El catedrático de Ciencia de la Computación e Inteligencia Artificial de la ULPGC , Luis Álvarez León, está realizando un trabajo en el que analiza los casos reales de afectados por coronavirus en España y en Canarias y las compara con dos series de previsiones de la evolución de contagios por coronavirus, para hallar el modelo matemático que explique la evolución de la enfermedad. Este análisis también se realiza para los casos de China y Corea del Sur, Italia y Francia.

Con este modelo matemático se estudia la influencia de la implantación de medidas drásticas de aislamiento en una pandemia, teniendo en cuenta el tiempo requerido para que los afectados se incluyan en el número oficial de pacientes infectados. En este estudio se incluyen conclusiones diarias desde el 24 de marzo que cambian todos los días de forma dinámica.

El catedrático resalta que en este trabajo es importante señalar que las previsiones que se muestran pueden contener errores significativos debido a la escasa cantidad de datos, a que no existían precedentes de modelos que tuviesen en cuenta en la propagación de un virus el efecto del confinamiento masivo de la población y a que el modelo propuesto no ha podido ser contrastado suficientemente. Por ello es necesario interpretar los datos con mucha precaución y prudencia.

Para Canarias y España, el domingo 29 se señala que "hemos tenido un buen dato con una reducción del número de nuevos casos tanto en España como en Canarias. De acuerdo con el modelo, en los próximos días se debería mantener el desplazamiento lateral en el número de nuevos casos diarios, con subidas y bajadas antes de emprender la tendencia a la baja. Habrá que estar atentos a cómo evoluciona Italia. Según el modelo, en los próximos días Italia debería a empezar a bajar de forma significativa el número de nuevos casos diarios".

Si nuestro patrón de comportamiento según el modelo es parecido al de Italia, hasta el día 4 o 6 de abril continuará subiendo y bajando en el número de casos nuevos formando una "meseta". A partir de ese momento, debería empezar a haber un cambio de tendencia y el número de casos nuevos deberían empezar a bajar, primero suavemente y después más rápido. En este sentido será importante ver cómo evoluciona Italia la próxima semana, pues ya le tocaría empezar la fase de descenso. Esta previsión, por tanto, podría cambiar con las actualizaciones de los próximos días.

Hasta el momento, el trabajo del catedrático de la ULPGC muestra que el modelo puede adaptarse bastante bien a la evolución en el caso de China. En el caso de España, el número de muestras después de la fecha de aislamiento puede ser demasiado pequeño para calcular correctamente el modelo y la estimación cambia bastante todos los días. En este caso, parece que son necesarios más datos para estabilizar la estimación.

La estimación para Italia se encuentra ahora bastante estable, como también sucede con Francia, lo que sugiere que los resultados obtenidos van en la dirección correcta. En el caso de China, el modelo parece sugerir que las medidas de aislamiento en el país asiático fueron ligeramente más fuertes que las de Italia y Francia, aunque los modelos obtenidos indican claramente que las medidas de aislamiento en Italia y Francia están realmente funcionando y la expansión de la epidemia se ha reducido considerablemente (a pesar de que todavía estamos viendo que el número de personas afectadas aumenta cada día).

Hay que tener en cuenta que la mayoría de las personas sintomáticas tarda más de seis días en incluirse en el conjunto de datos infectado, por lo que las medidas de aislamiento tardan un tiempo en reducir la cantidad de personas infectadas.

En cualquier caso, los resultados obtenidos para China, Italia, Francia y España parecen razonables y, con suerte, prometedores.

El catedrático publica en un site google las previsiones de esta enfermedad y, a modo de conclusión, indica que la comparación de los resultados obtenidos para China, Italia, Francia y España parecen razonablemente similares y, con suerte, prometedores de una evolución en positivo.