Para saber cómo se mueven las personas en una gran ciudad durante una pandemia no hace falta que todos se instalen una app como Covid Radar, basta utilizar los datos anonimizados de sus teléfonos móviles para obtener un mapa de dónde van, cuánto tiempo pasan en cada lugar y por qué medios se mueven. Es lo que han hecho Jure Leskovec con los datos de 98 millones de personas en Estados Unidos entre el 1 de marzo y el 2 de mayo de 2020, durante la primera ola de la pandemia en la que se produjo una situación de máxima alerta y confinamiento.
En un trabajo publicado este martes en la revista Nature, los investigadores han combinado estos datos con los de la transmisión del SARS-CoV-2, lo que les permite identificar los lugares de mayor riesgo de contagio y elaborar un modelo que es capaz de predecir con gran precisión el número de casos detectados cada día en diez grandes ciudades como Nueva York, Chicago y San Francisco, a partir de los datos de movimiento e interacciones de sus habitantes.
Un 10% de los lugares analizados albergaron el 85% de los contagios
Según este modelo, los lugares de mayor riesgo de transmisión son los cafés, hoteles y restaurantes, así como los gimnasios y centros religiosos. Esto ya los indicaban los modelos epidemiológicos, pero este sistema tiene la capacidad de mostrar con bastante exactitud cuántas personas visitan un lugar cada hora, cuánto tiempo pasan de media en él y desde qué barrios lo hacen y cruzar esta información con el número de casos que detectan paralelamente los servicios sanitarios en las fechas posteriores. Modelizando estos valores, los autores del trabajo aseguran que pueden localizar las infecciones que ocurren cada hora en 553000 localizaciones y ofrecen datos muy relevantes, como que algunos de estos puntos son responsables de la mayoría de transmisiones. En el marea metropolitana de Chicago, por ejemplo, los investigadores han concluido que un 10% de los lugares albergaron el 85% de los contagios producidos en los puntos de interés.
El papel de la desigualdad
Uno de los aspectos más interesantes de este trabajo es que plasma de manera cristalina los motivos por los que se producen más contagios en las zonas de menor desarrollo socioeconómico de las ciudades. En los barrios con un menor nivel de ingresos residen un mayor número de trabajadores de primera línea y la reducción de la movilidad es considerablemente menor que en los barrios con más ingresos. Además, los lugares que visitan estas personas en su vida cotidiana son más pequeños y en ellos hay mucha más gente. Las tiendas de alimentación de las zonas más pobres, por ejemplo, tenían alrededor de un 59% más de personas por metro cuadrado que las de los barrios ricos, y sus clientes estaban un 17% más de tiempo de media en su interior.
Las tiendas de los barrios pobres tenían un 59% más de personas por metro cuadrado
En opinión del epidemiólogo Javier del Águila, que no ha participado en el trabajo, este estudio muestra con claridad cómo la reducción de la movilidad tiene un impacto muy importante en la incidencia pero su mayor valor es que revela el “impacto desproporcionado” que tiene la pandemia en unos grupos sociales en comparación con otros. “El haber utilizado microdatos como estos”, añade, “les permite incluso determinar patrones por barrios y estudiar las desigualdades. En otro país y contexto sería muy diferente, pero sí está claro que son las regiones más desfavorecidas (en renta y clase) las que se han visto más impactadas y las que menos han podido reducir sus movimientos, seguramente por no poder permitírselo”. Es muy llamativo, a su juicio, que en los supermercados de las zonas más desfavorecidas se concentren más personas, durante más tiempo, y que se den riesgos de infección de casi el doble comparado por los mismos locales de las zonas ricas. “Eso da que pensar”, asegura.
El estudio revela el “impacto desproporcionado” que tiene la pandemia en unos grupos sociales en comparación con otros
Los autores creen que toda esta información de movilidad urbana y el análisis de Big data aplicados a la pandemia puede ser muy útil a la hora de guiar las decisiones de las autoridades para reabrir las actividades con mayor efectividad y seguridad cuando pasan los periodos de mayor contagio. Si se usan estos modelos, aseguran, se observa qué negocios pueden reabrir sin incrementar el número de transmisiones y cuáles pueden reducirse para minimizar el impacto. Así, por ejemplo, los autores predicen que reduciendo a un 20% el aforo de los sitios más peligrosos, se podrían reducir un 80% los contagios pero solo un 42% el número total de visitantes.
Referencia: Mobility network models of COVID-19 explain inequities and inform reopening (Nature) DOI 10.1038/s41586-020-2923-3
