PredCov-19
Author Info
Kevin Daniel Pelozo
Miembro desde hace 4 años- San José, Costa Rica
- 7007-3757
- kevin.pelozo@delaguayaba.com
- https://kevin.pelozo
Descripción de le Tecnología
De acuerdo con Liu et al. (https://doi.org/10.1016/j.physa.2016.06.095), la Epidemiología estudia el desarrollo e incidencia de las enfermedades en una población a través del espacio y tiempo, su objetivo principal es determinar el origen y los factores que contribuyen a la propagación de las enfermedades. Por lo que, a través de los años, los modelos matemáticos para la propagación de enfermedades han tomado una gran relevancia para controlar dichas enfermedades.
Es por esto que la tecnología propuesta se conceptualiza en un software de código abierto que permita monitorear y predecir el impacto de las medidas de mitigación a nivel regional y nacional con base en datos abiertos de México y de otros países así como de modelos matemáticos para apoyar la toma de decisiones gubernamentales tanto para el sector salud como económico. Por lo tanto, por un lado, se pretende extender (o generar nuevos) modelos matemáticos-epidemiológicos que estimen los efectos de las medidas de mitigación documentadas por el Stringency Index de la Universidad de Oxford (https://www.bsg.ox.ac.uk/research/research-projects/coronavirus-government-response-tracker). Por el otro lado, dependiendo del nivel de contagio actual y el comportamiento (exponencial o lineal) en una región, estimar las pruebas a realizar en la siguiente semana y el tiempo requerido para disminuir la tasa de contagios en 15-40 días, al implementar cada medida de mitigación.
De esta manera, la estimación para cada región (Estado) y del país podrá ser visualizada a través de un Sitio Web que proporcione la actualización de esta información de acuerdo con la información recopilada de los Datos Abiertos publicados por la Secretaría de Salud (https://datos.gob.mx/busca/dataset/informacion-referente-a-casos-covid-19-en-mexico), Datos de contagios, decesos y recuperaciones (https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data) y Stringency Index de la U. de Oxford (https://www.bsg.ox.ac.uk/research/research-projects/coronavirus-government-response-tracker) para México y sus 32 Estados. Lo que también conlleva a calcular otros índices, como el R0, que complementen el Stringency Index para medir la eficacia de cada medida implementada, tal como la higiene frecuente de manos, quedarse en casa, mantener la sana distancia entre personas, la suspensión de actividades escolares y laborales no críticas. Con la finalidad de monitorear y predecir el nivel de efectividad de las medidas de mitigación y a su vez, recomendar el número de pruebas que se necesitarán adquirir para cada Estado y a nivel nacional semanalmente.
Share
Video
Reproducir video
Datos | |
---|---|
Sector | Salud |
Tipo de Tecnología | |
Sitio web de la Tecnología | https://tec.mx/ |
Propuesta de Valor | El valor agregado de la tecnología propuesta se apreciará en el sector gubernamental, específicamente en el área de salud y económica, así como en el sector académico-científico. Respecto al sector gubernamental, esta tecnología sería una herramienta de apoyo para su toma de decisiones ya que permitiría ser una fuente de información confiable que 1) monitoree la situación actual de la pandemia Covid-19, 2) estime la cantidad de pruebas necesarias semanalmente para atender la emergencia nacional y estatal así como 3) analice estadísticamente la efectividad de las medidas de mitigación propuestas por las instituciones de gobierno y de esta manera, 4) recomiende qué medidas se deberían implementar en la sociedad civil para mitigar la propagación del virus (alcanzar una menor tasa de contagio) y su respectivo impacto en la economía nacional. Desde el lado académico-científico se está trabajando en una publicación académica donde se proporcionen, además de los resultados encontrados, los mecanismos de recopilación, limpieza e integración de datos así como el modelo desarrollado con el objetivo de que pueda ser una contribución tanto a la comunidad científica como académica para el desarrollo de nuevas soluciones enfocadas en esta pandemia. |
