Aprender la probabilidad de activación en la presencia de diseminadores latentes

Área de la Ciencia:

• Epidemiología
• Biología computacional
• Ciencia de las redes

Sus antecedentes:

• La propagación de la infección depende de la susceptibilidad individual y de la exposición por contacto.
• La identificación de individuos contagiosos (diseminadores) es un desafío cuando su estado es desconocido.
• Los modelos existentes a menudo pasan por alto la influencia latente del vecino en la dinámica de contagio.

Objetivo del estudio:

• Desarrollar un modelo predictivo para la adopción del contagio teniendo en cuenta múltiples modos de infección e influencias latentes.
• Identificar con precisión a las personas que puedan propagar las infecciones (propagadores latentes).
• Para predecir el riesgo de infección de un individuo dentro de una red comunitaria.

Principales métodos:

• Desarrolló un modelo probabilístico generativo para capturar la dinámica de la infección.
• Se empleó un método de inferencia variacional para el aprendizaje de parámetros.
• Validación del modelo basado en datos sintéticos para la identificación de los diseminadores y la predicción de riesgos.

Principales resultados:

• El modelo propuesto identifica eficazmente los agentes de propagación latentes y predice el riesgo de infección.
• Los experimentos con datos sintéticos demostraron las capacidades predictivas del modelo.
• La aplicación a un conjunto de datos hospitalarios mostró un rendimiento superior a los puntos de referencia en la predicción de infecciones asociadas a la atención médica.

Conclusiones:

• El modelo ofrece un enfoque sólido para comprender y predecir la propagación de la infección en las redes.
• Proporciona información práctica para las intervenciones específicas para controlar el contagio.
• La predicción precisa de las infecciones asociadas a la atención médica se puede lograr utilizando redes de contacto con pacientes.