Location intelligence para combatir epidemias

Pues sí, esto también va del covid-19, pero no verás opiniones, consejos ni críticas. Tras colaborar con varios proyectos, he pensado describir cómo location intelligence, análisis espacial y simulación matemática se pueden o podrían aplicar a la monitorización, predicción y mitigación de epidemias. Intentando aportar algo…

Visualizar, monitorizar evolución de brotes

Es la aplicación más sencilla. Dado que la expansión de una enfermedad contagiosa tiene una componente espacial de gran peso, las tecnologías espaciales son idóneas para la elaboración de cuadros de mando. Ejemplos son:

• Coronavirus COVID-19 Global Cases by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU)
• OMS: Novel Coronavirus (COVID-19) Situation

Ambos dashboards utilizan tecnología ESRI Arcgis online.

Location intelligence para anticipar y corregir saturación de recursos sanitarios

Una epidemia con alta tasa de contagio puede amenaza con superar la capacidad de respuesta del sistema sanitario y asistencial, que no está preparado para una propagación tan rápida. El análisis espacial es de gran utilidad para:

• identificar áreas de alto riesgo de saturación, donde la propagación de la epidema puede superar la capacidad de absorción de los recursos asignados -hospitales, principalmente-
• reasignar recursos a zonas, redefiniendo las áreas y zonas básicas de salud con técnicas de territorios de servicio óptimos, redistricting
• ubicación óptima de recursos provisionales -hospitales de campaña- en función de la necesidad y cobertura de recursos por áreas
• analizar y optimizar la cadena logística de suministro a los centros sanitarios, en un contexto en que tiempo y recursos son muy escasos

Location intelligence para identificar áreas y población vulnerables al covid-19

Identificar dónde se concentra población vulnerable es otra aplicación de las tecnologías de información geográfica, entendida en dos sentidos:

• vulnerabilidad a la enfermedad, grupos sociales con mayor tasa de contagio o tasa de mortalidad -en el caso del covid-19 ancianos, personal sanitario, asistencial, limpieza de centros sanitarios-
• vulnerabilidad a las medidas de mitigación, como las normas de distancia social que limitan o prohiben desplazamientos, y dejan grupos sociales desprovistos de un soporte social que les es necesario -de nuevo ancianos, pero también dependientes, minusválidos en hábitat diseminado, sin acceso a servicios…-

El análisis de datos sociodemográficos con alta precisión espacial , muchos de ellos de fuentes administrativas y gratuitos, permite identificar este tipo de áreas . En la imagen, tipología de hábitat, centralidad urbana vs periferia rural, diseminado.

Location intelligence y ubicación óptima de recursos de emergencia

La ubicación de recursos e infraestructuras provisionales puede también beneficiarse del análisis del territorio, atendiendo tanto a población vulnerable como a zonas de paso, transeúntes. Estas últimas pueden combinarse con simulación de comportamientos en función de diferentes niveles de restricción.

Ubicación de hospitales de campañas, puntos de control de densidad de tráfico peatonal, puntos de selección de candidatos a tests o ubicaciones seguras aisladas para realización de tests rápidos son algunos casos de ubicación óptima y optimización de recursos que la analítica espacial resuelve.

La imagen muestra una aplicación con este fin, desarrollada en Rumanía sobre tecnología Carto.

Análisis espacial para predecir la propagación a nivel local

Las técnicas de predicción e interpolación espacial permiten, a partir de datos epidemiológicos macro, estimar situación y evolución a nivel micro, a partir de prevalencias generales o muestras de casos -que pueden derivarse de información oficial, apps desarrolladas para la epidemia…-.

Existe software de código abierto para interpolación, clustering y predicción espacial, como Geoda, desarrollado por la Universidad de Chicago. También metodologías como spatial S-I-R epidemic model, específicas de análisis epidemiológico -no soy en absoluto experto en ellas-.

