O tráfego de pedestres pode prever o Covid-19 espalhado nos bairros da cidade de Nova York

Um novo estudo publicado na revista PLOS Biologia Computacional Revela como os dados de tráfego de pedestres de dispositivos móveis podem aprimorar as previsões Covid-19 em nível de vizinhança na cidade de Nova York. A pesquisa, liderada por pesquisadores da Columbia University Mailman School of Public Health e Dalian University of Technology, fornece uma nova abordagem para prever a disseminação do vírus SARS-CoV-2 e melhorar as intervenções direcionadas de saúde pública durante futuros surtos.

A pandemia covid-19 atingiu a cidade de Nova York com força, com taxas de infecção variando dramaticamente entre os bairros. Enquanto algumas áreas sofreram transmissão rápida, outras viram taxas e casos de transmissão mais baixos, em grande parte devido a diferenças de fatores socioeconômicos, comportamento humano e intervenções localizadas.

Para abordar essas desigualdades, os pesquisadores desenvolveram um modelo de previsão que explica os padrões de mobilidade no nível da vizinhança para fornecer previsões precisas de propagação da doença. Eles analisaram dados de localização móvel anonimizados para rastrear o tráfego de pedestres em restaurantes, lojas de varejo e locais de entretenimento em 42 bairros. Ao integrar esses padrões de movimento com um modelo epidêmico, eles identificaram onde e quando surgirão surtos.

“Nossa análise mostra claramente como atividades de rotina como jantar ou fazer compras se tornaram os principais caminhos de transmissão Covid-19”, explica o autor sênior Sen Pei, Ph.D., professor assistente do Departamento de Ciências da Saúde Ambiental da Columbia Mailman School. “Essas idéias comportamentais dão ao nosso modelo poder preditivo significativamente maior do que as abordagens convencionais”.

Previsão de precisão para o spread de bairro covid-19

Este estudo demonstra como a modelagem COVID-19 no nível da vizinhança pode ajudar a lidar com as disparidades na saúde, identificando padrões de transmissão hiperlocais. A pesquisa revela que os espaços internos lotados – particularmente restaurantes e bares – desempenharam um papel significativo na propagação da pandemia precoce. Ao integrar dados de mobilidade em tempo real, a equipe desenvolveu um modelo orientado a comportamento que supera os métodos tradicionais de previsão na previsão de casos no nível da comunidade.

Outro componente crítico é a incorporação do modelo de efeitos sazonais. Os pesquisadores confirmaram o maior risco de transmissão do inverno, ligando -o a níveis de umidade mais baixos que prolongam a sobrevivência do vírus no ar. Esse ajuste sazonal permite previsões mais precisas de curto prazo, dando às autoridades de saúde pública que a liderança crucial para se preparar para surtos de infecções.

Uma ferramenta para resposta eqüitativa pandêmica

O modelo orientado a comportamento pode capacitar os departamentos de saúde a distribuir testes e recursos clínicos e direcionar intervenções de saúde pública, onde são mais necessários, garantindo que a proteção atinja os bairros vulneráveis ​​primeiro.

Ao identificar exatamente quando e onde os picos de transmissão provavelmente ocorrerão, a abordagem substitui as suposições pela prevenção direcionada. Por exemplo, à medida que o clima frio impulsiona as pessoas dentro de casa, o modelo pode identificar locais de coleta que exigiriam restrições de capacidade.

Refinando o modelo para futuros surtos

Embora o modelo orientado a comportamento tenha se mostrado eficaz, os pesquisadores observam que a implementação do mundo real requer um refinamento adicional. Um desafio importante reside em garantir o acesso consistente a dados de mobilidade e caso de alta qualidade-uma limitação enfrentada durante as fases iniciais da pandemia quando os fluxos de informações não eram confiáveis.

Os pesquisadores estão agora aprimorando o modelo para incorporar mudanças de comportamento adaptativo em resposta a infecções e seu feedback sobre a transmissão de doenças. Essas melhorias serão especialmente vitais para a preparação e resposta a futuras pandemias, permitindo previsões mais precisas dos padrões de propagação de doenças.

“O sucesso deste modelo com a CoVID-19 abre novos caminhos para combater futuros surtos”, explica PEI. “Ao mapear a transmissão de doenças no nível da comunidade, podemos armar a cidade de Nova York – e potencialmente outros locais também – com informações para tomar decisões mais informadas enquanto se preparam e respondem a ameaças emergentes à saúde”.

O primeiro autor do estudo é Renquan Zhang, Universidade de Tecnologia Dalian, Dalian, China. Autores adicionais incluem Qing Yao, Wan Yang, Kai Ruggeri e Jeffrey Shaman em Columbia; e Jilei Tai na Universidade de Tecnologia de Dalian.