○ planned · proyecto
Otorga nivel a: Network Science · Epidemiological Modeling
Usa: Network Science · Graph Theory · Time Series · Statistics · Data Cleaning · Hypothesis Testing · Epidemiological Modeling
Guillermo de Anda (INMEGEN) modela la epidemia de COVID-19 en CDMX desde teoría de redes y sistemas complejos con datos abiertos. Brenda Jiménez (ITAM/NYU) usa ciencia de datos para detectar señales de corrupción en licitaciones públicas, cruzando compras con declaraciones patrimoniales.
Hallazgos clave
- Diabetes + hipertensión es la combinación de comorbilidades con mayor case fatality rate; la obesidad por sí sola no se distingue de ‘sin comorbilidad’.
- La reactivación económica por módulos/comunidades de la red contiene rebrotes incluso al 50%, frente a la reactivación aleatoria que dispara el pico.
- Con caminatas aleatorias sobre la red aeroportuaria predijeron que el virus llegaría vía Europa/EEUU, no directo de China.
- Reconstruyeron la red de contactos de CDMX con geolocalización celular (teselación H3 de Uber, ~0.9m) proyectando una red bipartita.
- En corrupción, el número de conexiones con servidores públicos es la variable que más reduce el indicador de integridad (vía SHAP).
Módulos
- Redes de aerotransporte y modelo SEIR estocástico adaptado a CDMX.
- Comorbilidades nutricionales y case fatality rate (EDA).
- Modelado epidemiológico sobre red de contactos (H3/geolocalización).
- Escenarios de reapertura: aleatoria vs por módulos.
- Corrupción en compras públicas: indicadores de integridad y OpenTender.
Fuente: https://www.youtube.com/watch?v=1dWnaqaD3yg · Transcript local: data/cursos/datapub-covid-corrupcion/covid-corrupcion.srt
Enlaces
Otorga nivel a: Network Science · Epidemiological Modeling Usa: Network Science · Graph Theory · Time Series · Statistics · Data Cleaning · Hypothesis Testing · Epidemiological Modeling