Resumo

HERRERA-MARIN, Mauricio-René; VERGARA-PERUCICH, Francisco; AGUIRRE-NUNEZ, Carlos  e  GODOY-FAUNDEZ, Alex. Descubriendo patrones de propagación del SARS-CoV-2 en áreas metropolitanas. Rev. Fac. ing. [online]. 2023, vol.32, n.66, e16457.  Epub 31-Dez-2023. ISSN 0121-1129.  https://doi.org/10.19053/01211129.v32.n66.2023.16457.

La propagación del COVID-19 ha sido extensamente estudiada, pero las dinámicas intrincadas de su transmisión en áreas urbanas interdependientes y segregadas, limitadas por restricciones de movilidad, aún no se comprenden completamente. La naturaleza dinámica y adaptativa de la pandemia implica que la propagación del virus está influenciada por diversos factores que operan de manera dispar en áreas urbanas con roles distintos. Este estudio investiga los patrones dinámicos de propagación de COVID-19 en el Área Metropolitana de Santiago (AMS), Chile, utilizando variables explicativas relacionadas con la movilidad urbana, características socioespaciales, segregación y medidas sanitarias. Utilizando datos de movilidad públicos, se emplearon dos índices: el Índice de Movilidad Interna (que captura viajes individuales dentro de una comuna de la ciudad) y el Índice de Movilidad Externa (que indica viajes que cruzan las fronteras de la comuna). Estos índices se derivaron de datos de geolocalización registrados por la red de antenas de telefonía celular de la empresa Telefónica, que rastrea transiciones sucesivas de antenas durante los viajes. El análisis abarca un patrón pandémico de tres etapas correspondientes a los períodos antes, durante y después de un confinamiento inicial en el primer año de la pandemia. Se utilizaron modelos de regresión con penalización Elastic-Net, que permiten seleccionar características y gestionar predictores altamente correlacionados, manteniendo al mismo tiempo la interpretabilidad de los modelos. Estos emplean una combinación de regularización L1 (Ridge) y L2 (Lasso) en la optimización de la verosimilitud. La penalización Ridge contrae los coeficientes de predictores correlacionados entre sí, mientras que la penalización Lasso tiende a seleccionar un subconjunto de coeficientes, asociados a predictores específicos, y descartar los demás. El análisis revela influencias distintas de varios subconjuntos de variables explicativas a lo largo de la pandemia. Es importante destacar que el estudio proporciona evidencia que justifica los resultados subóptimos de la cuarentena dinámica impuesta por las autoridades. Las restricciones de movilidad se implementaron sin tener en cuenta adecuadamente los factores contextuales intrincados, afectando negativamente a áreas vulnerables de la ciudad.

Palavras-chave : dinámica de propagación COVID-19; dinámica urbana; indicadores de movilidad; regresión variable en el tiempo; regularización elastic-net.

        · resumo em Português | Inglês     · texto em Inglês     · Inglês ( pdf )