Articulo de referencia

Sim de Covid

CovidSim es un modelo epidemiológico para la COVID-19 desarrollado por el Equipo de Respuesta a la COVID-19 del Imperial College , dirigido por Neil Ferguson . [ 1 ] El estudio ...

CovidSim es un modelo epidemiológico para la COVID-19 desarrollado por el Equipo de Respuesta a la COVID-19 del Imperial College , dirigido por Neil Ferguson . [ 1 ] El estudio del Imperial College aborda la pregunta: Si la supresión completa no es factible, ¿cuál es la mejor estrategia que combine la supresión incompleta y el control, que sea factible y conduzca a resultados aceptables? [ 2 ]

Historia

CovidSim es un modelo basado en agentes y se basó en un modelo de influenza anterior. [ 3 ]

El código fuente del modelo se construyó inicialmente alrededor de 2005. [ 4 ]

Informar las decisiones políticas

Para el primer ministro británico Boris Johnson , [ 4 ] fue, según David Adam escribiendo en The Atlantic , "un factor crítico que sacudió al gobierno del Reino Unido para que cambiara su política sobre la pandemia" y ordenara un confinamiento nacional para limitar la propagación del coronavirus. [ 5 ] [ 1 ] [ 6 ] [ 7 ]

Software

En mayo de 2020, se publicó en GitHub una versión derivada del código escrita en C++ . [ 8 ]

A partir de mayo de 2023 , la etiqueta de lanzamiento actual es v0.15.0. [ 9 ] Además, existe un paquete Anaconda con lanzamiento v0.8.0 [ 10 ]

El software debe distinguirse de la herramienta de análisis de escenarios COVID-19 del ICL (actualmente versión 4 [ 11 ] ), que se encuentra alojada en el dominio https://www.covidsim.org , pero según la documentación de la investigación se basa en el modelo combinado con un modelo squire , que es el modelo de transmisión subyacente en ausencia de vacunación. [ 12 ] [ 13 ] Se pueden encontrar más detalles en el Informe 33 del ICL . [ 14 ]

Revisiones de código y opiniones de expertos

Tenga en cuenta que el modelo mencionado se distribuye con una lista de advertencias e información para el usuario, por ejemplo, falta de soporte, naturaleza/núcleo estocástico, criticidad de los parámetros de entrada, etc. [ 15 ] [ 16 ]

Solvencia

El programador estadounidense John Carmack declaró en abril de 2020 que trabajó en el código antes de su publicación, cuando era un único archivo de programación en lenguaje C de 15 000 líneas y "algunas de las funciones parecían traducidas automáticamente de Fortran ", pero que "superó con creces la serie de herramientas de análisis de código a las que lo sometí que muchos códigos más modernos". [ 17 ] [ 18 ]

deficiencias

New Scientist informó en marzo de 2020 que un grupo del New England Complex Systems Institute que revisaba el modelo sugirió que contenía "errores sistemáticos". [ 19 ] [ 20 ] El periódico británico The Telegraph informó que algunos ingenieros de software que revisaron el nuevo código lo calificaron de "totalmente poco fiable" y un "desastre lleno de errores". [ 21 ]

En opinión del científico informático de la Universidad de Oxford , Michael Wooldridge , el código fue "desarrollado sin la formalidad ni el rigor" de los productos profesionales, lo cual no es inusual en el software de investigación y a menudo está pensado para que no sea comprendido por terceros o para ser reutilizado; y "si bien las extensas críticas sobre las prácticas laxas de ingeniería de software quizás estén justificadas, no presentaba fallas fundamentales". [ 22 ]

Características del modelo

Reproducibilidad

Una revisión independiente realizada por Codecheck, dirigida por el Dr. Stephen Eglen de la Universidad de Cambridge, confirmó que pudieron reproducir los hallazgos clave del informe del equipo de respuesta utilizando el software. [ 17 ] [ 23 ] [ 24 ] Un editorial de junio de 2020 en Nature declaró que el código fuente original de CovidSim cumplía con los requisitos de reproducibilidad científica . [ 25 ]

