Responsable: Manuel Hernández.

Colaboradores: Daniel Hernández, Verónica Velázquez, Humberto Pedraza.

Proyecto elaborado en colaboración con los Institutos de Geografía y de Investigaciones en Matemáticas Aplicadas y en Sistemas, para la modelación temporal y geográfica de contagios de COVID-19 basándose en las ecuaciones del modelo SIR epidemiológico y en los datos de población, contagios reportados y datos climáticos de 205 ciudades/regiones del mundo distribuidas en 21 países.

Se obtuvo mediante técnicas de Machine Learning un modelo lineal del parámetro beta que sirve para evaluar la tasa de contagios de una epidemia. Se concluyó que la tasa de contagios se incrementa por la humedad, el bajo índice Ultravioleta y la alta densidad de población. Se creó una base de datos de los contagios, los factores poblacionales y los factores climáticos que podrían incidir en favorecer o desfavorecer los contagios. Esta base se encuentra en: http://covid19.puec.unam.mx/datos/

Derivado de este estudio, se realizó un artículo que fue enviado a la revista Lancet Planetary Health, debido a que se encontraban saturados de artículos COVID, los editores de la revista pidieron nuestra autorización para enviarlo al portal de Social Sciences Research Network, y compartirlo con otras instituciones o revistas que lo solicitaran.

El artículo se encuentra en la página de Internet: Social Sciences Research Network en la dirección: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3688287

Publicado el 20 de octubre de 2020 y reportado como un artículo de alta lectura, con 1,238 lecturas de abstract y 84 descargas, al 15 de febrero del 2021.

El proyecto se concluyó en diciembre, con un reporte técnico del estudio completo, en idioma español, mismo que se presentó al Comité Asesor Interno del PUEC en enero de 2021, para su publicación.

Entidades participantes: PUEC, UNAM, Instituto de Geografía e Instituto de Investigaciones Matemáticas Aplicadas y en Sistemas, UNAM.

Fecha de inicio: febrero 2019 – diciembre 2020