Un model basat en tècniques de “machine learning” permet predir, a partir de dades de satèl·lits, si la reducció de l’activitat econòmica redueix els contagis. Desenvolupat amb participació del CSIC i de l’CREAF, el model permetrà afinar millor el temps i el grau de les mesures de confinament.

Un treball internacional amb participació dels científics Josep Peñuelas i Jordi Sardans, del CSIC i del CREAF, ha desenvolupat un model per predir, a partir de dades satel·litals de contaminació per diòxid de nitrogen, l’eficàcia del confinament per frenar epidèmies com la COVID-19. El model desenvolupat és capaç de predir com s’acceleren els contagis quan s’aixequen les mesures de confinament. Per tant, la informació permet optimitzar el temps i la intensitat de la implementació d’intervencions no farmacèutiques, i millorar l’efectivitat de control de la COVID-19 i en general de les pandèmies.

El Prof. Josep Peñuelas, investigador del CSIC i del CREAF explica que “el model millora significativament les prediccions fins ara usades per l’OMS i altres organitzacions governamentals i no governamentals”.

“Tal com hem vist en el treball, en l’hivern 2020-2021, prop d’un milió de casos diaris de COVID-19 es podrien haver evitat si s’haguessin optimitzat el temps i els nivells de restricció del confinament”, comenta Rong Wang, científic de la Universitat de Fudan (Xina) i coordinador d’aquesta investigació, que ha comptat amb finançament del programa PANDÈMIES 2020 de l’AGAUR.

La investigació es publica a la prestigiosa revista PNAS i ha comptat amb la participació d’una vintena de centres de recerca internacionals. Es tracta d’un treball interdisciplinari, amb especialistes en contaminació atmosfèrica, economia, epidemiologia, anàlisi de dades i intel·ligència artificial.

Els científics han aplicat tècniques d’aprenentatge automàtic que permeten seguir com es redueix l’activitat econòmica monitoritzant en temps gairebé real els nivells de diòxid de nitrogen (NO2) a l’atmosfera.

NO2, un indicador de l’activitat socioeconòmica

Per entrenar el model, s’han introduït i comparat els nivells de NO2 observats pels satèl·lits en les setmanes de confinament després del brot de COVID el 2020, amb els de les mateixes àrees en els anys 2016-2019.

Les observacions cobreixen 211 àrees geogràfiques, de les quals 31 són províncies a la Xina, 51 són estats dels EUA i 129 països d’Europa, Àsia, Est, Àfrica i Amèrica Llatina. Aquestes dades s’han correlacionat amb el nombre de contagis en cadascuna d’aquestes àrees en les setmanes de confinament i les posteriors, en què es van aixecar les mesures.

A més, els càlculs s’han ajustat per tenir en compte variables meteorològiques, ambientals i socials que poden influir tant en els nivells de NO2 com en la dispersió dels contagis, i que no estan relacionats amb l’activitat econòmica.

El model resultant pot predir la desacceleració en els contagis en les 211 àrees a partir de les observacions de NO2 i els 10 indicadors ambientals i socioeconòmics més determinants. En aquest sentit, el model també permet veure altres possibles resultats en funció de les mesures implementades.

“Sabíem que mesures no farmacològiques com el confinament són efectives per contenir les epidèmies com la de la COVID-19, però encara ens faltava una avaluació quantitativa de l’efectivitat i el moment adequat d’aplicació d’aquestes intervencions en diferents regions del món”, conclou Jordi Sardans, des del CREAF.

Article de referència: Xiaofan Xing et al. 2021. Predicting the effect of confinement on the COVID-19 spread using machine learning enriched with satellite air pollution observations. PNAS. DOI: 10.1073/pnas.2109098118 

Font: https://delegacion.catalunya.csic.es/monitorar-el-dioxid-de-nitrogen-en-latmosfera-permet-predir-si-el-confinament-sera-eficac-per-frenar-epidemies-com-la-covid19/?lang=ca

Un modelo basado en técnicas de “machine learning” permite predecir, a partir de datos satelitales, si la reducción de la actividad económica reduce los contagios. Desarrollado con participación del CSIC y del CREAF, el modelo permitirá afinar mejor los tiempos y el grado de las medidas de confinamiento.

Un trabajo internacional con participación de los científicos Josep Peñuelas y Jordi Sardans, del CSIC y del CREAF, ha desarrollado un modelo para predecir, a partir de datos satelitales de contaminación por dióxido de nitrógeno, la eficacia del confinamiento para frenar epidemias como la COVID-19. El modelo desarrollado es capaz de predecir cómo se aceleran los contagios cuando se levantan las medidas de confinamiento. Por lo tanto, la información permite optimizar el tiempo y la intensidad de la implementación de intervenciones no farmacéuticas, y mejorar la efectividad de control de la COVID-19 y en general de las pandemias.

El Prof. Josep Peñuelas, investigador del CSIC y del CREAF explica que “el modelo mejora significativamente las predicciones hasta ahora usadas por la OMS y otras organizaciones gubernamentales y no gubernamentales”.

“Tal como hemos visto en el trabajo, en el invierno 2020-2021, cerca de un millón de casos diarios de COVID-19 se podrían haber evitado si se hubieran optimizado los tiempos y los niveles de restricción del confinamiento”, comenta Rong Wang, científico de la Universidad de Fudan (China) y coordinador de esta investigación, que ha contado con financiación del programa PANDÈMIES 2020 de la AGAUR.

La investigación se publica en la prestigiosa revista PNAS, y ha contado con la participación de una veintena de centros de investigación internacionales. Se trata de un trabajo interdisciplinar, con especialistas en contaminación atmosférica, economía, epidemiología, análisis de datos e inteligencia artificial.