Modelización espacial y escenarios de restricción del contacto social

Para el final dejamos el último paso en el procedimiento de control, mitigación de una epidemia. ¿Cómo se vuelve a la normalidad? Cuando los esfuerzos se han centrado, como en el caso del covid-19 en España, en ralentizar una tasa de contagio muy alta con medidas muy restrictivas del contacto social, es claro el peligro: si, una vez sometida la tendencia a crecimiento exponencial, se levantan las medidas de golpe, es seguro que los contagios se volverán a disparar, poniendo en marcha una nueva espiral de saturación de recursos, escasez humana y material…

Lo ideal entonces sería contar con sistemas de simulación del comportamiento humano, y como resultado, del contagio, en función de la aplicación o levantamiento de medidas retrictivas. Algunos ejemplos serían: apertura de colegios, parques infantiles, espectáculos, límite de aforo en transportes públicos, fórmulas mixtas presencial-teletrabajo en empresas…

Un sistema de simulación geo-estadística permitiría, dentro de unos rangos de probabilidad, predecir los resultados, en términos de movilidad – contacto social, y por tanto de contagio, de adoptar diferentes medidas, contando con la interacción entre las mismas.

Por ejemplo, en un escenario de reapertura de comercios y autorización de salida temporal con niños, para deporte, pero no escuelas o bares, determinados tramos de vía y espacios públicos -parques, playas, plazas- presentarían un riesgo alto de saturación. Esta simulación permitiría anticiparse y dedicar recursos a dichos puntos -tests rápidos, cierre o regulación de calles, control de aforos…-

Esto es solo una propuesta, carezco de experiencia y no conozco casos reales, pero sería factible combinando la estadística epidemiológica con la simulación de movilidad que hemos utilizado en modelización de tráfico peatonal.

La imagen muestra cómo la diferencia de desplazamientos peatonales de transporte público a trabajo versos desplazamientos de residencia a hostelería. Diferentes escenarios de restricción parcial pueden simularse con este tipo de técnicas.

No he encontrado ejemplos de este tipo de análisis, pero sí modelización de diferentes escenarios de aislamiento y análisis de su efectividad no solo en términos de su mitigación en primera oleada sino modelizando, también, segunda oleada al levantar restricciones:

El Centro de Modelos Matemáticos de Enfermedades Infecciosas de la Escuela de Higiene y Medicina Tropical de Londres publicó este estudio publicado en The Lancet modeliza el caso de Wuhan, mediante un modelo susceptible-exposed-infected-removed (SEIR) estratificado por edad que contempla los tipos de mezcla social que se dan en diferentes actividades / lugares de cohabitación por edades.

El estudio concluye que el escenario óptimo para la región sería una recuperación escalonada del contacto social a primeros de abril, lo cual reduciría los contagios en un 92% en mitad de 2020 y 24% en el rebrote de final de 2020. Todo ello muy afectado, reconocen los autores, por la incertidumbre en el valor real de capacidad de contagio R0.

Otra aproximación muy interesante es la realizada por Esteban Moro y otros usando datos reales de movilidad, en un línea similar.

Nuño Domínguez publicó el 27 de marzo en El país un artículo sobre levantar restricciones de manera paulatina y efectiva, que me puso sobre la pista del modelo de The Lancet.

Sin embargo, no tengo noticia de aplicación de estas técnicas de modelización a simular escenarios de contagio en el tiempo a nivel local, microespacial. Es decir, yendo más allá de la estratificación por edad, a modelizar el número de personas que socializan en escuelas, trabajo, transporte público, comercios, parques infantiles, bares tomando en consideración la ubicación de estos puntos, así como los lugares de residencia de esta población.

Modelizando a nivel local se estimaría además la demanda a hospitales por áreas de salud, y se podría modular restricciones a nivel municipal o de barrio, reduciendo el impacto sobre la ciudadanía y la economía. Y pienso que hay una enorme oportunidad de hacerlo usando GIS, TIC y análisis espacial. Le daremos una pensada y os cuento si aterrizamos una metodología para ello. De momento es más una intuición y oportunidad, pero estamos en ello.

