Gráfico interactivo de propagación del Covid-19

Simulador interactivo

En este gráfico interactivo se simula la evolución de una pandemia, en función de distintos parámetros.

En la parte superior izquierda de la ventana se muestran las curvas de porcentaje de individuos de una población susceptibles de contagio y de infectados en color azul y rojo respectivamente. Además, según el desarrollo de la pandemia llega a su fin, se muestra en color gris el porcentaje de individuos que han adquirido ya la inmunidad. La variable temporal que guía la evolución de la simulación son los días, eje horizontal de los gráficos.

En la mitad derecha de la ventana del simulador se puede encontrar la representación dinámica de cómo se expande la pandemia en una determinada comunidad en la que los individuos están en contacto. Este contacto se representa a través del movimiento de las partículas. De nuevo, los colores son rojo, azul y gris para los individuos infectados, para aquellos que son susceptibles de ser contagiados y los que ya han pasado la enfermedad y han adquirido la inmunidad respectivamente. Además, se pueden encontrar partículas de color amarillo/verde siendo éstas individuos asintomáticos con capacidad de contagiar. En la parte inferior derecha, bajo la representación del movimiento de los individuos, se encuentran distintas casillas que permiten modificar la situación de las partículas. Por defecto la simulación comienza en modo simple, en el cual todas las partículas se encuentran en un mismo espacio y pueden entrar en contacto todas con todas. Si se selecciona la opción localización central se crea un área reservada en la zona central en el cual sólo entran y salen algunos individuos, independientemente si están o no contagiados, de modo que se puede simular qué sucede si tiene lugar un evento en el que el distanciamiento social no puede cumplirse por motivos de espacio. Posteriormente se encuentra la opción de comunidades, según la cual se fragmenta el área global del modo simple en otras más pequeñas representando así comunidades entre las que es más complicado que los individuos se crucen. Para finalizar, se puede señalar la opción de cuarentena independientemente del modo de representación de los descritos anteriormente, si se quiere simular qué sucede cuando se inicia la cuarentena para aquellos individuos infectados y sintomáticos.

Por último, en la parte inferior izquierda se encuentran las distintas opciones que pueden ser modificadas por el usuario y que condicionan la evolución de la pandemia. A continuación se explican cada uno de ellos:

• Radio de infección
  capacidad de contagio de los individuos que padecen la enfermedad. Afecta a la velocidad del movimiento de las partículas.
  
  
• Probabilidad de infección en un día
  capacidad de contagio de los individuos que padecen la enfermedad. Afecta al número de partículas no contagiadas que es capaz de contagiar una que ha contraído ya la enfermedad.
  
  
• Porcentaje de la población/comunidad que está inicialmente infectada
  número de partículas contagiadas respecto al total que comienzan ya la simulación con la enfermedad contraída.
  
  
• Duración de la infección en días
  número de días que dura la infección para los individuos infectados.
  
  
• Factor de distanciamiento social
  capacidad que tienen las partículas para esquivarse unas a otras en la simulación y que así no se produzca contacto y con ello el contagio de la enfermedad.
  


• Porcentaje de la población que cumple el distanciamiento social
  porcentaje de los individuos representados que no entran en contacto con otras partículas según el factor de distanciamiento social que se ha impuesto previamente.
  
  
• Mantener el distanciamiento social según el radio de infección
  distancia a la que se estipula el distanciamiento social que deben seguir los individuos en función del radio de contagio del virus.
  
  
• Iniciar cuarentena después de X días de infección
  selección del día a partir del cual se inicia la cuarentena en caso de que se haya señalado esta opción en la parte inferior derecha de la ventana.
  
  
• Iniciar zona de cuarentena X días después del comienzo de la cuarentena
  selección del día a partir del cual se empieza el confinamiento.
  
  
• Probabilidad de que un individuo viaje a la zona central
  porcentaje de probabilidad de que un individuo se mueva a la zona central en caso de que la opción de localización central que aparece en la parte inferior derecha esté seleccionada.
  
  
• Porcentaje de los infectados que no muestran síntomas y no pasarán por cuarentena
  porcentaje de asintomáticos en la simulación. Éstos aparecen de color amarillo/verde en la representación del movimiento de los individuos.
  
