Índice del Contenido
A principios de abril, los académicos del Instituto de Ciencias de la Ingeniería de la Universidad de O'Higgins (UOH), Dr. Cristóbal Quiñinao, Dr. Víctor Verdugo y Dr. Rodrigo Verschae, presentaron los primeros resultados del estudio epidemiológico que realizaron a nivel regional y comunal respecto al COVID-19. Ahora, los investigadores entregaron un segundo modelo a la Mesa Regional de O’Higgins que considera un nuevo marco teórico, el que evalúa la demanda de instalaciones de salud, a nivel de micro áreas, para el tratamiento de los contagiados por coronavirus en la región y el país.
Modelos de evolución temporal
Cabe destacar que este modelo es un esfuerzo desde la academia para ayudar a controlar la propagación del virus mediante modelos de evolución temporal de la enfermedad y, además, tener proyecciones que permitan a las autoridades tomar medidas con anticipación. Para lograr estos objetivos, los investigadores estudiaron la evolución temporal de una variante de modelo SEIR (Susceptible, Exposed, Infectious, and Removed), en el que se consideró dos escenarios principales: la reducción de movilidad dentro de una comuna y la dinámica de migración entre comunas para cada una de las distintas sub-poblaciones. Ver reporte desde aquí.
Subpoblaciones de hospitalizados
Al respecto, el académico del Instituto de Ciencias de la Ingeniería, Dr. Rodrigo Verschae, sostuvo que “en este segundo estudio agregamos varios factores adicionales al modelo matemático formulado, siendo los más importantes el considerar subpoblaciones de hospitalizados y el uso de datos recientes de movilidad en y entre comunas. Esto nos permite considerar de manera más precisa el efecto de la reducción de movilidad dentro de cada comuna y el efecto de la dinámica de migración entre comunas. También estimamos de manera gruesa el número de hospitalizados y fechas aproximadas del peak de la curva de contagio para distintas áreas geográficas de la región”.
Según destaca el investigador, el aspecto más importante que muestran los resultados, es la importancia de medidas que apuntan al distanciamiento físico y a la restricción de movilidad dentro de una comuna y entre comunas, que según el estudio ayudaría a reducir en más de un 25% el número de hospitalizados.
Control de las zonas con alta cantidad de población
Por su parte, el Dr. Cristóbal Quiñinao, señaló que del estudio se desprenden observaciones que permiten orientar de mejor manera la crisis, entre ellas “al hacer un pequeño análisis de sensibilidad, podemos notar que las curvas de hospitalizados y hospitalizados con necesidad de cuidados críticos son tremendamente dependientes de los parámetros de probabilidad de encuentro, la responsabilidad individual se transforma en la mejor solución a una posible sobredemanda de cuidados hospitalarios; además, el control de las zonas con alta cantidad de población es clave para evitar la propagación simultánea de la enfermedad hacia zonas interiores y más aisladas de la región. Finalmente, el permitir la movilidad de personas recuperadas (asumiendo que estas no pueden contagiar el virus), parece tener un efecto menor sobre las curvas de contagio y la aparición de los peaks. En ese sentido, debemos ahora estudiar cuáles pueden ser los efectos económicos que podría tener la relajación de las restricciones de movilidad sobre los individuos que ya han desarrollado algún tipo de inmunidad”.
Características del Modelo
Respecto a las novedades de este segundo reporte, en comparación al primero, el académico del Instituto de Ciencias de la Ingeniería, Dr. Víctor Verdugo, destacó que se incorporaron en la dinámica del modelo las subpoblaciones de hospitalizados y hospitalizados con necesidad de cuidados críticos, información obtenida desde la literatura especializada y de datos públicos sobre los períodos de hospitalización y duración de las distintas etapas de la enfermedad.
Reportes de Google y Apple
El Dr. Verdugo indicó que “hemos modificado la cantidad de viajes entre las comunas usando información sobre los cambios en los patrones de movilización entregados en los reportes de Google y de Apple. Además, tuvimos acceso a una línea base de cantidad de viajes entre comunas, con la cual se estimó la probabilidad de la comuna destino de las personas de cada comuna origen. Esto mejora sustancialmente las estimaciones hechas en el primer reporte donde sólo utilizamos la distancia entre comunas como una aproximación de dichas probabilidades. Y finalmente, incorporamos una agrupación geográfica de las comunas de la región en cuatro clusters, lo cual nos permite una mejor representación de resultados. Esta división simplifica la combinación total de políticas de aislamiento, e identificación de las poblaciones con mayor inferencia en la extensión de las consecuencias de la enfermedad”.
"buscamos ayudar en la toma de decisiones"
Para finalizar, el Dr. Rodrigo Verschae dijo que “esperamos que este tipo de estudios, realizado en la región, apoye a responder problemáticas regionales desde nuestra casa de estudios, y en particular, buscamos ayudar en la toma de decisiones. El generar conocimiento y desarrollar modelos de evolución temporal de la enfermedad bajo diferentes escenarios de mitigación y migración considerando factores e información regional es de gran importancia. El modelo y los parámetros utilizados los seguiremos actualizando y mejorando constantemente a medida que la comunidad científica reúne más información y conocimiento sobre esta nueva enfermedad”.