Fecha
Fuente
Tendencias 21

Las pandemias se expanden igual que las noticias falsas en Internet

Las epidemias se expanden por la sociedad de la misma forma que las noticias falsas en las redes sociales: para prevenir su expansión hay que tener en cuenta los cambios evolutivos que sufren los virus y las fake news

La evolución de una epidemia, como la que representa el coronavirus COVID-19, no puede seguirse únicamente con modelos matemáticos complejos.

Según una investigación de la universidad Carnegie Mellon publicada en PNAS, es preciso también tener en cuenta los cambios evolutivos que pueden producirse en el patógeno causante de la epidemia.

Los modelos matemáticos calculan el alcance de la propagación de un virus y el alcance de su propagación.

Prever el impacto que un patógeno puede tener en la población  permite adelantarse a los hechos y diseñar alternativas para resolver el problema.

No obstante, cuando un patógeno cambia de forma imprevista (porque el virus muta o modifica su patrón de comportamiento) es difícil prever  la evolución de la enfermedad.

Por este motivo, los autores de esta investigación plantean la necesidad de incorporar al seguimiento de una epidemia o pandemia, el proceso evolutivo en el que está implicado el patógeno.

“Si no se consideran los posibles cambios con el tiempo, habrá errores al predecir el número de personas que se enfermarán”, explica Osman Yagan, uno de los autores de esta investigación.

Precisa que la evolución no puede ser ignorada cuando se busca anticipar el impacto y la propagación de un virus, que son claves para la correcta gestión de una pandemia.

Redes sociales como marco

Para llegar a esta conclusión los investigadores se han apoyado en las redes sociales porque reflejan el mismo comportamiento de las epidemias cuando difunden rumores falsos.

Explican que esas noticias falsas sufren en las redes sociales mutaciones parecidas a las de los virus en la vida real, ya que a veces se desarrollan orgánicamente (se hacen virales) gracias a los cambios que le van añadiendo los usuarios para hacerla más creíble o simpática.

Lo que hicieron los investigadores fue desarrollar un modelo matemático que tuviera en cuenta todos los cambios evolutivos que se producen en la información falsa de las redes sociales.

Luego contrastaron ese modelo de propagación de información falsa frecuente en las redes, con miles de epidemias virales simuladas por ordenador que fueron introducidas también en redes sociales.

Para este experimento se valieron de dos redes sociales concretas: una de contacto entre estudiantes, maestros y personal de una escuela secundaria de EE.UU., y otra de contacto entre personal y pacientes en un hospital en Lyon, Francia.

Resultados concluyentes

Analizando lo que pasaba en ambas redes con la información introducida sobre las epidemias, sometida a cambios similares a los que ocurren con las noticias falsas, los investigadores comprobaron que, sin tener en cuenta esos cambios, es imposible anticipar con exactitud cómo va a viralizar esa información.

En términos médicos, eso significa que si los modelos tradicionales no consideran las adaptaciones evolutivas, tampoco pueden predecir la probabilidad de aparición y expansión de una enfermedad en la sociedad.

También confirmaron que los cambios evolutivos que sufren, tanto las informaciones falsas que circulan por las redes sociales, como los virus en la vida real, tienen un gran impacto en la evolución de las epidemias en la sociedad.

Concluyen que si no se tienen en cuenta estos factores evolutivos, el cálculo del número de personas que se enfermarán (o  quedarán expuestas a una información falsa en las redes sociales) siempre será erróneo.

Si bien este estudio no demuestra cómo prevenir las fake news ni tampoco como evitar una epidemia, introduce un factor crítico para hacer previsiones fiables de la evolución de una enfermedad como el COVID-19 que ahora afecta a la sociedad global.


Referencia bibliográfica:

The effects of evolutionary adaptations on spreading processes in complex networks. Rashad Eletreby et al. PNAS March 17, 2020 117 (11) 5664-5670. DOI:https://doi.org/10.1073/pnas.1918529117

Añadir nuevo comentario

El contenido de este campo se mantiene privado y no se mostrará públicamente.
Para el envío de comentarios, Ud. deberá rellenar todos los campos solicitados. Así mismo, le informamos que su nombre aparecerá publicado junto con su comentario, por lo que en caso que no quiera que se publique, le sugerimos introduzca un alias.

Normas de uso:

  • Las opiniones vertidas serán responsabilidad de su autor y en ningún caso de www.madrimasd.org,
  • No se admitirán comentarios contrarios a las leyes españolas o buen uso.
  • El administrador podrá eliminar comentarios no apropiados, intentando respetar siempre el derecho a la libertad de expresión.
CAPTCHA
Enter the characters shown in the image.
Esta pregunta es para probar si usted es un visitante humano o no y para evitar envíos automáticos de spam.