Big data. COVID 19. Fútbol.

Muchas han sido las noticias y los estudios que han relacionado la IA y el Big Data con el SARS-CoV-2 o la COVID-19 desde el inicio de esta terrible pandemia que estamos viviendo. Trabajos en diversos campos  para contención de la pandemia como la implementación realizada en Corea del Sur, Taiwan o China; la modelización de recursos que se ha hecho en Estados Unidos, o conocer que una start-up descubrió el virus antes que las propias autoridades sanitarias lo supieran “a través de los más de cien conjuntos de datos analizados por los algoritmos de la propia start-up para concluir que estaba brotando una nueva enfermedad infecciosa en la capital de la provincia de Hubei”.

Por supuesto, han sido muchos y variados en temática los estudios en cuanto a la evolución de la pandemia con el objetivo de conocer, como coloquialmente se está comentando, “el pico de contagiados y muertes y el aplanamiento de la curva”.

En uno de estos trabajos he sido partícipe. Un trabajo solidario para un Hospital en España para mejorar la gestión de la ocupación de UCIs y la Hospitalización en planta de afectados por el COVID-19. Como indica Joaquín Roldán, Director del trabajo, es importante encontrar patrones de comportamiento y como consecuencia “crear modelos de aplicación, es fundamental en cualquier evolución de situación que se pretenda  “predecir””.

Respecto a la incidencia de esta pandemia en el mundo del fútbol destaca el trabajo realizado por Javier M. Buldú y Daniel Ruiz Antequera del Centro de Tecnología Biomédica (Madrid) y  Jacobo Aguirre del Centro de Astrobiología (CSIC-INTA). El diario MARCA se hizo eco de este trabajo, siendo muchos otros medios posteriormente los que también han publicado noticias al respecto.

Los autores han desarrollado un modelo matemático para describir “cómo la COVID-19 podría propagarse entre los futbolistas de Primera División teniendo en cuenta tres posibles fuentes de contagio: (1) los entrenamientos, (2) los partidos y (3) el entorno social del futbolista. Y las conclusiones dejan cosas interesantes, como la importancia de reducir el tiempo entre partidos y hacer test diarios como medidas principales para evitar la extensión del virus”.

Partiendo del modelo SEIR (Susceptibles, Expuestos, Infectados y Recuperados) complementan dicho modelo adaptándose a las dinámicas de interacción de los propios futbolistas, incluyendo la red de interacción social de los jugadores, la probabilidad de infectarse durante un encuentro, así como la idoneidad de realizar test PCR o el tiempo entre cada encuentro por disputarse.

SEIR

Las conclusiones de este estudio serían las siguientes:

  • Habría que reducir el tiempo entre partidos puesto que minimizaría el riesgo de propagación.
  • Realizarse test tipo PCR a todos los futbolistas de la competición puesto que los test rápidos no son tan eficaces en el momento actual de propagación de la pandemia. Y hacerlo de una forma continuada; consideran como óptimo uno al día.
  • Además, sería necesario, que los jugadores limitasen al máximo sus contactos sociales.

Os dejamos en enlace al trabajo para poder verlo en su totalidad.

Ignacio Blas Sanz

Analista Datos