Qué fue de las predicciones matemáticas del covid: cómo el lío de datos ha trastocado todo
  1. Tecnología
Los datos emborronan los resultados

Qué fue de las predicciones matemáticas del covid: cómo el lío de datos ha trastocado todo

Al principio de la epidemia, allá por mediados o finales de marzo, todos mirábamos con detalle las diferentes predicciones de los modelos matemáticos. Pero ¿pudieron anticipar lo que venía?

Foto: Qué fue de las predicciones matemáticas del covid: cómo el lío de datos ha trastocado todo
Qué fue de las predicciones matemáticas del covid: cómo el lío de datos ha trastocado todo

Hubo un tiempo, hace pocas semanas aunque parezca que fue hace un mundo, en el que todos mirábamos con atención milimétrica las predicciones matemáticas de la epidemia. Algo que muchos habíamos descubierto apenas unas semanas antes, se había convertido de la noche a la mañana en un compañero fundamental de nuestro día a día en el confinamiento para ver qué nos esperaba, dónde estaba el pico. Pero ¿al final acertaron en sus previsiones? Ahora que todos miramos a otros asuntos es un buen momento para ver cómo los continuos cambios en la notificación de los datos y la falta de calidad de los mismos trastocó, y llegó a hundir, muchos de estos modelos.

Desde el principio de la epidemia, decenas de grupos de investigadores universitarios se lanzaron a hacer predicciones e intentar entender y visualizar la evolución de la curva, pero uno de los que más destacaron fue el del Momat, de la Universidad Complutense de Madrid, comandado por Ángel Manuel Ramos del Olmo. El grupo madrileño ya había hecho otros estudios similares como el del propio coronavirus en China o el de la Peste Porcina Africana, así que no dudaron en lanzarse a intentar predecir la curva de la epidemia en España. ¿El problema? Los datos.

Foto: ¿Y después del encierro? Lo que nos espera cuando se aplane la curva del coronavirus

Según explica a Teknautas Ángel Miguel Ramos del Olmo, la mala calidad de la información oficial ha trastocado todos los resultados y, aunque afirma estar satisfecho con lo conseguido en su predicción para Madrid, no deja de destacar ese punto. En todo este tiempo su grupo solo ha hecho público uno de los informes (el resto son confidenciales), realizado el 6 de abril con los datos para la Comunidad de Madrid y, aunque asegura que está más que satisfecho con los resultados, los cambios y los problemas en las notificaciones han hecho mella en todo el modelo.

"Para ser del 6 de abril creo que las predicciones han sido muy buenas teniendo en cuenta la mala calidad de los datos recabados y otros puntos clave. Por ejemplo, en los últimos días se han aumentado notablemente los test, lo que hace que se incremente la detección de casos. Las predicciones del modelo eran suponiendo que no había cambios en el porcentaje de detectados (no se puede saber de antemano si se va a incrementar esto). Además, los fallecidos del modelo están por encima de las cifras oficiales, pero creo que esto es razonable, pues parece que faltan muchos fallecimientos por contabilizar", apunta Ramos del Olmo.

Si vamos al informe vemos que lo primero que advierten en un aviso en color rojo es esa mala calidad de los datos oficiales que, según denuncian, hacen muy difícil una predicción ajustada. Sin embargo, no se quedan lejos de lo ocurrido finalmente. En sus gráficos ya vemos cómo fueron capaces de predecir el pico de contagios en la comunidad y están adelantándose a la bajada. Eso sí, los diferentes cambios hechos tanto por la Comunidad en la notificación como por el Gobierno central emborronan los resultados.

Gráfico del informe del Momat
Gráfico del informe del Momat

Su caso es uno de los más llamativos, pero no el único. La mala calidad también afectó, y aquí de forma fulminante, a otro de los modelos que se hicieron muy populares hace unas semanas y que incluso en este caso se puso de ejemplo por su acierto. Es el caso del grupo MUNQU de la Universidad Politécnica de Valencia que tras días publicando a diario sus predicciones tuvo que parar su modelo ante la falta de datos fiables.

El último informe que realizaron, publicado el 2 de abril, y que acabaron por retirar, acertaba al asegurar que habíamos pasado el pico de contagios diarios (la mayor notificación de nuevos contagios llegó el 31 de marzo), se acercaba en que la desescalada llegaría en mayo y aseguraba que el 9 de abril llegaría el pico de las UCI. Pero este último dato es imposible confirmarlo porque no todas las comunidades han dado este dato de la misma manera. Aunque durante varios días dieron esperanzas para una vuelta a las predicciones, lo cierto es que desde ese día no han vuelto a dar más datos al respecto.

