La inferencia de los puntos de cambio en la propagación del COVID-19 revela la efectividad de las intervenciones

Área de la Ciencia:

• Epidemiología
• Modelado computacional

Sus antecedentes:

• La rápida propagación mundial del COVID-19 requiere pronósticos precisos a corto plazo para una contención efectiva.
• La evaluación de los parámetros epidemiológicos y sus cambios debidos a las intervenciones es crucial para obtener predicciones fiables.

Objetivo del estudio:

• Para analizar la tasa de crecimiento efectivo dependiente del tiempo de las infecciones por COVID-19.
• Correlacionar los cambios en las tasas de crecimiento con las intervenciones de salud pública.
• Mejorar los modelos de previsión a corto plazo incorporando los efectos de la intervención.

Principales métodos:

• Utilizó un modelo epidemiológico establecido combinado con inferencia bayesiana.
• Se analizaron los datos de las series temporales de la propagación del COVID-19 en Alemania.
• Puntos de cambio identificados en la tasa efectiva de crecimiento de nuevas infecciones.

Principales resultados:

• Se detectaron puntos de cambio significativos en la tasa de crecimiento efectivo.
• Correlacionó estos puntos de cambio con el momento de las intervenciones de salud pública anunciadas.
• Cuantificó el impacto de las intervenciones en la tasa de crecimiento de COVID-19.

Conclusiones:

• Las intervenciones alteran manifiestamente la tasa de crecimiento efectiva del COVID-19.
• La incorporación de los puntos de cambio identificados mejora la precisión de las previsiones futuras del número de casos y de los escenarios.
• La metodología y el código desarrollados pueden adaptarse para su uso en otras regiones.