoRPH es tan poderoso precisamente porque explora lo que podría lograr si tomara modelos de patógenos infecciosos de última generación y los combinara con computación de big data basada en la nube de última generación”.

EpiMoRPH como contribución a la comunidad nacional de modelos

Con un mayor énfasis en el modelado de enfermedades, la plataforma EpiMoRPH podría adoptarse potencialmente como centro nacional. Los laboratorios académicos y las organizaciones nacionales de todo el país se esfuerzan por hacer que el modelado de epidemias sea más accesible, útil y preciso. Por ejemplo, los Centros para el Control y la Prevención de Enfermedades (CDC) lanzaron recientemente su Centro para Pronósticos y Análisis de Brotes (CFA), que mejorará la capacidad de la nación para usar datos, modelos y análisis para impulsar la toma de decisiones oportuna y eficaz como un Respuesta a las amenazas a la salud pública para habilitar a los CDC y sus socios de salud pública. Mihaljevic espera que EpiMoRPH pueda hacer una gran contribución a los esfuerzos nacionales para estandarizar y automatizar el modelado de epidemias, con el objetivo de proporcionar pronósticos confiables para los tomadores de decisiones locales.

Acerca de la Universidad del Norte de Arizona

Fundada en 1899, Northern Arizona University es una institución de investigación superior que brinda oportunidades y resultados educativos excepcionales en Arizona y más allá. A nivel nacional y en línea, NAU ofrece a sus casi 30 000 estudiantes en Flagstaff una experiencia centrada en el estudiante a través de rigurosos programas académicos en un entorno de apoyo, inclusivo y diverso. Como motor de oportunidades centrado en la comunidad, NAU promueve el impacto social y la movilidad económica para los estudiantes y las comunidades a las que sirve. La larga historia de educación y asociación de la universidad con diversos estudiantes y comunidades en todo Arizona se ve reforzada por su reciente designación como Institución al servicio de los hispanos (HSI). La facultad y el personal dedicados y de renombre mundial ayudan a garantizar que los estudiantes alcancen la excelencia académica, experimenten un crecimiento personal, tengan investigaciones significativas y oportunidades de aprendizaje experiencial, y estén posicionados para el éxito personal y profesional. Ubicado en la meseta de Colorado en una de las ciudades universitarias más prestigiosas del país, el campus de NAU Flagstaff Mountain es verdaderamente una joya del suroeste.

# # #


DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí