En un estudio reciente publicado en el medRxiv* servidor de preimpresión, un equipo de investigadores predice la evolución de las tasas de mortalidad de la enfermedad por coronavirus 2019 (COVID-19) en todos los países utilizando un enfoque basado en el aprendizaje automático guiado por la ciencia biológica.
Estudiar: Comprender la evolución de la tasa de mortalidad impulsada por COVID-19. Haber de imagen: Criptógrafo/Shutterstock.com
*Noticia importante: medRxiv publica informes científicos preliminares que no son revisados por pares y, por lo tanto, no deben considerarse concluyentes, guiar la práctica clínica/el comportamiento relacionado con la salud ni tratarse como información establecida.
En estudios previos, varios factores, incluida la prevalencia de enfermedades autoinmunes, contaminantes peligrosos del aire como partículas finas (PM2.5), el ozono y el dióxido de nitrógeno, así como los efectos dietéticos se han asociado con un mayor riesgo de muerte relacionada con COVID-19. Sin embargo, se necesita un estudio que explore múltiples factores que afectan las tasas de mortalidad de COVID-19 de forma individual e interdependiente.
Sobre el estudio
En el estudio actual, los investigadores utilizaron un novedoso algoritmo de aprendizaje automático impulsado por la transformación rápida de Fourier (FFT) para analizar los datos disponibles públicamente de la tasa de mortalidad de COVID-19 de 141 países. Evaluaron el impacto de ocho factores biológicos y socioeconómicos, como el consumo de alcohol, la prevalencia de diabetes, el producto interno bruto (PIB) per cápita, el índice de salud global, el consumo de carne, el consumo de leche, PM2.5y densidad de población en las tasas de mortalidad por COVID-19.
Los 141 países evaluados en el estudio actual variaron en tamaño y población y se extendieron por los cinco continentes. Además, el modelo de aprendizaje automático se entrenó en 121 de los datos de 141 países, donde los 20 países restantes sirvieron como conjunto de validación.
Un enfoque FFT para resolver un modelo epidemiológico es novedoso y produjo los coeficientes de Fourier (an’s y bn’s) después de probar las tasas de mortalidad evolutivas de diferentes países. A partir del conjunto de datos de entrenamiento, se predijeron los coeficientes de Fourier del conjunto de datos de validación, que se sometieron a una Transformación Rápida de Fourier Inversa (IFFT) para predecir la tasa de mortalidad. Los investigadores también compararon estas tasas de mortalidad previstas con las tasas de mortalidad reales de COVID-19 para evaluar la eficacia del enfoque FFT.
Se muestra una descripción general del modelo científico. El modelo tiene 3 partes distintas: preprocesamiento de datos, entrenamiento y aprendizaje y predicción.
La tasa de mortalidad de cada país se calculó como la relación entre el número de muertes por millón y el número de casos de COVID-19 por millón del país respectivo.
El estudio actual se realizó del 15 de marzo de 2020 al 15 de marzo de 2021, mientras que presentó una visión holística general a largo plazo de las tasas de mortalidad de COVID-19 del 15 de mayo de 2020 al 14 de febrero de 2021.
Hallazgos del estudio
Los resultados demostraron cómo la tasa de mortalidad relacionada con COVID-19 dependía estrechamente de una multitud de factores socioeconómicos y biológicos, como la densidad de población, el PIB per cápita, el índice de salud global y la proporción de personas mayores (mayores de 65 años) en la población. , así como factores ambientales, estilo de vida y hábitos alimentarios. Curiosamente, ninguno de estos parámetros mostró individualmente ningún cambio notable o significativo que pudiera generalizarse con la mortalidad por COVID-19.
Los hallazgos del estudio sugirieron claramente que un solo factor biológico o socioeconómico no puede explicar las tasas de mortalidad de COVID-19 en todos los países. Por lo tanto, para Eslovenia, el consumo de alcohol y el índice de salud global parecían predecir tasas de mortalidad cercanas a los datos reales, mientras que el PIB per cápita y PM2.5 predijo de cerca la tasa de mortalidad para los Estados Unidos.
Se muestra la predicción de la tasa de mortalidad relacionada con COVID-19 utilizando un solo factor para EE. UU. y Eslovenia, donde los factores son: (a) consumo de alcohol, (b) prevalencia de diabetes, (c) PIB per cápita, (d) índice de salud global , (e) consumo de carne, (f) consumo de leche, (g) PM 2.5 y (h) densidad de población. Ninguno de los factores individualmente puede describir la tendencia de manera integral.
La evolución temporal de las tasas de mortalidad por COVID-19 fue casi la misma en todos los países. Si bien las tasas de mortalidad durante la fase inicial del estudio fueron las más altas, posteriormente descendieron y finalmente se estancaron, excepto en Sudáfrica. Estas fluctuaciones en las tasas de mortalidad se atribuyen en gran medida al aumento de la variante beta del coronavirus 2 (SARS-CoV-2) del síndrome respiratorio agudo severo.
Las tasas de mortalidad de COVID-19 previstas y las tasas de mortalidad reales de 20 países seleccionados al azar fueron sorprendentemente similares. Con este fin, las variaciones se debieron a la mala calidad de los datos de COVID-19 y a diferencias fisiológicas, como el tipo de sangre.
Conclusiones
En el estudio actual, la calidad de los datos de COVID utilizados en el modelo de predicción carecía de granularidad y especificidad, por lo que era prácticamente imposible obtener la tasa de mortalidad de COVID-19 o una tendencia para la población mundial.
Los investigadores utilizaron la biblioteca de software Pandas para la consolidación adecuada de los datos de cada uno de los parámetros. Recolectaron todos los datos para un parámetro específico para diferentes países juntos y, si faltaba el dato correspondiente a algún país (NULL), eliminaron ese parámetro. Cuando los valores NULL correspondientes a un país superaban un determinado umbral, dicho país se excluía del análisis.
A pesar de los extensos esfuerzos de preprocesamiento de datos, los datos eran granulares y carecían de especificidad. Sin embargo, las predicciones del estudio demostraron con éxito el impacto de ocho factores influyentes en las tasas de mortalidad y mapearon la tendencia evolutiva de las tasas de mortalidad por COVID-19 en la población mundial.
En general, con estas predicciones, los autores lograron iniciar conversaciones entre los formuladores de políticas, las autoridades de salud pública y los líderes mundiales. Posteriormente, esta información permitirá a los países tomar medidas proactivas y hacer preparativos oportunos para el COVID-19 y otros brotes relacionados con virus en el futuro al adoptar una visión holística.
*Noticia importante: medRxiv publica informes científicos preliminares que no son revisados por pares y, por lo tanto, no deben considerarse concluyentes, guiar la práctica clínica/el comportamiento relacionado con la salud ni tratarse como información establecida.