Mercado Objetivo | La tecnología está dirigida a beneficiar directamente a las instituciones de gobierno, apoyando en su toma de decisiones para la mitigación de la propagación de la pandemia Covid-19 a través del monitoreo continuo de los datos relacionados con los casos confirmados, muertes, recuperaciones de acuerdo con cada región o país y de la recomendación de las medidas de mitigación que estadísticamente proporcionen un mayor impacto en la reducción de contagios por el modelo epidemiológico. De igual manera, otros usuarios serían la comunidad científica-académica y la comunidad en general ya que podrán visualizar el monitoreo y la generación de pronósticos y gráficos sobre el impacto en la mitigación de la propagación del Covid-19 en consecuencia de las estrategias recomendadas, buscando como resultado incrementar la participación de la sociedad civil al concientizar sobre los impactos de contribuir o no con las medidas de mitigación indicadas por el gobierno. |
Diferenciadores Clave 1 | Las principales tecnologías actuales son en su mayoría interfaces de consulta con respecto a la información de la evolución de la pandemia “al día”, por ejemplo: plataforma de Johns Hopkins del Covid-19 (https://coronavirus.jhu.edu/) o la página de Evolución de Covid-19 en México (www.datoscovid.mx). En la plataforma Kaggle, a través del reto “Kaggle Forecasting Challenge” (https://www.kaggle.com/covid19) diariamente la comunidad comparte su trabajo en el intento de pronosticar los casos de Covid-19 dentro de las próximas semanas correspondientes del día en que lo elaboran, esto a nivel mundial (países de forma general) o para países en específico (para México no han subido alguna contribución). A través de la plataforma de Scopus se encontró que para el caso de China se realizó un modelo epidemiológico SEIR sobre las fechas de Enero y Febrero para pronosticar el comportamiento en Marzo y Abril, así como la aplicación de un modelo de aprendizaje automático Long Short-Term Memory (LSTM) tomando datos históricos registrados en 2003 por la pandemia del Severe Acute Respiratory Syndrome (SARS) para predecir el comportamiento de Covid-19 (http://dx.doi.org/10.21037/jtd.2020.02.64). En la tecnología propuesta se planea generar un modelo epidemiológico que permita predecir los resultados de aplicar cierta medida de mitigación para México y sus Estados así como estimar la cantidad de pruebas que el gobierno podría adquirir semanalmente para atender la emergencia nacional y estatal. Este objetivo será alcanzado al utilizar datos abiertos confiables de México, como la Secretaría de Salud, así como de diversas instituciones nacionales e internacionales agregando factores sociodemográficos, en conjunto con especialistas médicos para apoyar a instituciones gubernamentales en la toma de decisiones con respecto a las medidas de mitigación del Covid-19. |
Diferenciadores Clave 2 | |
Diferenciadores Clave 3 |
Datos | |
---|---|
Tipo de instrumento de protección tiene la tecnología (1) | |
Estatus de la protección del instrumento (1) | Una publicación científica se está redactando junto con el desarrollo de la solución. |
Número de solicitud o registro de instrumento de protección (1) | |
País(es) en que se registró el instrumento (1) |
Datos | |
---|---|
Tipo de instrumento de protección tiene la tecnología (2) | Derechos de autor |
Estatus de la protección del instrumento (2) | |
Número de solicitud o registro de instrumento de protección (2) | |
País(es) en que se registró el instrumento (2) |
Datos | |
---|---|
Tipo de instrumento de protección tiene la tecnología (3) | Derechos de autor |
Estatus de la protección del instrumento (3) | |
Número de solicitud o registro de instrumento de protección (3) | |
País(es) en que se registró el instrumento (3) |
Datos | |
---|---|
Nombre del inventor/ investigador (1) | |
Áreas de especialización del inventor / Investigador (1) | |
Linkedin del inventor/ investigador (1) |
Datos | |
---|---|
Nombre del inventor/ investigador (2) | |
Áreas de especialización del inventor / Investigador (2) | |
Linkedin del inventor/ investigador (2) |
Datos | |
---|---|
Nombre del inventor/ investigador (3) | |
Áreas de especialización del inventor / Investigador (3) | |
Linkedin del inventor/ investigador (3) |