Incertidumbre

Existe investigación adicional para identificar las siguientes tres fuentes de incertidumbre en la simulación: [ 26 ] [ 27 ] incertidumbre paramétrica, incertidumbre de la estructura del modelo e incertidumbre del escenario: [ 28 ] El resultado de la simulación depende críticamente de las entradas y puede cambiar hasta un 300% en función de 940 parámetros, de los cuales 19 se consideran los más sensibles. Por lo tanto, es necesario comprender la incertidumbre de la estructura del modelo y del escenario. [ 28 ]

Los resultados obtenidos por Imperial utilizando el modelo son consistentes con otros modelos que hacen suposiciones similares. [ 2 ]

Extensibilidad

La calibración del modelo se ha visto obstaculizada por la falta de pruebas, especialmente por el escaso conocimiento de la prevalencia de la infección asintomática; sin embargo, el equipo del Imperial College parte de supuestos razonables . La dependencia del modelo de una representación simplificada de las interacciones sociales limita su aplicabilidad a contrafactuales. Cabe esperar que las conclusiones generales basadas en dicho modelo sean similares a las de un modelo compartimental simple. [ 2 ]

  • Se están realizando investigaciones adicionales basadas en el modelo, por ejemplo, para simular el efecto del cierre de escuelas en la mortalidad. [ 29 ]
  • Wouter Edeling et al. contribuyeron con un complemento FabSim3 llamado FabCovidSim , [ 30 ] [ 31 ] que se basa en EasyVVUQ , una biblioteca de Python 3 para facilitar la verificación, validación y cuantificación de la incertidumbre (VVUQ) para una amplia variedad de simulaciones. [ 32 ] [ 33 ]
  • En una publicación reciente en MedRxiv , que ahora ha sido aceptada por BMJ Open por Laydon et al., los autores utilizan el modelo para "Medir los efectos del sistema de niveles en la pandemia de COVID-19 en el Reino Unido entre el primer y el segundo confinamiento nacional, antes de la aparición de la variante B.1.1.7 de preocupación" y concluyen que "...se requieren intervenciones al menos tan estrictas como el Nivel 3 para suprimir la transmisión, especialmente considerando variantes más transmisibles, al menos hasta que la vacunación efectiva esté generalizada o se haya acumulado una inmunidad poblacional mucho mayor". [ 34 ]