Apostar por los PCR

Otro de los afectados por estos cambios es Vicente Martínez García, de la Universidad Jaume I de Castellón. Este investigador no paró del todo su modelo, y aún sigue publicando sus informes, al ver los problemas con los datos; pero sí avisó, como Ramos del Olmo, sobre los problemas que estaban dando para los matemáticos. "Según los datos que publica el Ministerio de Sanidad en su web, si restamos de los afectados los fallecidos y recuperados el pico de la curva de contagiados estuvo rondando entre 9 y 18 de abril, pero ahora mismo no se puede saber con seguridad, porque ha habido un cierto desconcierto en los datos publicados", explica Martínez.

Según este matemático, la clave para no haber caído en estos fallos y desconciertos habría sido apostar por el número de test PCR positivo como único valor a tener en cuenta para considerar una persona como infectada. "Si hubiésemos tenido desde el principio las restricciones claras entonces la predicción del pico de personas infectadas (con test PCR positivo) hubiese sido mejor". Al no haberlo hecho es prácticamente imposible hacer un trazado válido de la epidemia y, por tanto, las predicciones quedan más que emborronadas.

Primera predicción del modelo de Vicente Martínez, que calculaba el pico de casos activos (restando al acumulado fallecidos y recuperados) para el 29 de marzo
Primera predicción del modelo de Vicente Martínez, que calculaba el pico de casos activos (restando al acumulado fallecidos y recuperados) para el 29 de marzo

Si miramos sus publicaciones, vemos que desde el 31 de marzo ya predecía que el pico podría moverse en estos días, pero los cambios hacen imposible conocer si hubiera tenido un mayor nivel de acierto de no haberse movido tanto la información y generado tantos cambios. Además añade otras variables que complican todo. "Los modelos se elaboran de acuerdo con los datos recogidos bajo unas determinadas condiciones, que como hemos visto a lo largo del desarrollo de la epidemia son cambiantes. El número de análisis de diagnóstico no son iguales todos los días, los tratamientos poco a poco resultan más eficaces, lo cual afecta al número de altas...".

La esperanza del modelo

Los cambios han afectado a casi todos, pero algunos se salvan. Es el caso de Alex Arenas y su equipo de la Universidad Rovira i Virgili, junto con Jesús Gómez Gardeñes y su equipo en la Universidad de Zaragoza. Según explica a este periódico el investigador catalán, al tratarse, el suyo, de un modelo mecanicista que no necesita de los datos diarios para trabajar, sino que le basta con ir añadiendo fórmulas con las distintas medidas del Gobierno para ver su impacto, ha podido cumplir más que bien con los resultados.

"Creo que estas semanas se ha demostrado que aunque al principio no nos hicieran caso y muchos sigan dudando de la valía de estos informes, los modelos son más que fundamentales para saber qué está por venir en las epidemias, para no ir a ciegas. En nuestro caso no te puedo dar los datos que hemos ido dando a las instituciones, pero sí te confirmo que el modelo ha funcionado muy bien y que ha encajado con lo que ha ido sucediendo hasta ahora", explica a Teknautas Arenas.

"Esto es como si lanzamos un balón. Gracias a la física podemos saber cuál va a ser la trayectoria parabólica de ese balón y dónde va a caer, si tenemos los diferentes datos que entran en la ecuación, pues aquí es igual. El problema en este caso es que hay factores que no podemos controlar al 100%, por ejemplo, siguiendo con la idea del balón, no sabemos el rozamiento del aire, si hay algún bache justo al patear la pelota o la forma exacta del balón. Eso puede mover un poco el resultado, pero sí podemos dar una idea muy parecida al resultado final", detalla Arenas. Esos datos incontrolables es lo que han acabado por arruinar o emborronar el trabajo de otros muchos investigadores.

Como vemos en el tuit que aparece justo encima de este párrafo, aunque no da datos de sus informes, Arenas sí ha publicado alguna reflexión sobre los mismos y la última avisa sobre lo que puede venir. Arenas incide de forma continuada en la necesidad de mantener las medidas de distanciamiento e higiene de forma disciplinada pues lo que sí es seguro es que si no seguimos con estas medidas lo que viene es un rebrote instantáneo e incluso puede que peor que el vivido. De terminar el confinamiento laboral el 18 de mayo, Arenas calcula que sin un plan bien ajustado de detección y aislamiento podríamos volver a la situación de crecimiento exponencial en junio y dispararse el problema en julio.

Coronavirus Universidad Complutense de Madrid Ministerio de Sanidad Matemáticas
El redactor recomienda