Implicaciones epidemiológicas de la guerra: estimaciones de aprendizaje automático sobre el efecto de la invasión rusa en la dinámica del COVID-19 en Italia
Autores: Chumachenko, Dmytro; Dudkina, Tetiana; Chumachenko, Tetyana; Morita, Plinio Pelegrini
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Implicaciones epidemiológicas de la guerra: estimaciones de aprendizaje automático sobre el efecto de la invasión rusa en la dinámica del COVID-19 en Italia
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Pandemia
COVID-19
Invasión
Ucrania
Italia
Simulación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Antecedentes: La pandemia de COVID-19 ha transformado profundamente el panorama global, marcado por infecciones abrumadoras, fatalidades, infraestructuras de salud sobrecargadas, convulsiones económicas y modificaciones significativas en el estilo de vida. Concurrentemente, la invasión a gran escala de Rusia a Ucrania el 24 de febrero de 2022 desencadenó una grave crisis humanitaria y de salud pública, lo que llevó a interrupciones en la atención médica, escasez de recursos médicos y necesidades de atención de emergencia elevadas. Italia surgió como un refugio significativo para los ucranianos desplazados durante este período. Objetivo: Esta investigación tiene como objetivo discernir el impacto de la invasión a gran escala de Rusia a Ucrania en la dinámica de transmisión de COVID-19 en Italia. Materiales y Métodos: El estudio empleó metodologías avanzadas de simulación, especialmente aquellas que integran aprendizaje automático, para modelar la trayectoria de la pandemia. Se adoptó el algoritmo XGBoost para construir un modelo predictivo para la trayectoria de la epidemia de COVID-19 en Italia. Resultados: El modelo demostró una precisión encomiable del 86.03% al pronosticar nuevos casos de COVID-19 en Italia en 30 días y una impresionante precisión del 96.29% al estimar fatalidades. Cuando se aplicó a los primeros 30 días siguientes a la escalada del conflicto (24 de febrero de 2022 al 25 de marzo de 2022), las proyecciones del modelo sugirieron que la llegada de refugiados ucranianos a Italia no alteró significativamente el curso de la epidemia de COVID-19 en el país. Discusión: Si bien las metodologías de simulación han sido fundamentales en la respuesta a la pandemia, su precisión está intrínsecamente vinculada a la calidad de los datos, las suposiciones y las técnicas de modelado. Mejorar estas metodologías puede ampliar su aplicabilidad en futuras emergencias de salud pública. Los hallazgos del modelo subrayan que eventos geopolíticos externos, como la migración masiva desde Ucrania, no desempeñaron un papel determinante en la dinámica de la epidemia de COVID-19 en Italia durante el período de estudio. Conclusión: La investigación proporciona evidencia empírica que niega una influencia sustancial del flujo de refugiados ucranianos debido a la invasión a gran escala de Rusia en la trayectoria de la epidemia de COVID-19 en Italia. El sólido desempeño del modelo desarrollado confirma su valor potencial en análisis de salud pública.
Descripción
Antecedentes: La pandemia de COVID-19 ha transformado profundamente el panorama global, marcado por infecciones abrumadoras, fatalidades, infraestructuras de salud sobrecargadas, convulsiones económicas y modificaciones significativas en el estilo de vida. Concurrentemente, la invasión a gran escala de Rusia a Ucrania el 24 de febrero de 2022 desencadenó una grave crisis humanitaria y de salud pública, lo que llevó a interrupciones en la atención médica, escasez de recursos médicos y necesidades de atención de emergencia elevadas. Italia surgió como un refugio significativo para los ucranianos desplazados durante este período. Objetivo: Esta investigación tiene como objetivo discernir el impacto de la invasión a gran escala de Rusia a Ucrania en la dinámica de transmisión de COVID-19 en Italia. Materiales y Métodos: El estudio empleó metodologías avanzadas de simulación, especialmente aquellas que integran aprendizaje automático, para modelar la trayectoria de la pandemia. Se adoptó el algoritmo XGBoost para construir un modelo predictivo para la trayectoria de la epidemia de COVID-19 en Italia. Resultados: El modelo demostró una precisión encomiable del 86.03% al pronosticar nuevos casos de COVID-19 en Italia en 30 días y una impresionante precisión del 96.29% al estimar fatalidades. Cuando se aplicó a los primeros 30 días siguientes a la escalada del conflicto (24 de febrero de 2022 al 25 de marzo de 2022), las proyecciones del modelo sugirieron que la llegada de refugiados ucranianos a Italia no alteró significativamente el curso de la epidemia de COVID-19 en el país. Discusión: Si bien las metodologías de simulación han sido fundamentales en la respuesta a la pandemia, su precisión está intrínsecamente vinculada a la calidad de los datos, las suposiciones y las técnicas de modelado. Mejorar estas metodologías puede ampliar su aplicabilidad en futuras emergencias de salud pública. Los hallazgos del modelo subrayan que eventos geopolíticos externos, como la migración masiva desde Ucrania, no desempeñaron un papel determinante en la dinámica de la epidemia de COVID-19 en Italia durante el período de estudio. Conclusión: La investigación proporciona evidencia empírica que niega una influencia sustancial del flujo de refugiados ucranianos debido a la invasión a gran escala de Rusia en la trayectoria de la epidemia de COVID-19 en Italia. El sólido desempeño del modelo desarrollado confirma su valor potencial en análisis de salud pública.