Un nuevo estudio de la Universidad de Nicosia (Chipre) comprobó que los datos de la primera oleada de COVID-19 durante el pasado año subestimaron las infecciones pandémicas, mediante modelo avanzado de cuantificación de la incertidumbre basado en simulaciones de dinámica de fluidos de los efectos del clima, que corrige las inexactitudes de los datos de la primera, según publican en la revista ‘Physics of Fluids’.
Durante el período de un año comprendido entre marzo de 2020 y marzo de 2021, surgieron dos curvas de pandemia de COVID-19 en muchas ciudades. Curiosamente, el número de infecciones diarias totales notificadas durante la primera ola es mucho menor que el de la segunda, pero el número total de muertes diarias notificadas durante la primera ola es mucho mayor que el de la segunda.
Esta contradicción inspiró a los investigadores a explorar la incertidumbre en el número diario de infecciones notificadas durante la primera ola, causada por el insuficiente rastreo de contactos entre marzo y abril de 2020.
Factores
Los investigadores Talib Dbouk y Dimitris Drikakis informan del uso de la dinámica de fluidos ambientales -modelación y simulaciones multifísicas computacionales avanzadas- para desarrollar una relación constitutiva entre las condiciones de estacionalidad meteorológica, como la temperatura, la humedad relativa y la velocidad del viento, y el hecho de tener dos curvas pandémicas al año.
«Integramos una nueva relación basada en la física en un modelo de previsión de la pandemia que predijo con precisión, como se observó posteriormente, una segunda ola pandémica de COVID-19 en muchas ciudades del mundo, incluida Nueva York», explica Drikakis.
La mayoría de los datos, si no todos, sobre el número diario de nuevas infecciones totales notificadas durante la primera oleada de la pandemia se subestimaron y se utilizaron de forma incorrecta.
«En la ciudad de Nueva York, nuestro trabajo muestra que el número diario de nuevas infecciones notificadas durante la primera oleada se subestimó en un factor de cuatro –explica Dbouk–. Por lo tanto, la incertidumbre de los datos de la primera ola mezclados con los de la segunda significa que las conclusiones generales extraídas pueden ser engañosas, y todo el mundo debería ser consciente de ello».
Efectos meteorológicos
El trabajo de los investigadores es el primer caso conocido de derivación de un modelo avanzado de cuantificación de la incertidumbre para los casos infectados de la primera ola de la pandemia, basado en simulaciones fluidodinámicas de los efectos meteorológicos.
«Nuestro modelo se basa en la física y puede rectificar las insuficiencias de los datos de la primera ola mediante la adecuación de los datos de la segunda ola dentro de una curva pandémica –resalta Drikakis–. Nuestro enfoque propuesto combina una tasa de transmisión del virus impulsada por la estacionalidad ambiental con fenómenos pandémicos de múltiples ondas para mejorar la precisión de los datos de las predicciones estadísticas».
En el futuro, el modelo de cuantificación de la incertidumbre propuesto por los investigadores podría ayudar a corregir el número total mundial de infecciones diarias por coronavirus notificadas por muchas ciudades durante la primera ola de una pandemia.