COVID-19: Outbreak prediction combining meteorological, mobility and demographic data

Abstract

Two years after the start of the pandemic caused by the COVID-19 virus, the Spanish health system has been on the verge of collapse on several occasions, forcing an adaptation of the system and professionals and highlighting some of the structural organizational shortcomings. From the scientific and educational fields, the need arises to alleviate these deficiencies through innovation. Unlike to what could happen in the past, a vast amount of data and information is currently available. Given such an amount of data, and in order to alleviate the effects of the pandemic on society, it is vital to identify relevant factors that help to identify situations of high spread of the virus in advance. The present work seeks to understand if the meteorological, mobility and demographic factors are relevant in the spread of the virus. To do this, public data combined with machine learning techniques applied to the prediction of time series will be used. The ultimate goal will be to provide tools that make it possible to predict coronavirus outbreaks, thus being able to optimize the available health resources.

Dos años después del inicio de la pandemia provocada por el virus COVID-19, el sistema sanitario español ha estado al borde del colapso en varias ocasiones, lo que ha obligado a una adaptación del sistema y de los profesionales y ha puesto de manifiesto algunas de las carencias organizativas estructurales. Desde el ámbito científico y educativo se plantea la necesidad de paliar estas deficiencias mediante la innovación. A diferencia de lo que podía ocurrir en el pasado, actualmente se dispone de una gran cantidad de datos e información. Ante tal cantidad de datos, y con el fin de paliar los efectos de la pandemia en la sociedad, es vital identificar factores relevantes que ayuden a identificar con antelación situaciones de alta propagación del virus. El presente trabajo pretende conocer si los factores meteorológicos, de movilidad y demográficos son relevantes en la propagación del virus. Para ello, se utilizarán datos públicos combinados con técnicas de aprendizaje automático aplicadas a la predicción de series temporales. El objetivo final será proporcionar herramientas que permitan predecir los brotes de coronavirus, pudiendo así optimizar los recursos sanitarios disponibles.

Dos anys després de l'inici de la pandèmia provocada pel virus COVID-19, el sistema sanitari espanyol ha estat a la vora del col·lapse en diverses ocasions, la qual cosa ha obligat a una adaptació del sistema i dels professionals i ha posat de manifest algunes de les mancances organitzatives estructurals. Des de l'àmbit científic i educatiu es planteja la necessitat de pal·liar aquestes deficiències mitjançant la innovació. A diferència del que podia ocórrer en el passat, actualment es disposa d'una gran quantitat de dades i informació. Davant tal quantitat de dades, i amb la finalitat de pal·liar els efectes de la pandèmia en la societat, és vital identificar factors rellevants que ajudin a identificar amb antelació situacions d'alta propagació del virus. El present treball pretén conèixer si els factors meteorològics, de mobilitat i demogràfics són rellevants en la propagació del virus. Per a això, s'utilitzaran dades públiques combinades amb tècniques d'aprenentatge automàtic aplicades a la predicció de sèries temporals. L'objectiu final serà proporcionar eines que permetin predir els brots de coronavirus, podent així optimitzar els recursos sanitaris disponibles.