Sello HR4RS
Raúl García Hémonnet
No hay duda de que es el conocimiento lo que permitirá tomar las mejores decisiones sobre la pandemia y sus consecuencias en las próximas semanas y meses. En este sentido, un grupo de investigadores y matemáticos del DCNC de la URJC ha elaborado un sistema predictivo de propagación de la COVID-19 en España que realiza predicciones hasta un máximo de siete días.
El modelo está basado en “un sistema de ecuaciones diferenciales y desagregado por Comunidades Autónomas (incluyendo Ceuta y Melilla) que incluye varios experimentos de acotación y optimización de parámetros, así como un análisis comparativo entre el modelo agregado de todo el país y el separado por comunidades autónomas”, señalan desde el centro.
En cuanto a la metodología, indican desde el centro, “se utiliza como variable el estudio del número de fallecidos, que se relaciona con el número de recuperados, mediante la expresión resultante de multiplicar la tasa de mortalidad por el número de recuperados”.
Según explica Regino Criado, catedrático de la URJC y director del DCNC, el sistema “está siendo bastante fiable, porque combina ecuaciones diferenciales con técnicas de ajuste funcional y elementos de data science” Ha habido días, añade, “en los que la diferencia entre la predicción y el dato real final ha sido de dos o seis personas”.
“Cada día hacemos una predicción para los próximos siete días. Me maravilla ver como un modelo matemático se va ajustando a lo que está sucediendo en la realidad. Ver que las ecuaciones funcionan”, ha indicado Criado.
Ciencia de datos para afinar las predicciones
En concreto el sistema funciona en dos fases, como ha explicado David Aleja, profesor ayudante doctor del Área de Matemática Aplicada, “Dentro del modelo SEIR (Susceptibles, Expuestos, Infectados y Recuperados) que utilizamos, elegimos parámetros que pueden variar en un rango, variamos muchos de estos parámetros, a través de operaciones matemáticas y los que más se parecen a la realidad los utilizamos para hacer las predicciones”.
Pero dicho modelo puede fallar si se encuentra con una variable no contemplada, como podría ser una flexibilización del confinamiento . Ahí reside el valor añadido del modelo, al utilizar la ciencia de datos, como ha indicado Aleja, “el modelo básico se puede equivocar, en ese caso los ordenadores, gracias al data science repasan las operaciones anteriores viendo en qué se ha equivocado con respecto a datos reales. Para realizar las nuevas predicciones incorporan las correcciones a partir de esa información ofrecida por la realidad”.
Junto a Regino Criado y David Aleja, también participa en la elaboración de ese modelo el profesor del Área de Matemática Aplicada, Miguel Romance.
Este trabajo constituye la aportación de la URJC a la iniciativa “Acción Matemática contra el coronavirus” del Comité Español de Matemáticas (CEMat). A través de ella, se busca la ayuda de los mejores expertos nacionales para construir un “meta-predictor” sobre la expansión de la pandemia que permita facilitar a las autoridades información fiable de su comportamiento a corto plazo y ayudar así en las tomas de decisiones. Hasta el momento el CEMat cuenta con el concurso de 32 grupos de expertos que proporcionan regularmente nuestras predicciones para esta acción de Predicción Cooperativa.