Duas curvas pandêmicas COVID-19 surgiram em muitas cidades durante o período de um ano de março de 2020 a março de 2021.

Estranhamente, o número total de infecções diárias relatadas durante a primeira onda é muito menor do que o da segunda, mas o número total de mortes diárias relatadas durante a primeira onda é muito maior do que na segunda onda.

Essa contradição inspirou pesquisadores da Universidade de Nicósia, em Chipre, a explorar a incerteza no número diário de infecções relatadas durante a primeira onda, causado por rastreamento de contato insuficiente entre março e abril de 2020.

No Física dos Fluidos , Talib Dbouk e Dimitris Drikakis relatam usando dinâmica de fluidos ambientais - modelagem multifísica multiescalar computacional avançada e simulações - para desenvolver uma relação constitutiva entre as condições de sazonalidade do tempo, como temperatura, humidade relativa, e velocidade do vento, e tendo duas curvas pandêmicas por ano.

"Integramos uma nova relação baseada na física em um modelo de previsão de pandemia que previu com precisão, como foi observado mais tarde, uma segunda onda pandêmica COVID-19 em muitas cidades ao redor do mundo, incluindo Nova York, "disse Drikakis.

Maioria, se não todos, dos dados para o número diário de novas infecções relatadas durante a primeira onda da pandemia foram subestimados e usados ​​incorretamente.

"Na cidade de Nova York, nosso trabalho mostra que o número diário de novas infecções relatadas durante a primeira onda foi subestimado por um fator de quatro, "Dbouk disse." Então, a incerteza dos dados da primeira onda misturados com os dados da segunda onda significa que as conclusões gerais tiradas podem ser enganosas, e todos devem estar cientes disso. "

O trabalho dos pesquisadores é o primeiro caso conhecido de derivar um modelo de quantificação de incerteza avançado para os casos infectados da primeira onda da pandemia com base em simulações de dinâmica de fluidos de efeitos do tempo.

"Nosso modelo é baseado na física e pode retificar as inadequações dos dados da primeira onda usando a adequação dos dados da segunda onda dentro de uma curva pandêmica, ", disse Drikakis." Nossa abordagem proposta combina uma taxa de transmissão de vírus controlada pela sazonalidade climática ambiental com fenômenos multonda pandêmicos para melhorar a precisão dos dados de previsões estatísticas. "

No futuro, o modelo de quantificação de incerteza proposto pelos pesquisadores pode ajudar a corrigir o número total mundial de infecções diárias por coronavírus relatadas por muitas cidades durante a primeira onda de uma pandemia.