Bares y restaurantes: los datos

Con los hosteleros protestando en media España por las restricciones a sus negocios, y sabiendo el daño que hacen esas medidas a una economía basada masivamente en el turismo, convendría obtener datos sobre los contagios que realmente ocurren en bares y restaurantes. Las normas que ahora aplican las comunidades autónomas se basan en modelos predictivos muy generales, que aciertan cuando comparan disposiciones extremas –tener todo abierto contagia más que cerrarlo a cal y canto—, pero carecen de la finura necesaria para decidir entre el abanico de grises que un gestor sanitario puede adoptar. E...

Con los hosteleros protestando en media España por las restricciones a sus negocios, y sabiendo el daño que hacen esas medidas a una economía basada masivamente en el turismo, convendría obtener datos sobre los contagios que realmente ocurren en bares y restaurantes. Las normas que ahora aplican las comunidades autónomas se basan en modelos predictivos muy generales, que aciertan cuando comparan disposiciones extremas –tener todo abierto contagia más que cerrarlo a cal y canto—, pero carecen de la finura necesaria para decidir entre el abanico de grises que un gestor sanitario puede adoptar. Esto cambia ahora con una investigación basada en el rastreo telefónico que demuestra que la gran mayoría de los contagios en las grandes ciudades de Estados Unidos vienen de la hostelería. Pero su segunda conclusión es que hay medidas intermedias que pueden minimizar los brotes sin destruir por entero esos negocios.

El científico computacional Jure Leskovec y sus colegas de la Universidad de Stanford, California, han utilizado datos de las aplicaciones de los teléfonos móviles recogidos por la empresa SafeGraph. Los datos están anonimizados: son de gran utilidad para analizar los movimientos de la gente, pero no identifican a ninguna persona concreta. Y provienen de Nueva York, Chicago, Filadelfia y otras siete grandes ciudades. En conjunto dibujan un mapa de los movimientos de decenas de millones de personas de 57.000 barrios hacia bares, restaurantes, hoteles, iglesias, gimnasios, tiendas y otros lugares donde la gente contacta. Fueron obtenidos de marzo a mayo, durante la primera ola pandémica. Y los movimientos a bares y restaurantes correlacionan muy bien con la cantidad de contagios en cada barrio un mes más tarde. Es el poder del ‘big data’.

Con esa gran masa de resultados, Leskovec y sus colegas han podido construir un modelo mucho más preciso, realista y específico para este coronavirus que cualquier cosa que tuviéramos antes. Y, una vez que tienes un modelo matemático, lo puedes poner a trabajar en cualquier escenario que se te ocurra. Por ejemplo, reabrir los gimnasios de Chicago el 1 de mayo habría causado 150.000 infecciones más; pero reabrir los bares y restaurantes habría elevado esa cifra a nada menos que 600.000. También se puede calcular que ocurriría si se reabriera al 20% de capacidad, o al 30% o a cualquier otro nivel. Por ejemplo, abrir la restauración al 20% reduciría las infecciones un 80% respecto a la apertura total. He ahí datos duros y predicciones sólidas que los gestores públicos pueden utilizar para programar sus medidas.

El trabajo también aclara por qué la covid ha golpeado más fuerte en los barrios pobres: menos gente puede trabajar en casa, más gente se ve obligada a moverse de un lado a otro, y las tiendas de estas zonas triplican la densidad de público de los barrios ricos. El mero hecho de ir a la compra supone el doble de riesgo de contagio para un pobre que para un rico. Así está el tema.

Puedes seguir a MATERIA en Facebook, Twitter, Instagram o suscribirte aquí a nuestra newsletter