Modelo matemático optimizado para la predicción y planificación de la asistencia sanitaria por la COVID-19
Identificadores
URI: http://hdl.handle.net/10481/76692Metadata
Show full item recordAuthor
Garrido Jiménez, José Manuel; Rodríguez Serrano, Fernando; Pérez Villares, José Miguel; Ferreiro Marzal, Andrea; Jiménez Quintana, María del Mar; Grupo de Estudio COVID-19_GranadaEditorial
Elsevier
Materia
COVID-19 SARS-CoV-2 Modelo matemático Hospitalización UCI Pandemia Prevalencia Predicción epidemiológica Mathematical model Hospitalization ICU Pandemic Prevalence Epidemiological prediction
Date
2020-11-30Referencia bibliográfica
Published version: J.M. Garrido... [et al.]. Modelo matemático optimizado para la predicción y planificación de la asistencia sanitaria por la COVID-19, Medicina Intensiva, Volume 46, Issue 5, 2022, Pages 248-258, ISSN 0210-5691, [https://doi.org/10.1016/j.medin.2021.02.014]
Sponsorship
Ministerio de Economı́a, Industria y Competitividad de España, la Agencia Estatal de Investigación y el Fondo Europeo de Desarrollo Regional (MTM2017-89664-P); Programa de Fondos de Desarrollo Regional / Fondo Social Europeo y la Comunidad Valenciana (GJIDI/2018/A/010 y GJIDI/2018/A/009); Fundación Ramón Areces, Madrid, Spain (CIVP18A3920)Abstract
Objetivo
La pandemia de la COVID-19 ha supuesto una amenaza de colapso de los servicios
hospitalarios y de UCI, y una reducción de la dinámica asistencial de pacientes afectados por
otras patologías. El objetivo fue desarrollar un modelo matemático diseñado para optimizar las
predicciones relacionadas con las necesidades de hospitalización e ingresos en UCI por la
COVID-19.
Diseño
Estudio prospectivo.
Ámbito
Provincia de Granada (España).
Pacientes
Pacientes consecutivos de COVID-19 hospitalizados, ingresados en UCI, recuperados y
fallecidos desde el 15 de marzo hasta el 22 de septiembre de 2020.
Intervenciones
Desarrollo de un modelo matemático tipo SEIR capaz de predecir la evolución de la pandemia
considerando las medidas de salud pública establecidas.
Variables de interés
Número de pacientes infectados por SARS-CoV-2, y hospitalizados e ingresados en UCI por
la COVID-19.
Resultados
A partir de los datos registrados hemos podido desarrollar un modelo matemático que refleja
el flujo de la población entre los diferentes grupos de interés en relación a la COVID-19. Esta
herramienta nos ha permitido analizar diferentes escenarios basados en medidas de restricción
socio-sanitarias, y pronosticar el número de infectados, hospitalizados e ingresados en UCI
hasta el mes de mayo de 2021.
Conclusiones
El modelo matemático es capaz de proporcionar predicciones sobre la evolución de la COVID-
19 con suficiente antelación como para poder conjugar los picos de prevalencia y de
necesidades de asistencia hospitalaria y de UCI, con la aparición de ventanas temporales que
posibiliten la atención de enfermos no-COVID. Objective
The COVID-19 pandemic has threatened to collapse hospital and ICU services, and it has
affected the care programs for non-COVID patients. The objective was to develop a
mathematical model designed to optimize predictions related to the need for hospitalization
and ICU admission by COVID-19 patients.
Design
Prospective study.
Setting
Province of Granada (Spain)
Population
Consecutive COVID-19 patients hospitalized, admitted to ICU, recovered and died from March
15 to September 22, 2020.
Study variables
The number of patients infected with SARS-CoV-2 and hospitalized or admitted to ICU for
COVID-19.
Results
The data reported by hospitals was used to develop a mathematical model that reflects the flow
of the population among the different interest groups in relation to COVID-19. This tool has
allowed us to analyse different scenarios based on socio-health restriction measures, and to
forecast the number of people infected, hospitalized and admitted to the ICU until May 2021.
Conclusions
The mathematical model is capable of providing predictions on the evolution of the COVID-
19 sufficiently in advance as to anticipate the peaks of prevalence and hospital and ICU care
demands, and also the appearance of periods in which the care for non-COVID patients could
be intensified.