CONECTATE CON NOSOTROS

Salud

Coronavirus: se confirmaron 161 casos nuevos en Rosario

El Ministerio de Salud de Santa Fe informó un total de 368 contagios en todo el territorio

Autor

Publicado

en

El Ministerio de Salud de la provincia informó este sábado 368 nuevos casos de coronavirus. No se notificaron decesos en todo el territorio santafesino. En Rosario hubo 161 contagios de covid-19, según el reporte.

Desde el inicio de la pandemia de coronavirus en la provincia se confirmaron 213.839 casos. De ese número, se recuperaron 202.159 personas; aún cursan enfermedad 7.928 paciente; y se produjeron 3.752 fallecimientos.

En el territorio santafesino hay 150 pacientes internados en sala general y 95 en unidades de terapia intensiva.

Salud

Gracias a las vacunas anticovid se evitaron casi 20 millones de muertes

El estudio publicado por la revista The Lancet Infectious Diseases arrojó la valiosa información que las vacunas contra el coronavirus evitaron 19,8 millones de muertes ante un potencial de 31,4 millones de posibles víctimas durante el primer año, tras su introducción en diciembre de 2021.

eltribuno

Publicado

en

Por

Gracias a las vacunas anticovid se evitaron casi 20 millones de muertes

Hoy se conocieron los resultados de un estudio sobre el impacto de la vacunas contra el coronavirus. Desde allí surge el dato de que se evitaron 19,8 millones de muertes ante un potencial de 31,4 millones de posibles víctimas durante el primer año, tras su incorporación en diciembre de 2021.

Quien realizó esta publicación fue la revista The Lancet Infectious Diseases, basándose en datos procedentes de 185 países y territorios recogidos desde el 8 de diciembre de 2020 al 8 de diciembre de 2021, según informó la agencia AFP.

El principal objetivo de esta investigación fue poder corroborar si se evitaron decesos directamente o indirectamente tras el inicio de la campaña de inmunización contra el coronavirus.

En la recopilación de datos utilizados estuvieron las cifras oficiales de muertos por la Covid 19, pero también el exceso de mortalidad registrada en cada país o una estimación cuando los datos oficiales no están disponibles. Desde allí pudieron concluir que, las vacunas evitaron 19,8 millones de muertes de un total de 31,4 millones que se hubieran registrado de no disponer de ellas, lo que supone una reducción del 63%.

Estos datos surgen al compararse con un escenario hipotético alternativo en el que no se hubiera administrado ninguna vacuna.

El trabajo publicado en The Lancet señala que la mayoría de muertes evitadas fueron en países de ingresos altos y medios (12,2 millones de 19,8 millones), lo que refleja las desigualdades en el acceso a la vacunación en el mundo.

Casi 600.000 muertes podrían haberse evitado si se hubiera alcanzado el objetivo de la Organización Mundial de la Salud de haber vacunado un 40% de la población de cada país para finales de 2021.

Continuar Leyendo

Salud

La provincia completó dos semanas sin fallecidos con coronavirus

Según el reporte nacional semanal, Santa Fe no figura en la lista de muertes. La cantidad de nuevos casos en el país se redujo casi 24%

eltribuno

Publicado

en

Por

La provincia completó dos semanas sin fallecidos con coronavirus

La provincia de Santa Fe completó otra semana, la segunda consecutiva, sin reportar fallecidos con coronavirus. Al menos, según el reporte nacional semanal que se difundió este domingo, que confirma también una merma en el contagio.

De acuerdo al parte del Ministerio de Salud, las 22 muertes asociadas al covid durante los últimos siete días se produjeron en provincia de Buenos Aires (11), Córdoba (3), Entre Ríos (3), La Pampa (2), Tierra del Fuego (2) y San Luis (1).

En tanto, fueron 28.039 nuevos casos en la última semana en la Argentina, lo que representa un 23,8% menos de casos que el domingo pasado (36.835).

De esta manera, suman 129.016 los fallecidos registrados oficialmente a nivel nacional y 9.341.492 los infectados desde el inicio de la pandemia.

La cartera sanitaria indicó en su parte semanal que son 367 los internados con coronavirus en unidades de terapia intensiva, con un porcentaje de ocupación de camas de adultos en el sector público y privado, para todas las patologías, de 43,4% en el país.

Según el Monitor Público de Vacunación, el total de dosis aplicadas asciende a 104.915.359, de los cuales 40.825.589 recibieron una dosis, 37.561.037 las dos, 3.084.739 una adicional y 23.474.567 una de refuerzo, mientras que las vacunas distribuidas a las jurisdicciones llegan a 112.369.242 y las donadas a 5.083.000.

 

Continuar Leyendo

Salud

Próxima variante del COVID-19, según la ciencia

Investigadores de Harvard, MIT y la Universidad de Massachusetts en Estados Unidos desarrollaron un modelo de “aprendizaje automático” que había pronosticado el predominio de Ómicron BA.2. Cuál es el siguiente paso en la evolución del virus

Autor

Publicado

en

Por

Próxima variante del COVID-19, según la ciencia

Científicos del Instituto Broad del MIT y Harvard y de la Facultad de Medicina de la Universidad de Massachusetts, en los Estados Unidos, desarrollaron un modelo de “machine learning” (o “aprendizaje automático”) que puede analizar millones de genomas de muestras del coronavirus y predecir qué variantes virales dominarán y causarán probablemente nuevas olas. El modelo fue llamado PyR0 y podría ayudar a los investigadores a identificar qué partes del genoma viral tienen menos probabilidades de mutar y, por tanto, son buenos objetivos para las vacunas que funcionarán contra las futuras variantes. Los resultados se publicaron en la revista Science.

Los investigadores entrenaron el modelo de aprendizaje automático utilizando 6 millones de genomas del coronavirus SARS-CoV-2 que estaban en la base de datos GISAID en enero de 2022. Demostraron que su herramienta también puede estimar el efecto de las mutaciones genéticas en la aptitud del virus, es decir, su capacidad para multiplicarse y propagarse en una población.

Cuando el equipo probó su modelo con los datos genómicos del virus de enero de 2022, predijo el aumento de la variante BA.2, que se convirtió en dominante en muchos países en marzo de 2022. Está ahora predominando también en los afectados por el COVID-19 en la Argentina. PyR0 también habría identificado la variante alfa (B.1.1.7) a finales de noviembre de 2020, un mes antes de que la Organización Mundial de la Salud la catalogara como variante preocupante.

El modelo predijo el aumento de la variante BA.2, que se convirtió en dominante en muchos países en marzo de 2022/ REUTERS/Elijah Nouvelage/ArchivoEl modelo predijo el aumento de la variante BA.2, que se convirtió en dominante en muchos países en marzo de 2022/ REUTERS/Elijah Nouvelage/Archivo

El equipo de investigación incluye al primer autor, Fritz Obermeyer, becario en el Instituto Broad cuando se inició el estudio, y a los autores principales, Jacob Lemieux, instructor de medicina en la Facultad de Medicina de Harvard y en el Hospital General de Massachusetts, y Pardis Sabeti, miembro del instituto Broad, profesor del Centro de Biología de Sistemas y del Departamento de Biología Organísmica y Evolutiva de la Universidad de Harvard, y profesor del Departamento de Inmunología y Enfermedades Infecciosas de la Escuela de Salud Pública T. H. Chan de Harvard. Sabeti es también investigador del Instituto Médico Howard Hughes.

El modelo PyR0 se basa en un marco de aprendizaje automático llamado Pyro, desarrollado originalmente por un equipo de Uber AI Labs, la empresa que ofrece servicios de movilidad a través de una aplicación. En 2020, tres miembros de ese equipo, incluidos Obermeyer y Martin Jankowiak, segundo autor del estudio, se unieron al Instituto Broad y comenzaron a aplicar el marco a la biología.

“Este trabajo fue el resultado de la unión de biólogos y genetistas con ingenieros de software e informáticos”, dijo Lemieux. “Fuimos capaces de abordar algunas cuestiones realmente desafiantes en la salud pública que ningún enfoque disciplinario podría haber respondido por sí solo”, agregó.

“Este tipo de enfoque basado en el aprendizaje automático, que examina todos los datos y los combina en una sola predicción, es extremadamente valioso”, dijo Sabeti. “Nos da una ventaja a la hora de identificar lo que está surgiendo y podría ser una amenaza potencial”.

El modelo determina qué mutaciones del coronavirus son cada vez más comunes y estima la rapidez con la que cada mutación puede provocar la propagación del virus. (Getty Images)El modelo determina qué mutaciones del coronavirus son cada vez más comunes y estima la rapidez con la que cada mutación puede provocar la propagación del virus. (Getty Images)

Los investigadores de todo el mundo han trabajado para predecir la aptitud de las diferentes variantes del coronavirus desde el principio de la pandemia. Pero los modelos anteriores no podían comparar todas las variantes simultáneamente, o tardaban días en procesar sólo unos pocos miles de genomas.

En cambio, PyR0 puede analizar millones de genomas -todos los datos del coronavirus disponibles públicamente- en aproximadamente una hora. Para eso, agrupa secuencias similares y define “grupos” de genomas por la constelación de mutaciones que comparten. Al centrarse en las mutaciones, que pueden aparecer en múltiples variantes, PyR0 tiene más poder estadístico que los modelos que se centran en las variantes virales.

Luego, el modelo determina qué mutaciones son cada vez más comunes y estima la rapidez con la que cada mutación puede provocar la propagación del virus. También estima la rapidez con la que aumentará el número de casos de las distintas variantes en función de su composición genética.

Al identificar qué mutaciones son importantes para la aptitud de determinadas variantes, el modelo también ofrece una visión biológica de cómo se propaga y desarrolla el COVID-19. Por ejemplo, conocer las mutaciones críticas puede ayudar a los científicos a predecir si las nuevas variantes serán más contagiosas o evadirán los anticuerpos neutralizantes, y también puede ayudarles a decidir qué mutaciones estudiar con más detalle.

Con el nuevo modelo de "machine learning", las autoridades sanitarias podrían tomar mejores decisiones/GETTYCon el nuevo modelo de «machine learning», las autoridades sanitarias podrían tomar mejores decisiones/GETTY

El genoma del coronavirus SARS-CoV-2 ha acumulado muchas mutaciones, por lo que resulta muy difícil analizar todas las combinaciones de mutaciones”, explica Jankowiak, investigador de aprendizaje automático en el Broad. “La ventaja de este tipo de análisis es que examina todo el genoma de forma holística y puede señalar mutaciones o variantes que reciben menos atención en el laboratorio”, expresó.

Los investigadores afirman que su estudio sugiere que el actual aumento de la aptitud viral se debe a la capacidad del virus para escapar de las respuestas inmunitarias. Sugirieron que los responsables de la salud pública, con la advertencia anticipada de la secuencia y las características de una variante, podrían aplicar medidas específicas para gestionar el recuento de casos. Y saber qué mutaciones contribuyen a la supervivencia de una variante -y por tanto no es probable que cambien- puede ayudar a los investigadores a elegir mejores objetivos para futuras vacunas.

Las nuevas versiones de este modelo o de otros similares podrían mejorar las predicciones teniendo en cuenta las interacciones entre las mutaciones. Los investigadores afirmaron que, con más trabajo, su modelo podría ayudar a controlar otros virus que tengan suficientes datos genéticos.

La cantidad de datos que tenemos, junto con los métodos que hemos desarrollado, nos permiten obtener una visión en tiempo real de la evolución del virus en diferentes lugares del mundo de una manera que no era posible durante las epidemias anteriores”, dijo Obermeyer. “En 1917, la gente sólo sabía si tenía o no la gripe. Ahora, tenemos una visión muy precisa de miles de sublinajes diferentes del coronavirus. Eso es increíble”.

Continuar Leyendo

Tendencias