  
• Probabilidad de que un individuo viaje a otra comunidad
  porcentaje de probabilidad de que un individuo se mueva a otra comunidad en caso de que la opción de comunidades que aparece en la parte inferior derecha esté seleccionada.
  
  
• Número de individuos por comunidad
  número de partículas que se representan por comunidad en caso de que la opción de comunidades que aparece en la parte inferior derecha esté seleccionada.
  
  
• Comunidades infectadas
  número de comunidades que aparecen inicialmente con algún individuo ya infectado en caso de que la opción de comunidades que aparece en la parte inferior derecha esté seleccionada.
  
  
• Número de partículas
  número total de individuos que se quieren representar en la simulación.
  
  
• Tamaño de las partículas
  radio de las partículas que representan a los individuos.
  
  
• Fotogramas por segundo
  fluidez con la que se ve la dinámica de movimiento de las partículas y entre ellas.
  
  
• Número de días simulados por segundo
  días de evolución de la pandemia que se pueden simular por segundo.

El modelado del comportamiento de la infección de la covid19 tiene varios objetivos, los cuales pueden ser resumidos en los siguientes apartados:

• Comprender la expansión de la infección, aportando certidumbre al proceso.
• Simular diferentes escenarios, como son la expansión de la pandemia o la aparición de rebrotes de la infección en fases posteriores.
• Establecer criterios y estrategias para la contención y erradicación de la infección.

De entre las estrategias disponibles de modelado para alcanzar estos objetivos, se ha elegido una basada en el llamado modelado Game of Life.

Esta estrategia permite simular una población inicial de individuos que evoluciona por distintos estados (representados en la Figura 1) conforme a unos parámetros establecidos de posible infección y recuperación, así como de los posibles estados consecuencia de los dos previos.

Esta estrategia presenta varias ventajas con respecto a otras:

• Permite describir qué ocurre con la expansión de la pandemia a nivel del individuo y, por tanto, los resultados del modelo son relativamente sencillos de comparar con los datos de infección proporcionados por los organismos competentes.
• Tiene una escala temporal que facilita ver cómo influye la modificación de los parámetros de infección en la evolución de la pandemia.
• Modela los parámetros de infección entre individuos considerando la capacidad infecciosa del virus, la interacción entre individuos y los efectos de distintas medidas de protección sobre la evolución de la pandemia.

El modelo permite estudiar dos funcionalidades fundamentales:

• Proceso de infección: este proceso determina el contagio cuando un individuo que es vector de contagio (ver Figura 1) entra en contacto con individuos sanos. Los vectores de contagio son aquellos individuos que no han sido diagnosticados y que son portadores del virus. La probabilidad de que un individuo sano se contagie al entrar en contacto con un vector de contagio se ha ajustado conforme a los datos observados a la evolución de la pandemia en España.
• Proceso de realización de test: está orientado fundamentalmente a contener rebrotes y a erradicar en la medida de lo posible la infección. En una fase inicial, el modelado de realización de test masivos hubiera sido fundamental para evitar la pandemia, pero actualmente esto puede parecer innecesario ya que este proceso ya se ha materializado. No obstante, este debe ser un objetivo para diseñar protocolos para futuras amenazas.

El Modelo Gaudete de predicción nos ha permitido comprobar la importancia que tiene el confinamiento y el momento en que se activa. En los siguientes gráficos se muestra el efecto de la activación del confinamiento 40, 50 y 60 días después de detectarse el primer caso de COVID-19 (paciente 0), tal y como se muestra en los siguientes gráficos. Los gráficos ayudan a entender cómo afecta esta medida en la evolución del número de fallecidos, hospitalizados, infectados e ingresados en UCI. Los resultados de la simulación se corresponden a una población total de 400.000 personas.

Los resultados muestran claro aumento en el número de contagios cuando se activa más tarde el confinamiento. Aproximadamente aumenta al cubo (x^3) el número de contagios cuando se pospone 10 días la activación del confinamiento. Este aumento repercute directamente en el número de fallecidos, hospitalizados, etc. Este aumento exponencial es el causante de que los recursos hospitalarios y sanitarios queden saturados, incapacitando la atención a todos los pacientes afectados por el COVID-19.