Véase también

Referencias

  1. 1 2 Adam D (abril de 2020). "Informe especial: Las simulaciones que impulsan la respuesta mundial a la COVID-19" . Nature . 580 ( 7803): 316–318 . Bibcode : 2020Natur.580..316A . doi : 10.1038/d41586-020-01003-6 . PMID 32242115. S2CID 214771531 .  
  2. 1 2 3 Eubank S, Eckstrand I, Lewis B, Venkatramanan S, Marathe M, Barrett CL (abril de 2020). "Comentario sobre Ferguson, et al., "Impacto de las intervenciones no farmacéuticas (INF) para reducir la mortalidad por COVID-19 y la demanda de atención médica"" . Boletín de Biología Matemática . 82 (4) 52. doi : 10.1007/s11538-020-00726-x . PMC 7140590 . PMID 32270376 .   El texto se copió de esta fuente, que está disponible bajo una licencia Creative Commons Attribution 4.0 International .
  3. Panovska-Griffiths J, Kerr CC, Waites W, Stuart RM (enero de 2021). «Modelado matemático como herramienta para la toma de decisiones políticas: Aplicaciones a la pandemia de COVID-19» . Handbook of Statistics . 44 : 291–326 . doi : 10.1016/bs.host.2020.12.001 . ISBN 978-0-323-85200-5. PMC 7857083 . 
  4. 1 2 Bostock B (25 de abril de 2020), "Cómo el 'Profesor Lockdown' ayudó a salvar decenas de miles de vidas en todo el mundo y llevó la COVID-19 a Downing Street" , Business Insider
  5. "Informe 9 - Impacto de las intervenciones no farmacéuticas (INF) para reducir la mortalidad por COVID-19 y la demanda de atención médica" . Imperial College London . Consultado el 10 de marzo de 2021 .
  6. Kelland K (17 de marzo de 2020). "Un estudio preocupante sobre el coronavirus impulsó a Gran Bretaña a endurecer su enfoque" . Reuters.
  7. Tufekci Z (2 de abril de 2020). "No crean en los modelos de COVID-19. No están hechos para eso" . The Atlantic .
  8. mrc-ide/covid-sim , Centro MRC para el Análisis Global de Enfermedades Infecciosas, 8 de marzo de 2021 , consultado el 9 de marzo de 2021
  9. "Versión v0.15.0 · mrc-ide/covid-sim" . GitHub . Consultado el 5 de abril de 2021 .
  10. "Covid Sim :: Anaconda.org" . anaconda.org . Consultado el 5 de abril de 2021 . 
  11. "Análisis de escenarios de Covid-19" . covidsim.org . Consultado el 5 de abril de 2021 .
  12. "Modelo de transmisión SEIR de COVID-19" . mrc-ide.github.io . Consultado el 5 de abril de 2021 .
  13. Consultoría, Bio Nano. "Análisis de escenarios de Covid-19" . covidsim.org . Consultado el 5 de abril de 2021 .
  14. "Informe 33 - Modelización de la asignación y el impacto de una vacuna contra la COVID-19" . Imperial College London . Consultado el 5 de abril de 2021 .
  15. "mrc-ide/covid-sim" . GitHub . Consultado el 5 de abril de 2021 .
  16. "Herramientas de planificación para la COVID-19" . Imperial College London . Consultado el 5 de abril de 2021 .
  17. 1 2 Scheuber A, van Elsland SL (junio de 2020). "Codecheck confirma la reproducibilidad de los resultados del modelo COVID-19" . Imperial News . Imperial College London . Recuperado el 10 de marzo de 2021 .
  18. @ID_AA_Carmack (27 de abril de 2020). "Antes de que el equipo de GitHub comenzara a trabajar en el código, era un único archivo C de 15k líneas en el que se había trabajado durante una década, y algunas de las funciones parecían haber sido traducidas automáticamente de Fortran" ( Tweet ) vía Twitter .
  19. Shen C, Taleb NN, Bar-Yam Y (17 de marzo de 2020). "Revisión de Ferguson et al. "Impacto de las intervenciones no farmacéuticas..."" . Instituto de Sistemas Complejos de Nueva Inglaterra . Consultado el 13 de marzo de 2021 .
  20. Hamzelou J (23 de marzo de 2020), "El asesoramiento científico del Reino Unido sobre el coronavirus es motivo de preocupación" , New Scientist