Los científicos han aplicado técnicas de aprendizaje automático que permiten seguir como se reduce la actividad económica monitorizando en tiempo casi real los niveles de dióxido de nitrógeno (NO2) en la atmosfera.

NO2, un indicador de la actividad socioeconómica

Para entrenar el modelo, se han introducido y comparado los niveles de NO2 observados por los satélites en las semanas de confinamiento tras el brote de COVID en 2020, con los de las mismas áreas en los años 2016-2019.

Las observaciones cubren 211 áreas geográficas, de las cuales 31 son provincias en China, 51 son estados de los EE.UU. y 129 países de Europa, Asia, Medio Este, África y Latinoamérica. Esos datos se han correlacionado con los números de contagios en cada una de esas áreas en las semanas de confinamiento y las posteriores, en las que se levantaron las medidas.

Además, los cálculos se han ajustado para tener en cuenta variables meteorológicas, ambientales y sociales que pueden influir tanto en los niveles de NO2 como en la dispersión de los contagios, y que no están relacionados con la actividad económica. 

El modelo resultante puede predecir la desaceleración en los contagios en las 211 áreas a partir de las observaciones de NO2 y los 10 indicadores ambientales y socioeconómicos más determinantes. En ese sentido, el modelo también permite ver otros posibles resultados en función de las medidas implementadas.

“Sabíamos que medidas no farmacológicas como el confinamiento son efectivas para contener las epidemias como la de la COVID-19, pero aún nos faltaba una evaluación cuantitativa de la efectividad y el momento adecuado de aplicación de estas intervenciones en diferentes regiones del mundo”, concluye Jordi Sardans desde el CREAF.

Artículo de referencia: Xiaofan Xing et al. 2021. Predicting the effect of confinement on the COVID-19 spread using machine learning enriched with satellite air pollution observations. PNAS. DOI: 10.1073/pnas.2109098118

Un trabajo internacional con participación de los científicos Josep Peñuelas y Jordi Sardans, del CSIC y del CREAF, ha desarrollado un modelo para predecir, a partir de datos satelitales de contaminación por dióxido de nitrógeno, la eficacia del confinamiento para frenar epidemias como la COVID-19. El modelo desarrollado es capaz de predecir cómo se aceleran los contagios cuando se levantan las medidas de confinamiento. Por lo tanto, la información permite optimizar el tiempo y la intensidad de la implementación de intervenciones no farmacéuticas, y mejorar la efectividad de control de la COVID-19 y en general de las pandemias.

El Prof. Josep Peñuelas, investigador del CSIC y del CREAF explica que “el modelo mejora significativamente las predicciones hasta ahora usadas por la OMS y otras organizaciones gubernamentales y no gubernamentales”.

“Tal como hemos visto en el trabajo, en el invierno 2020-2021, cerca de un millón de casos diarios de COVID-19 se podrían haber evitado si se hubieran optimizado los tiempos y los niveles de restricción del confinamiento”, comenta Rong Wang, científico de la Universidad de Fudan (China) y coordinador de esta investigación, que ha contado con financiación del programa PANDÈMIES 2020 de la AGAUR.

La investigación se publica en la prestigiosa revista PNAS, y ha contado con la participación de una veintena de centros de investigación internacionales. Se trata de un trabajo interdisciplinar, con especialistas en contaminación atmosférica, economía, epidemiología, análisis de datos e inteligencia artificial.

Los científicos han aplicado técnicas de aprendizaje automático que permiten seguir como se reduce la actividad económica monitorizando en tiempo casi real los niveles de dióxido de nitrógeno (NO2) en la atmosfera.

NO2, un indicador de la actividad socioeconómica

Para entrenar el modelo, se han introducido y comparado los niveles de NO2 observados por los satélites en las semanas de confinamiento tras el brote de COVID en 2020, con los de las mismas áreas en los años 2016-2019.

Las observaciones cubren 211 áreas geográficas, de las cuales 31 son provincias en China, 51 son estados de los EE.UU. y 129 países de Europa, Asia, Medio Este, África y Latinoamérica. Esos datos se han correlacionado con los números de contagios en cada una de esas áreas en las semanas de confinamiento y las posteriores, en las que se levantaron las medidas.

Además, los cálculos se han ajustado para tener en cuenta variables meteorológicas, ambientales y sociales que pueden influir tanto en los niveles de NO2 como en la dispersión de los contagios, y que no están relacionados con la actividad económica. 

El modelo resultante puede predecir la desaceleración en los contagios en las 211 áreas a partir de las observaciones de NO2 y los 10 indicadores ambientales y socioeconómicos más determinantes. En ese sentido, el modelo también permite ver otros posibles resultados en función de las medidas implementadas.

“Sabíamos que medidas no farmacológicas como el confinamiento son efectivas para contener las epidemias como la de la COVID-19, pero aún nos faltaba una evaluación cuantitativa de la efectividad y el momento adecuado de aplicación de estas intervenciones en diferentes regiones del mundo”, concluye Jordi Sardans desde el CREAF.

Artículo de referencia: Xiaofan Xing et al. 2021. Predicting the effect of confinement on the COVID-19 spread using machine learning enriched with satellite air pollution observations. PNAS. DOI: 10.1073/pnas.2109098118

Fuente: https://delegacion.catalunya.csic.es/monitorizar-el-dioxido-de-nitrogeno-en-la-atmosfera-permite-predecir-si-el-confinamiento-sera-eficaz-para-frenar-epidemias-como-la-covid19/