Investigadores gallegos evidencian que la covid desarrolla una expansión más heterogénea que la gripe

Investigadores de la Universidade de Santiago de Compostela (USC) y de la Universidade de Vigo (UVigo) han evidenciado que la Covid-19 se desarrolla con una dinámica de expansión geográfica más dispersa y heterogénea que la gripe. Los científicos desarrollaron una técnica capaz de predecir la evolución de las pandemias a partir de la construcción de un archivo de patrones dinámicos observados en el pasado en diferentes periodos de tiempo. El modelado empírico dinámico es una técnica no paramétrica que permite cruzar los datos de ese archivo con la situación actual y realizar estimaciones sobre cuál será su progreso.

En el caso de la Covid-19, ampliaron esa "librería" de patrones no solo al pasado de algunas dinámicas en curso, sino también a procesos en curso en diferentes regiones que pudieran mostrar coincidencias en su comportamiento. Este nuevo enfoque acaba de ser formulado en el artículo 'Leveraging Geographically Distributed Data for Influenza and SARS-CoV-2 Non-Parametric Forecasting', de la revista Mathematics.

Másnoticias

De Galicia a lo más alto, estudiantes de la UVigo competirán con su cohete a nivel nacional

16/06/2026

Estudiante de la UVigo y deportista de élite, el gran logro de un joven en Europa

15/06/2026

"Cuando empezó la Covid-19 empezamos a ver que los modelos matemáticos existentes tenían ciertos defectos para predecir la evolución de la pandemia", explica el catedrático de Electromagnetismo de la USC, perteneciente al Instituto de Materiales (iMATUS), Jorge Mira, que firma el artículo junto al catedrático de Análisis Matemático de la USC, Juan José Nieto, perteneciente al Centro de Investigación e Tecnoloxía Matemática de Galicia (CITMAga). También son firmantes de la publicación Iván Area, de la UVigo y del CITMAga, junto con los investigadores Pablo Boullosa y Adrián Garea. "Básicamente, el problema es que en los modelos de epidemiología clásicos hay comportamientos exponenciales que hacen algo análogo al 'efecto mariposa' en meteorología: pequeños cambios en los datos llevan a notables cambios en la predicción", explica Jorge Mira.

En el caso de la Covid-19, esa variabilidad de los datos es originada "por la falta de homogeneidad en las medidas políticas entre diferentes territorios, la respuesta social ante esas medidas, e incluso por la manera de manejar los datos por parte de las administraciones públicas, con diferentes criterios en su recogida y publicación". Los autores desarrollaron un sistema que explorara el comportamiento de las pandemias en casos anteriores y buscara patrones en los datos actuales de manera que, de detectarse alguna semejanza, la evolución del pasado pudiera ayudar a predecir el presente. El problema radicaba en que, en el caso de una nueva pandemia como la Covid-19, "no hay librería" de casos pasados.

Los autores diseñaron entonces un nuevo método que construyera una "librería" que permitiera comparar zonas geográficas en las que se dieran esas coincidencias. El equipo testamentó con éxito esta técnica en lo relativo al virus de la gripe a partir de los datos proporcionados por el Instituto de Salud Carlos III, entre los años 2000 y 2020, de quince comunidades autónomas, así como de las ciudades autónomas de Ceuta y Melilla.

A continuación, a partir de la misma fuente oficial, evaluaron el caso de la Covid-19 desde el inicio de la pandemia y hasta abril de 2021, con la toma en consideración de las diferentes olas. En concreto, cuantificaron cuántas veces, a la hora de elaborar las predicciones, un determinado territorio reproduce patrones tomados de la serie temporal del resto de regiones, asumiendo que la dinámica de esta región está relacionada con las demás. También cuantificaron cuántas veces reproduce tendencias de su propia serie temporal, lo que remarca que la dinámica de este territorio es diferente a los demás. Igualmente, construyeron redes de gripe y Covid-19 para comprobar posibles coincidencias en la distribución geográfica de las dos enfermedades.