Supervisar el NO₂ atmosférico permite predecir si el confinamiento es eficaz contra una pandemia

16 de agosto 2021

Un modelo basado en técnicas de aprendizaje automático y datos por satélite permite predecir si la reducción de la actividad económica disminuye los contagios debidos a pandemias. El objetivo es afinar mejor los tiempos y el grado de las medidas de confinamiento.

Supervisar el NO₂ atmosférico permite predecir si el confinamiento es eficaz contra una pandemia

El modelo desarrollado es capaz de pronosticar cómo se aceleran los contagios cuando se levantan las medidas de confinamiento. Imagen: captura de datos reales del estudio.

Un trabajo internacional con participación Josep Peñuelas, investigador del CREAF y del CSIC, y Jordi Sardans, investigador del CREAF, ha desarrollado un modelo para predecir la eficacia del confinamiento para frenar epidemias como la Covid19, a partir de datos obtenidos por satélite de contaminación por dióxido de nitrógeno (NO₂). El modelo desarrollado es capaz de pronosticar cómo se aceleran los contagios cuando se levantan las medidas de confinamiento. Por tanto, la información permite optimizar el tiempo y la intensidad de intervenciones no farmacéuticas, y mejorar la efectividad de control de la Covid19 y, en general, de las pandemias.

El equipo científico ha aplicado técnicas de aprendizaje automático para supervisar cómo se reduce la actividad económica controlando en tiempo casi real los niveles de dióxido de nitrógeno en la atmósfera

El equipo científico ha aplicado técnicas de aprendizaje automático que permiten supervisar cómo se reduce la actividad económica controlando en tiempo casi real los niveles de dióxido de nitrógeno en la atmósfera. El investigador Josep Peñuelas explica que “el modelo mejora significativamente las predicciones utilizadas hasta ahora por la Organización Mundial de la Salud y otras organizaciones, tanto gubernamentales como no gubernamentales”.

El estudio se ha publicado en la revista PNAS y ha contado con la participación de especialistas en contaminación atmosférica, economía, epidemiología, análisis de datos e inteligencia artificial, de una veintena de centros de investigación.

Josep Peñuelas

“El modelo que hemos elaborado mejora significativamente las predicciones utilizadas hasta ahora por la Organización Mundial de la Salud y otras organizaciones, tanto gubernamentales como no gubernamentales”

JOSEP PEÑUELAS, investigador del CREAF y el CSIC.

Tal como hemos visto en el trabajo, en el invierno 2020-2021 se podrían haber evitado cerca de un millón de casos diarios de Covid19 si se hubieran optimizado el tiempo y los niveles de restricción del confinamiento“, asegura Rong Wang, científico de la Universidad de Fudan (China) y coordinador de esta investigación, que ha contado con financiación del programa pandemia 2020 de la Agencia de Gestión de Ayudas Universitarias y de Investigación (AGAUR).

Nitrógeno y actividad económica

Para entrenar el modelo, se han comparado los niveles de NO₂ observados por los satélites en las semanas de confinamiento tras el brote de Covid19 en 2020, con los del período 2016-2019 en las mismas zonas. Las observaciones cubren 211 áreas geográficas, de las cuales 31 son provincias en China, 51 son estados de los EEUU y 129 són países de Europa, Asia, Medio Este, África y Latinoamérica. Esos datos se han correlacionado con los números de contagios en cada una de esas superfícies en las semanas de confinamiento y las posteriores, en las que se levantaron las medidas.

Los cálculos han tenido 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 son ajenas a la actividad económica

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 relacionadas 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. El modelo también permite identificar otros posibles resultados en función de las medidas implementadas.

Jordi Sardans

“Este estudio aporta una evaluación cuantitativa sobre la efectividad y el momento oportuno para aplicar intervenciones no farmacológicas como por ejemplo el confinamiento para contener epidemias como la Covid19″

JORDI SARDANS, investigador del CREAF.

“Sabíamos que medidas no farmacológicas como el confinamiento son efectivas para contener las epidemias como la Covid19, pero todavía nos faltaba una evaluación cuantitativa de la efectividad y el momento adecuado de aplicación de estas intervenciones en diferentes regiones del mundo”, concluye investigador del CREAF Jordi Sardans.

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

, , , , , ,

Periodista con interés en la comunicación y el marketing digital, hilos conductores de mi experiencia en estrategias de comunicación corporativa, creación de contenidos, gestión de redes sociales y campañas, gabinete de prensa, formación de portavoz, comunicación de crisis y reputación y marca. Me he involucrado en iniciativas de divulgación sobre el medio natural, las energías renovables, la tecnología, el territorio y su gestión con criterios ambientales para empresas, universidades, administración pública y consultoría.
Artículos relacionados
, ,
Año complicado para los bosques de Cataluña
16 de septiembre 2021Pau Guzmán
,
Alba Anadon Rosell, una mirada amable con un discurso contundente
14 de septiembre 2021Adriana Clivillé
Las especies de abejas con cerebros más grandes aprenden mejor
16 de agosto 2021Anna Ramon Revilla
Cómo puede ayudar el polvo de roca a capturar CO₂ de la atmósfera
5 de agosto 2021Adriana Clivillé
Musgos: la química de una conquista
3 de agosto 2021Verónica Couto Antelo

Follow CREAF on: