Análisis del Covid-19 y sus correlaciones a nivel internacional

Abstract

El COVID-19 (Coronavirus disease 2019) es una enfermedad infecciosa causada por el SARSCoV-2. En diciembre de 2019 fue detectado por primera vez un brote en Wuhan, China y en cuestión de semanas, el virus se expandió a nivel mundial causando la pandemia que hoy se conoce. Debido a que esta es una situación sin precedentes, no hay un escenario claro sobre la relación entre esta enfermedad y otros factores. Por ejemplo, qué enfermedades de base influencian la propagación o si los países más populosos son aquellos más vulnerables frente al virus. En este trabajo se propuso estudiar las correlaciones estadísticas que pueden tener variables referentes y no referentes al COVID-19. Para ello primero se hizo una investigación sobre las hipótesis que ya estaban planteadas en la Academia; luego se reunieron datasets que buscaran responder estas hipótesis, además de otras que se consideraron interesantes de estudiar. Se limpiaron y se pre-procesaron los datos para que fueran legibles para ser modelados como RDF Data Cube Vocabulary y fueron subidos al servidor Apache Jena Fuseki. Ya con los datos integrados, se calcularon sus correlaciones bajo dos coeficientes: Pearson y Spearman, obteniendo tanto su coeficiente como su valor p. Finalmente, se implementó una plataforma de visualización de estas correlaciones a través de Flask, con un Heat Map que mostraba lo fuerte que eran las correlaciones según la intensidad del color. Esta interfaz quedó disponible a través de un dominio web, pudiendo ser accesible desde cualquier lugar con internet. Los resultados más destacados fueron 168 variables modeladas y 250 correlaciones significativas (valor p menor o igual a 0,05). El top 10 de correlaciones en valor absoluto ordenadas según Spearman y con un coeficiente mayor a 0,5, contiene 5 determinantes de salud: obesidad, cáncer, edad, tipo de sangre y enfermedades respiratorias. Otras variables del top son redes sociales y el ranking FIFA, las cuales se cree que están influenciadas por una variable confusa. La única variable relacionada al clima es la contaminación del aire, particularmente PM2.5, que puede ser transportador del virus en el aire, favoreciendo una transmisión indirecta. Si bien se encontraron varias correlaciones interesantes, es importante resaltar que estas relaciones no implican necesariamente causalidad.