  21. Boland H (16 de mayo de 2020). "La codificación que provocó el confinamiento era 'totalmente poco fiable' y un 'desastre lleno de errores', según los expertos" . The Telegraph . Consultado el 22 de mayo de 2020 .
  22. Wooldridge M. "El software que provocó el confinamiento" . cacm.acm.org . Consultado el 9 de marzo de 2021 .
  23. "Codecheck confirma la reproducibilidad de los resultados del modelo COVID-19" . Mirage News . 2 de junio de 2020. Consultado el 6 de junio de 2020 .
  24. Eglen SJ (29 de mayo de 2020). "Certificado CODECHECK 2020-010" . Ginebra, Suiza. doi : 10.5281/zenodo.3865491 . Consultado el 14 de octubre de 2020 .{{cite journal}}: La cita de la revista requiere |journal=( ayuda ) Informe en PDF disponible.
  25. Singh Chawla D (junio de 2020). " La simulación del coronavirus criticada recibe el visto bueno de los esfuerzos de verificación de código" (PDF) . Nature . 582 (7812): 323–324 . Bibcode : 2020Natur.582..323S . doi : 10.1038/d41586-020-01685-y . PMID 32546864. S2CID 219700526. Recuperado el 14 de octubre de 2020 .  
  26. Winsberg E (2019), "Computer Simulations in Science" , en Zalta EN (ed.), The Stanford Encyclopedia of Philosophy ( edición de invierno de 2019), Metaphysics Research Lab, Stanford University , consultado el 9 de marzo de 2021. 
  27. Leung K, Wu JT (febrero de 2021). "Cuantificando la incertidumbre de CovidSim" . Nature Computational Science . 1 (2): 98– 99. doi : 10.1038/s43588-021-00031-0 . ISSN 2662-8457 . PMID 38217225 .  
  28. 1 2 Edeling W, Arabnejad H, Sinclair R, Suleimenova D, Gopalakrishnan K, Bosak B, et al. (febrero de 2021). "El impacto de la incertidumbre en las predicciones del código epidemiológico CovidSim" . Nature Computational Science . 1 (2): 128– 135. doi : 10.1038/s43588-021-00028-9 . hdl : 11245.1/4bf2b164-6e12-40aa-93f0-54e41abf1d42 . PMID 38217226 .  
  29. Rice K, Wynne B, Martin V, Ackland GJ (octubre de 2020). "Efecto del cierre de escuelas en la mortalidad por la enfermedad del coronavirus 2019: predicciones antiguas y nuevas" . BMJ . 371 m3588 . doi : 10.1136/bmj.m3588 . PMC 7536648. PMID 33028597 .  
  30. "Un conjunto de herramientas de automatización para tareas de simulación complejas: documentación de la versión inicial de FabSim3" . fabsim3.readthedocs.io . Consultado el 2 de abril de 2021 .
  31. Wouter Edeling; Hamid Arabnejad; Robert C Sinclair; Diana Suleimenova; Krishnakumar Gopalakrishnan; Bartosz Bosak; Derek Groen; Imran Mahmood Qureshi Hashmi; Daan Crommelin (16 de enero de 2021), FabCovidSim , doi : 10.5281/zenodo.4445290 , consultado el 2 de abril de 2021
  32. Richardson, Robin A.; Wright, David W.; Edeling, Wouter; Jancauskas, Vytautas; Lakhlili, Jalal; Coveney, Peter V. (2020-04-29). "EasyVVUQ: Una biblioteca para verificación, validación y cuantificación de la incertidumbre en computación de alto rendimiento" . Journal of Open Research Software . 8 : 11. doi : 10.5334/jors.303 . ISSN 2049-9647 . 
  33. "wedeling/EasyVVUQ" . GitHub . Consultado el 2 de abril de 2021 .
  34. Laydon, Daniel J.; Mishra, Swapnil; Hinsley, Wes R.; Samartsidis, Pantelis; Flaxman, Seth; Gandy, Axel; Ferguson, Neil M.; Bhatt, Samir (2021). "Modelado del impacto del sistema de niveles en la transmisión del SARS-CoV-2 en el Reino Unido entre el primer y el segundo confinamiento nacional" . BMJ Open . 11 (4) e050346. doi : 10.1136/bmjopen-2021-050346 . medRxiv 10.1101/2021.02.23.21252277v1 . PMID 33888533 .  

Lecturas adicionales

  • Schneider KA, Ngwa GA, Schwehm M, Eichner L, Eichner M (noviembre de 2020). "La herramienta de simulación de preparación para la pandemia de COVID-19: CovidSIM" . BMC Infectious Diseases . 20 (1) 859. doi : 10.1186/s12879-020-05566-7 . PMC 7675392. PMID 33213360 .  
  • covid-sim en GitHub
  • Informe covid-report9 de CodeCheckers en GitHub