Si, además, se combina estas técnicas de simulación con datos de movilidad originados por operadoras de telefonía -el BOE de 27 de marzo encomienda a la SEAD adquisición y análisis de estos datos para toma de decisiones de movilidad-, los modelos podrían ser altamente precisos y enormemente útiles.

Simulación local de desescalada del confinamiento

(actualización 22-4-20). Como preveíamos en el párrafo anterior, el concepto «desescalada gradual del confinamiento» se ha vuelto esencial en la gestión de la epidemia y el debate en torno a ésta. En el fondo, es la misma problemática, y se beneficia de las mismas técnicas que describíamos hace unas semanas.

Entendemos que un área de aplicación poco usada y con grandes beneficios sería la simulación local, a nivel micro -tramo de vía, grid 100m, portal, POI- de comportamientos de la ciudadanía que se derivarían de cada medida que supone desconfinamiento parcial de la población.

Los parámetros que componen los escenarios posibles son muchos, así como los valores que podrían tomar. El impacto a nivel macro se calculará con los modelos epidemiológicos a nivel estatal, pero cada medida tendrá unas repercusiones «micro» con enorme variabilidad territorial. Algunos ejemplos serían:

• salida de niños, con tiempo y actividades limitados, por horarios, edades…
• ejercicio, deporte en solitario
• comercio de cierto tipo
• rural vs urbano, densidad de población, tipo de hábitat
• escuelas, extraescolares infantiles
• hostelería, con determinadas limitaciones de aforo, protección…

David Piles, experto en geomarketing y líder de Strageo mostraba cómo con location intelligence podemos analizar la presencia de niños por microzonas. Y así estimar cuántos niños están afectados por la situación, y cuántos se desplazarían al permitírseles la movilidad.

Nuestro enfoque de simulación espacial agregaría a esta visión residencial la componente de movilidad asociada: por dónde se desplazarían estos niños.

Otro ejemplo, sobre el eje urbanidad-ruralid, ampliamente debatido: nuestro modelo de urbanidad-centralidad clasifica el territorio en 11 tipos, a nivel de grid 100m. A partir de él podría seleccionarse áreas de escasa saturación, para posteriormente analizar y simular desplazamientos derivados del levantamiento parcial del confinamiento.

Aplicaciones y encuestas de autodiagnóstico de covid-19

El uso de apps móviles para la identificación de potenciales positivos, autodiagnóstico, cribaje, monitorización de contagio y análisis posterior de los datos ha sido intensamente debatido. Las implicaciones de protección de datos personales y privacidad son enormes, más tratándose de la salud de los ciudadanos.

De inicio, las apps garantizan totalmente el anonimato de los usuarios y en ningún caso se usan para controlar el cumplimiento de las normas de distancia social, pero ¿podría ser que , en circunstancias excepcionales como las presentes, se recurriera a datos de telefonía móvil para este tipo de control? No lo sé.

Nosotros hemos cedido nuestros datos sociodemográficos para una de éstas apps, Asistencia covid19 en la Comunidad de Madrid, desarrollada por CARTO entre otros, y los ofrecemos para cualquier otra iniciativa pública o de tercer sector en este sentido.

Un ejemplo de explotación de los datos de estas apps lo aporta STOP COVID 19 CAT, la aplicación desarrollada por la Generalitat de Catalunya, que muestra datos de contagiados en una cuadrícula de 300m.

Por otro lado, están las encuestas que recogen observaciones autoadministradas -el usuario decide contestar- de ciudadanos con o sin síntomas, con el objetivo de ampliar la muestra de observaciones, corrigiendo, por ejemplo, el sesgo de positivos a la baja que produce la falta de tests. En este sentido, hemos cedido nuestros datosa a Fundación IO y estaremos encantados de ponerlos a disposición de iniciativas similares.

Si conocéis casos de aplicación de analítica espacial avanzada en estos campos, comentad y compartid, por favor, pueden ser muy útiles. Gracias, y cuidaos.