Simulación de la propagación de un virus y aceptación de las medidas socio-sanitarias mediante un modelo inteligente

Abstract

[Resumen]: Durante los momentos más críticos de la pandemia debida al SARS-COV-2 se dictaron diversas medidas de contención centradas en dificultar la propagación del virus y mitigar su impacto. Distintos estudios demostraron que la efectividad de dichas medidas estaba directamente relacionada con la capacidad y el compromiso de la población para respetarlas. Dicho nivel de adherencia de los individuos a estas medidas depende en gran medida de su entorno social y su estado psicológico. Este trabajo se centra en la adición de una red social (p.e. Twitter, ahora X) como nodo crítico de un modelo basado en agentes existente que se podría dividir en dos submodelos. Por un lado, un modelo basado en una adaptación del modelo SEIRD simulará la expansión de un virus y por otro lado se analizarán los niveles de aceptación de las medidas de prevención sanitaria por parte de los ciudadanos teniendo en cuenta sus necesidades individuales y su red de influencia social a través de la implementación de un modelo de toma de decisiones. De esta forma, la finalidad de la inclusión de este nodo crítico es extraer información (tanto general como personalizada) sobre las opiniones de los ciudadanos (agentes) y como estas afectan a la adherencia de la población a las medidas sanitarias. Dicha información será obtenida por medio de la aplicación de técnicas de análisis de sentimientos a un conjunto de mensajes en la red relativos a este tema. Con este objetivo se partirá de un modelo ya desarrollado con Netlogo que se adaptará a Unity, ya que este motor nos permitirá una mejor visualización y mayor capacidad de procesamiento de la simulación.

[Abstract]: During the most critical moments of the SARS-CoV-2 pandemic, various containment measures were implemented, focusing on impeding the spread of the virus and mitigating its impact. Different studies demonstrated that the effectiveness of these measures was directly related to the population’s ability and commitment to adhere to them. The level of individuals’ adherence to these measures largely depends on their social environment and psychological state. This work focuses on adding a social network (e.g., Twitter, now X) as a critical node to an existing agent-based model that could be divided into two submodels. On one hand, a model based on an adaptation of the SEIRD model will simulate the spread of a virus, and on the other hand, the levels of acceptance of health prevention measures by citizens will be analyzed, taking into account their individual needs and social influence network through the implementation of a decision-making model. In this way, the purpose of including this critical node is to extract information (both general and personalized) about citizens’ opinions (agents) and how these opinions affect the population’s adherence to health measures. This information will be obtained by applying sentiment analysis techniques to a set of messages on the network related to this topic. With this objective, we will start with a model already developed in NetLogo that will be adapted to Unity. This choice is made because Unity provides better visualization and greater processing capacity for the simulation.