El mes pasado, a pesar de las trágicas consecuencias del huracán Sandy, una cosa se hizo evidente: los poderosos modelos climáticos ahora disponibles se han vuelto mejores y mejores para ayudar a los pronosticadores a predecir hacia dónde irán las tormentas como Sandy.
contenido relacionado
- Por qué Google Flu Trends no puede rastrear la gripe (todavía)
Esa tecnología es más útil que solo la predicción de tormentas. En un estudio publicado ayer en las Actas de la Academia Nacional de Ciencias, un par de investigadores han aprovechado esta tecnología para predecir la propagación de la gripe. Con datos en tiempo real de Google Flu Trends, sus modelos pueden pronosticar dónde, cuándo y con qué severidad ocurrirán los brotes de gripe estacional en todo el país.
"Los resultados indican que las predicciones hábiles en tiempo real del momento pico se pueden hacer más de siete semanas antes del pico real", escribe Jeffrey Shaman, científico ambiental de la Universidad de Columbia, y Alicia Karspeck del Centro Nacional de Investigación Atmosférica, en su papel "Este trabajo representa un paso inicial en el desarrollo de un sistema estadísticamente riguroso para el pronóstico en tiempo real de la influenza estacional". Si tales esperanzas se concretan, podría haber algo así como un sistema avanzado de advertencia de gripe ("se proyecta que las tasas de gripe aumenten en su área la próxima semana ") similar a los de huracanes y otros eventos climáticos severos.
Tanto el clima como la transmisión de la gripe son ejemplos de sistemas no lineales: aquellos en los que un pequeño cambio en las condiciones iniciales puede provocar un cambio enorme en los resultados. Al construir modelos climáticos, los científicos observan datos históricos sobre cómo este tipo de pequeños cambios (agua un poco más cálida en el Caribe, por ejemplo) han afectado los resultados (un huracán con mucha más fuerza cuando toca tierra en la costa este). Al asimilar años de datos y ejecutar innumerables simulaciones, pueden generar una predicción razonablemente precisa de las probabilidades de que ocurran eventos meteorológicos hipotéticos en un período de aproximadamente una semana.
En el nuevo estudio, los investigadores utilizaron principios derivados de estos modelos y los aplicaron a la propagación de la gripe. Para las entradas, además de las mediciones atmosféricas de temperatura, presión y viento, utilizaron Google Flu Trends, un servicio que proporciona datos en tiempo real sobre la transmisión de la gripe en todo el mundo al examinar de cerca los términos de búsqueda ingresados en Google. Si bien no todas las personas que buscan “gripe” necesariamente tienen influenza, los investigadores de Google han demostrado que los términos de búsqueda relacionados con la gripe pueden ser un indicador exacto de las tasas de transmisión de la gripe en todo el mundo, si muchas personas en un área en particular buscan de repente “gripe”, "Es una buena apuesta que la infección haya llegado en masa".
La influenza parece comportarse de acuerdo con principios probabilísticos que involucran condiciones atmosféricas similares al clima. Otros factores a considerar incluyen la densidad de población de un área. Al combinar factores como la humedad y la temperatura con los datos de Google y la información actual sobre la tasa de gripe mantenida por los hospitales, los investigadores pudieron desarrollar modelos que se aproximan a la forma en que se transmitió la gripe en los años transcurridos desde que los funcionarios llevaban un registro.
Para probar su modelo, los investigadores evaluaron los datos de la gripe de la ciudad de Nueva York de 2003 a 2008. Al ingresar datos sobre la transmisión de la gripe hasta un momento determinado y solicitar al modelo que proporcionara un pronóstico semanal de cómo se comportaría la gripe, pudieron producir pronósticos precisos de cuándo la infección alcanzaría su punto máximo, a veces hasta con siete semanas de anticipación. Además, al igual que con los modelos climáticos, el sistema puede distinguir entre varios escenarios diferentes y proporcionar estimaciones de la probabilidad de que ocurra cada uno.
Con un desarrollo continuo y datos en tiempo real como Google Flu Trends disponibles, este tipo de tecnología podría utilizarse teóricamente para generar un pronóstico de gripe para áreas locales, incluso a nivel de estado o ciudad.
