Este website utiliza cookies propias y de terceros. Alguna de estas cookies sirven para realizar analíticas de visitas, otras para gestionar la publicidad y otras son necesarias para el correcto funcionamiento del sitio. Si continúa navegando o pulsa en aceptar, consideramos que acepta su uso. Puede obtener más información, o bien conocer cómo cambiar la configuración, en nuestra Política de cookies?
![]() ![]() |
![]() |
![]() ![]() ![]() ![]() |
![]() |
![]() |
![]() |
Sociedad |
![]() |
![]() |
![]() |
![]() |
![]() |
Hostelería y gimnasios, sitios de más contagios geo-locales Noviembre alcanza tras abril el mayor número de muertos por COVID en España, que acumula 45.069 ![]() ![]() ![]() ![]() Noviembre ha sido el segundo peor mes en muertos y el primero en número de contagios de toda la pandemia, con 275,5 por cada 100.000 habitantes y 300.000 infectados, de ellos 129.562 los últimos 14 días. En este mes repuntó el empleo (se espera 2% trimestral) y se supo que restaurantes, cafés, gimnasios son los lugares con mayoría de los contagios de COVID19 en las ciudades, como indicaban otros estudios y han confirmado las estadísticas norteamericanas de geolocalización en teléfonos móviles. ![]() Los 45.069 fallecidos y 1.648.187 infectados en España que se atribuye al COVID hasta el 30 de Noviembre, dentro de los respectivos totales mundiales de 1.463.349 muertos y 62.953.556 infectados, dejan en nuestro pais durante ese undécimo mes del año 9.000 fallecidos directamente por coronavirus en España, una media de 300 muertos al día, según las primeras estimaciones, lo que indicaría un 20% menos que del 4 al 10 de noviembre. La cifra de contagios lleva tres semanas bajando, desde el pico que se registró el 9 de noviembre, día en el que la incidencia acumulada alcanzó los 529 casos por 100.000 . La caída de casos confirmados está siendo especialmente acelerada en Navarra y Aragón. A principios de mes estaban por encima de los 1.000, al igual que en Cataluña. Son las comunidades con las restricciones más duras y más prolongadas. Expertos y sanitarios creen que hay un optimismo peligroso con esta tendencia a la baja y la llegada de las vacunas. En Europa ya está alertando del riesgo de relajarnos antes de tiempo y más aún con la Navidad. La semana pasada, el Centro Europeo de Control de Enfermedades publicó un informe en el que advierte de que levantar rápido y suavizar las restricciones provocará un aumento de casos y hospitalizaciones a partir de enero. Ya pasó en verano, en julio y agosto, y el problema es que ahora partimos de una situación mucho peor aunque estemos aplanando la curva. Aportaciones de lasestadísticas s norteamericanas de geolocalización en móviles
Los 98 millones de estadounidenses que han sido sometidos a un rastreo exhaustivo y anónimo en diez de las ciudades más grandes de ése país, como Nueva York, Chicago o Filadelfia ofrecieron como resultado que restaurantes, cafés, gimnasios son los lugares con mayoría de los contagios de covid-19. Estas primeras estadísticas de geolocalización como herramienta al servicio del control de la pandemia se conocieron a principios del mes de noviembre que ahora acaba, cuando en España gran parte de esos establecimientos han seguido abiertos aunque cn restricciones en la mayoría de las comunidades autónomas españolas.
Se trató de estudiar cómo afecta la movilidad de las personas a la transmisión del virus. Es lo que hicieron investigadores de la Universidad de Stanford y la Universidad de Northwestern durante los meses de marzo y abril, al comenzar la pandemia, si bien concluye que el cierre total de estos negocios no es necesario para mantener a raya al virus, siempre que mascarillas, distancia social y reducción de los aforos tengan un papel importante para mantener la epidemia bajo control y al mismo tiempo ofrecer beneficios económicos.
En esos meses no había las mismas medidas de prevención que hay ahora, sobre todo en Estados Unidos, donde el uso de mascarillas no era ni mucho menos masivo, ni se había implantado la reducción de aforo, aunque ya se había reducido mucho la movilidad. En el área metropolitana de Chicago, por ejemplo, las visitas a esos lugares (restaurantes, cafés o gimnasios) cayeron un 54% durante el mes de marzo.
Los resultados del estudio publicado en Nature concluyen también que “unos pocos puntos de interés “superdifusores” concentran la gran mayoría de las infecciones, y que restringir el aforo en esos puntos de interés es más eficaz que reducir uniformemente la movilidad”. Es decir, restringir la ocupación en esos lugares en concreto puede reducir más las tasas de infección que restringir la movilidad en general.
Pocos lugares, mucho contagio
Los investigadores advierten que “la pandemia de COVID-19 ha cambiado drásticamente los patrones de movilidad humana, por lo que se requieren modelos epidemiológicos que capten los efectos de esos cambios en la propagación del virus”. El suyo utiliza datos de teléfonos móviles para “mapear los movimientos por hora de 98 millones de personas desde distintos vecindarios a puntos de interés como restaurantes, gimnasios, cafés o centros religiosos”.
