¿Cuántas nuevas infecciones y muertes de COVID-19 podrían esperarse por día? ¿Para cuándo se esperan los picos de casos y muertes? ¿Cómo evolucionará la curva de ocupación de camas de cuidados intensivos y de uso de respiradores? ¿Cuándo se podrían saturar los servicios de salud críticos? Son las preguntas a las que hoy en día no sólo están atentos los decisores sanitarios y sus equipos, sino la sociedad en general.
Para responder estos interrogantes, desde el Centro de Implementación e Innovación de Políticas Públicas (CIIPS) y el Departamento de Evaluación de Tecnologías Sanitarias y Economía de la Salud del Instituto de Efectividad Clínica y Sanitaria (IECS), de Buenos Aires, Argentina, se diseñó una herramienta interactiva, de libre acceso, que permite proyectar con la suficiente antelación, los efectos de las distintas medidas de salud pública sobre la evolución de la curva de contagios de COVID-19, de muertes y de ocupación de camas de terapia intensiva y respiradores.
“Elige tu propia aventura”
Los modelos predictivos de enfermedades infecciosas, en general, presentan 3 limitaciones: 1) Los gobiernos no se quedan cruzados de brazos esperando la catástrofe, sino que implementan medidas en determinados momentos y con determinado nivel de efectividad. 2) Más allá de las decisiones de políticas públicas, las personas también toman sus propias decisiones, como usar el tapabocas o mantener distanciamiento físico, o lavarse las manos. 3) No sólo importa saber cuántos casos se esperan sino cuántos van a ser graves, cuantos requerirán de internación en terapia intensiva, cuantos requerirán de respirador, o cuánto durará la hospitalización.
Dicho esto, el “Modelo Integral de Preparación y Respuesta de los Sistemas de Salud de Latinoamérica y el Caribe”[1] no intenta ser un modelo de predicción, sino que propone al tomador de decisión o su equipo técnico la posibilidad de parametrizar [asignar valor a] las variables, ajustarlas y “personalizarlas” a su propio contexto para aplicar las políticas de salud pública necesarias y tener un panorama de sus efectos con la debida anticipación.
¿Confinamiento estricto o flexibilización?
Esta herramienta también permite responder esta pregunta. Cómo se mencionó, orienta respecto de cómo pueden cambiar el número de infectados y muertes en función de las políticas adoptadas, de su duración y de su grado de cumplimiento. Esto a su vez permitiría, por ejemplo, regular ciclos de mayor o menor flexibilización del confinamiento y otras medidas de distanciamiento social sin que se desborde la capacidad de respuesta del sistema de salud.
La evidencia científica detrás de las decisiones políticas, aun en contextos de incertidumbre
Para el desarrollo de la herramienta, el equipo del IECS realizó una revisión exhaustiva de todas las fuentes disponibles (desde publicaciones en revistas científicas y sitios de preimpresión de revistas científicas hasta sitios web de organizaciones, reportes de medios de comunicación y posteos en redes sociales) para definir distintos parámetros epidemiológicos, clínicos y sanitarios. Por ejemplo, tiempo de incubación, días con síntomas previo a hospitalización o duración de la internación en unidades de cuidados críticos. Estos indicadores son modificables en función de la aparición de nueva evidencia o según la realidad de cada país.
Por otra parte, se efectuó un relevamiento exhaustivo de los recursos e insumos críticos de los sistemas de salud de cada país, incluyendo la cantidad de camas generales y de terapia intensiva, el número de respiradores y la disponibilidad de médicos, enfermeros o kinesiólogos respiratorios.
En la pantalla, los usuarios del modelo pueden observar un semáforo que representa los distintos niveles de restricción de las medidas de salud pública: desde no tomar ninguna hasta suspender clases, ampliar testeos y decretar un aislamiento social obligatorio (cuarentena). La implementación de estas medidas y el nivel de adherencia de la población se vinculan con un R0 o “número reproductivo básico”, que es una medida promedio de la cantidad de personas que se contagian a partir de cada caso positivo. También se pueden parametrizar los escenarios modificando el R0 estimado para cada período o definir el punto o umbral de saturación de camas de UCI o ventiladores, más allá del cual se debe actuar para impedir el colapso de los servicios críticos.
A diferencia de otros modelos de predicción conocidos, el modelo del IECS permite crear diferentes escenarios modificando las intervenciones de salud pública, los recursos sanitarios (por ejemplo, la cantidad de camas o médicos) y los parámetros epidemiológicos y clínicos y así ejecutar nuevamente la computación del modelo obteniendo resultados diferentes.
La herramienta está disponible haciendo clic aquí
¿Quieres ver el video del webinar con la presentación y explicación del modelo del IECS? Accede haciendo clic aquí
[1] Enfocado a los siguientes países: Argentina, Bahamas, Barbados, Belice, Bolivia, Brasil, Colombia, Costa Rica, Chile, Ecuador, El Salvador, Guatemala, Guayana, Haití, Honduras, Jamaica, México, Nicaragua, Panamá, Paraguay, Perú, República Dominicana, Surinam, Trinidad y Tobago, Uruguay y Venezuela.
Una herramienta muy útil e interesante. El desarrollo digital en salud debe ser una prioridad a nivel global para agilizar procesos.
¡Gracias por compartir!