{"ok":true,"nota":{"id":"3778cffec309508e","slug":"para-seguir-la-infeccion-de-covid-en-el-cuerpo-un-modelo-simple-funcio-3778cf","titulo":"Para seguir la infección de covid en el cuerpo, un modelo simple funcionó mejor que los más complejos","resumen":"Investigadores compararon tres modelos matemáticos de la infección por SARS-CoV-2 usando datos de tests PCR tomados en un grupo de jugadores de la NBA. El modelo más simple obtuvo el mejor equilibrio entre ajuste y cantidad de parámetros.","fuente":"biorxiv","fuenteNombre":"bioRxiv · preprints","color":"#be2628","autor":"Juhasz, N., Bartha, F. A., Rost, G., Das, B., Nagy, D., Selesi, D., Rajter-Ciric, D.","url":"https://www.biorxiv.org/content/10.64898/2026.10.15.759195v1?rss=1","imagen":"/hoy/portada/3778cffec309508e","tema":"salud","subtemas":["covid-19","modelos matemáticos","pcr","epidemiología","carga viral"],"entidades":["NBA","bioRxiv"],"formato":"dato","entretenimiento":false,"pubTs":"2026-10-20T00:00:00.000Z","indexTs":"2026-10-21T10:34:42.642Z","hash":"564d64e857aa88d7c8a030e4b1e1cb4aa7ed035fbacaf035754816a63e9d467a","tsa":{"time":"Oct 21 10:35:27 2026 GMT","provider":"freetsa.org","sobre":"sello"},"stats":{"views":0,"likes":0,"clicks":0,"dwell":0},"tipo":"normal","registro":"hallazgo","porQueImporta":"Cuando un modelo tiene demasiados parámetros, puede parecer que explica todo sin decir nada útil. Este trabajo muestra que, con datos de PCR reales, agregar complejidad no siempre mejora la predicción de cómo evoluciona la carga viral. Para la salud pública, eso significa que conviene elegir herramientas sencillas y confiables al decidir cuándo alguien deja de ser contagioso. La muestra es chica y específica, así que el resultado sirve como guía metodológica más que como regla general.","quienFirma":"bioRxiv (preprint; autores institucionales no especificados en la fuente)","confianza":"preprint","consulta":null},"sello":{"hash":"564d64e857aa88d7c8a030e4b1e1cb4aa7ed035fbacaf035754816a63e9d467a","sello":"4abed924027e82ac63d01e32682ffe3e7a406d892f34daecfebc328db7fa710f","beacon":{"drand":{"cadena":"8990e7a9aaed2ffed73dbd7092123d6f289930540d7651336225dc172e51b2ce","ronda":6571596,"aleatorio":"2c36e18ae584b00d9a77fc6ee91bac2d1e017f0e506ff9533e9d65bd838a5467","tiempo":"2026-10-21T10:35:00.000Z"},"nist":{"cadena":2,"pulso":1993004,"salida":"23161ED84C8333D8735666F0B82E202695897452E701B068B63EF76A2E59D22F1B819FE2CF27AC06B5894483118E32D36F4246E7C1D82B4789A57D7588B065D3","tiempo":"2026-10-21T10:35:00.000Z"},"noAntes":"2026-10-21T10:35:00.000Z"},"verificacion":{"drand":true,"nist":true},"tsa":{"time":"Oct 21 10:35:27 2026 GMT","provider":"freetsa.org","sobre":"sello"},"original":{"titulo":"Fitting and Selection of Within-Host Models for SARS-CoV-2 Infection","descripcion":"The main question in model selection for longitudinal RT-qPCR data is whether improvements in fit justify the additional parameters of more complex within-host models. We compared a target-cell-limited model (TIV), an eclipse-phase extension (TEIV), and a fractional-order TIV using infection waves reconstructed from SARS-CoV-2 cycle-threshold (Ct) measurements in a National Basketball Association cohort. Each trajectory was fitted on the Ct scale by maximizing a right-censored Gaussian likelihood using hybrid global-local optimization. Model selection was based primarily on the small-sample corrected Akaike information criterion (AICc), computed from the censored likelihood; while robustness","pubDate":"2026-10-20","url":"https://www.biorxiv.org/content/10.64898/2026.10.15.759195v1?rss=1"},"indexado":"2026-10-21T10:34:42.642Z"}}