Para predecir cómo afectan sus movimientos a la propagación del virus, utilizaron sus datos de ubicación y los mapearon durante dos meses. Los investigadores observaron a qué lugares fueron, cuánto tiempo estuvieron y cuántas personas más estaban allí. Después, ajustaron el modelo a los datos reales sobre infecciones y vieron que podía predecir la trayectoria de la epidemia con mucha precisión, mejor que otros modelos.
El estudio concluye que la gran mayoría de las infecciones se concentraron en muy pocos sitios. En Chicago, por ejemplo, vieron que “el 10% de los lugares examinados concentraron el 85% de las infecciones”. Lo que muestra el modelo es eso, qué lugares son más vulnerables. Y sabiéndolo, trata de estimar el impacto que supondrían en diferentes estrategias de reapertura de la economía.
Restaurantes, el mayor riesgo
El objetivo es saber cuándo y cómo recuperar la actividad, y qué lugares representan un mayor riesgo. Los investigadores concluyen que “la reducción de la ocupación de ciertos lugares”, como restaurantes o gimnasios, “puede ser más eficaz que las medidas generales para frenar al virus, y además, no hacen tanto daño a la economía”.
El estudio simula diferentes escenarios de reapertura, y estudia sus efectos en la propagación del virus. Los investigadores vieron que abrir restaurantes a plena capacidad, por ejemplo, sin ninguna limitación, era lo que generaba el mayor aumento de infecciones. A los restaurantes seguían de cerca los gimnasios, los cafés, los hoteles y los centros religiosos.
Según su modelo, si Chicago hubiera reabierto totalmente los restaurantes el 1 de mayo (manteniendo la reducción de movimientos en todos los demás lugares), habría habido casi 600.000 infecciones adicionales durante ese mes. Y estiman que la reapertura de gimnasios habría producido 149.000 infecciones adicionales.
Pero también vieron, por ejemplo, que limitar la ocupación al 20% en los restaurantes reducía las infecciones previstas en más del 80%. Con datos como estos, los investigadores aseguran que su modelo puede ayudar a orientar las decisiones políticas en la reapertura económica y social, y a diseñar estrategias de control del virus más específicas.
De este modo, para la ciudad de Chicago –casi tres millones de habitantes en 2018– la investigación concluyó que la reapertura total de sus restaurantes causaría cerca de 600.000 nuevas infecciones, tres veces más que en otro tipo de locales. En general, el estudio asegura que el 10% de las ubicaciones examinadas eran responsables del 85% de los nuevos casos de COVID. Movilidad y desigualdad
El estudio apunta también otra importante conclusión. Las diferencias en los patrones de movilidad van asociadas a diferencias socioeconómicas y conllevan diferentes tasas de infección. La movilidad de las personas con menos recursos implica mayor riesgo de contagio. Y por eso, sus tasas de infección son más altas. Los autores del estudio consideran que sus resultados pueden explicar ésa desigualdad.
¿Por qué? Porque vieron que las personas que viven en zonas con bajos ingresos tienen menos opción de tele trabajar, lo que implica una mayor movilidad. Y porque las tiendas a las que acuden a por bienes de primera necesidad – lo que aquí serían los supermercados- son más pequeñas y están mucho más concurridas. Ambas cosas suponen un mayor riesgo de infección.
“Vemos que los grupos desfavorecidos no han podido reducir la movilidad tan drásticamente, y que los puntos de interés que visitan están más concurridos y, por lo tanto, presentan un mayor riesgo de infección”, leemos en el estudio. Un ejemplo: el supermercado tipo de los vecindarios con menos recursos tenía un 59% más de visitantes que uno de un barrio más rico.
¿Datos no comparables con España? Al publicarse este estudio se dijo que los datos son difícilmente extrapolables a España, aunque el Ministerio de Sanidad había estimado en octubre que cada brote en un restaurante español se traducía en 18 nuevos contagios, lo que situaba a la hostelería a la cabeza –después de las reuniones familiares– de las actividades que más infecciones generaban. Los modelos de Stanford y Northwestern también señalan –para el área metropolitana de Chicago– que recortar el aforo de esos lugares supercontagiadores al 20% reduce las nuevas infecciones previstas inicialmente en un 80%. De este modo, los autores del estudio sugieren que la reducción de la capacidad máxima de los restaurantes, como se hace en España, puede ofrecer un punto de equilibrio entre el control de la epidemia y la salvaguarda de los negocios. Por otro lado, en las zonas en las que se había constatado un mayor consumo en los supermercados se observaba una propagación más lenta del coronavirus, asociado a que, probablemente, las personas actuaban con más cautela y comían más en casa y menos en los restaurantes. |
![]() |
![]() |
![]() |
![]() |
![]() ![]() |
![]() |
![]() |
![]() |
![]() ![]() |
![]() |
![]() |
![]() |
![]() |
||
![]() |
© 2021 | www.ibercampus.es
|
Powered by ![]() |
![]() |
||
![]() |
||||
![]() |
Política de cookies | Política de privacidad | ![]() |
||
![]() |
![]() |
![]() ![]() ![]() ![]() |
![]() |