Un estudo de investigadores da USC permite calcular niveis de risco ante a COVID por localidades e permite establecer medidas previas á chegada dunha vaga
O Eixo Atlántico e as súas áreas periurbanas máis poboadas son as zonas máis vulnerables á COVID en Galicia. Así o conclúe o estudo que físicos e xeógrafos da Universidade de Santiago de Compostela (USC) elaboraron nos últimos meses e que veñen de publicar na revista Scientific reports. Unha investigación sobre a incidencia e expansión do coronavirus no país que permite calcular os niveis de risco de cada localidade analizada e, por tanto, determinar con anterioridade á aparición dunha vaga epidemiolóxica que zonas a afrontan con maior vulnerabilidade e, xa que logo, poder establecer actuacións preventivas.
A través da "incorporación de información estrutural xeográfica relevante nun modelo matemático", como explica a USC, logo de analizar a distribución xeográfica da incidencia acumulada da COVID, os investigadores logran asignar un factor de risco a cada un dos municipios galegos, achegando resultados que "poderían ser usados no deseño de políticas de prevención acaídas para conter a expansión do virus".
O estudo, publicado baixo o título ‘Risk evaluation at municipality level of a COVID-19 outbreak incorporating relevant geographic data: the study case of Galicia’, "analiza posibles escenarios con diferentes medidas de confinamento que permitan evitar gromos epidémicos en localidades con alto risco”, explican os autores do artigo, os investigadores do grupo de Investigación Análise Territorial do Instituto de Estudos e Desenvolvemento de Galicia (Idega) da USC, Ángel Miramontes e José Balsa Barreiro, xunto cos científicos do grupo de Fisca non Lineal Alberto P. Muñuzuri, Alejandro Carballosa e David García Selfa.
O estudo permite determinar os puntos onde hai que reforzar o sistema sanitario polo maior risco de gromos ou establecer diferentes medidas de confinamento
Ademais, o estudo —localizado en Galicia e centrado nas dúas primeiras vagas da pandemia— ten resultados "facilmente extrapolables a outras contornas" e determina os puntos onde hai que reforzar o sistema sanitario posto que é onde máis risco de gromos hai.
O traballo aborda os datos facilitados polo Sergas dende o inicio da pandemia ata o 30 de xuño de 2020 e a base de datos conta con 10.853 casos coas súas correspondentes localizacións. “O punto xeográfico no que se orixina cada caso permite avaliar a distribución da enfermidade e comprender a súa dinámica espacial”, explican os investigadores, que constatan que a propagación xeográfica do virus foi máis significativa no sector occidental urbano do Eixo Atlántico, especialmente nas zonas próximas ás principais cidades.
As zonas máis vulnerables e con maior propagación do virus son as áreas do Eixo Atlántico próximas ás cidades
“Observamos como as áreas periurbanas que rodean as principais cidades adquiren maior protagonismo. Isto explícase porque nestas zonas é onde reside a maior parte da xente (zonas residenciais), pero tamén onde se concentran maioritariamente as actividades industriais. Polo tanto, estes espazos presentan un maior dinamismo baseado nun maior número de interaccións”, explican.
A comprobación dos datos permitiu determinar que onde se producían gromos máis habitualmente eran tamén aquelas localidades sinaladas antes como de alto risco. Cos datos sobre a conexión entre zonas ou a actividade económica elaborouse un modelo matemático para logo calcular o factor de risco que determina a facilidade coa que se pode espallar unha infección en determinadas áreas.
Así, o estudo aclara tamén que son as localidades do interior de Lugo e Ourense as que presentan un risco menor, aínda que os investigadores matizan que cando falan de risco non o fan como se fose unha certeza absoluta. En plena pandemia, aclaran, “pode ocorrer que un núcleo con baixo risco experimente un gromo antes que outra localidade con alto risco” debido a factores incontrolables —por exemplo, a visita dunha familia contaxiada— que non son previsibles nin se poden incorporar nos modelos.
