¿Qué ofrecen los modelos matemáticos para estimar la necesidad de hospitalización y/o tratamiento en las unidades de cuidados intensivos debido a la COVID-19?

Respuestas COVID-19
31 marzo 2020 | Centro Cochrane Iberoamericano


Mensajes clave

  • Los modelos matemáticos para estimar la necesidad de hospitalización y / o tratamiento en las unidades de cuidados intensivos debido a la COVID-19, son una herramienta útil en la planificación de la atención sanitaria.
  • En la actualidad, se dispone de unos pocos modelos para estimar estas necesidades.
  • Además, varios de estos modelos se han adaptado a herramientas disponibles en línea que permiten explorar diferentes escenarios de propagación de la enfermedad y de necesidades de atención sanitaria.

Contexto

El estudio de las enfermedades infecciosas a menudo se basa en modelos epidemiológicos matemáticos que intentan emular la dinámica de la enfermedad y estimar los parámetros relacionados con ella, como la tasa de reproducibilidad, la tasa de mortalidad, etcétera.

La forma básica de este tipo de simulaciones son los modelos SIR basados en el supuesto de que la población se puede clasificar en tres grupos compartimentados independientes (persona susceptible, infectada y recuperada). El número y tipo de grupos compartimentados se pueden modificar para reflejar mejor la dinámica específica de la enfermedad, como en los modelos SEIR (persona susceptible, expuesta, infectada y recuperada). Los modelos estudian de qué manera los individuos pueden progresar de un grupo compartimentado al siguiente.

Se pueden diferenciar dos clases de modelos. Los deterministas se basan en ecuaciones diferenciales (frecuentemente utilizadas para poblaciones grandes), mientras que los modelos estocásticos se basan en procesos de Markov (relevantes para poblaciones pequeñas o con gran variabilidad en sus parámetros). La Wikipedia ofrece una descripción general para conocer un poco mejor estos modelos epidemiológicos por grupos compartimentados, y otras revisiones ofrecen información técnica de un nivel más avanzado [1,2].

Los modelos que caracterizan la COVID-19 generalmente agregan más grupos compartimentados para cubrir aquellos grupos de población que se infectan pero que son asintomáticos, los individuos con enfermedad leve que no necesitan hospitalización, aquellos que necesitan hospitalización, aquellos que necesitan cuidados críticos y también aquellos que mueren. Los modelos que incluyen las categorías de pacientes hospitalizados y/o pacientes en cuidados críticos permiten estimar las necesidades de camas de hospital y UCI, que son clave en la planificación de los servicios sanitarios.

Este informe identifica y describe brevemente los modelos matemáticos propuestos que permiten estimar las necesidades de camas de hospitalización y/o tratamiento en las unidades de cuidados intensivos debido a la COVID-19.

Metodología

Se buscaron estudios (inicialmente el 20 de marzo, con una actualización el 30 de marzo de 2020) en el repositorio de pre impresiones de publicaciones científicas medRxiv (medrxiv.org) con los términos ‘covid model’, y se buscó PubMed con la siguiente sintaxis:
(((coronavirus[Title/Abstract]) OR covid[Title/Abstract])) AND ((((((decision modeling[MeSH Terms]) OR modelling[Title/Abstract]) OR model[Title/Abstract]) OR SIR[Title/Abstract]) OR microsimulation) OR markov)

Incluimos modelos matemáticos cuantitativos, definidos como un "marco matemático que representa variables y sus interrelaciones para describir fenómenos observados o predecir eventos futuros" [3]; que son frecuentemente usados para asistir en la toma de decisiones en salud. Excluimos de esta revisión rápida modelos estadísticos utilizados para estimar las asociaciones entre las variables medidas o su distribución (por ejemplo, modelos de riesgos proporcionales) o modelos utilizados para síntesis de datos (por ejemplo. modelo de efectos fijos).

Se identificaron un total de 98 referencias en Pubmed y 390 en medRxiv. Se seleccionaron seis publicaciones [4-7], tras descartar referencias de estudios que no se basaban en un modelo matemático y modelos que no consideraron explícitamente la necesidad de hospitalización o UCI. Las publicaciones seleccionadas fueron pre-impresiones que aún no han sido revisadas por pares. Adicionalmente, se seleccionaron cuatro recursos en línea basados en modelos matemáticos que se habían descrito en alguna de las publicaciones excluidas.

Información relevante

De los 10 modelos valorados, cinco incluyeron estimaron modelos SEIR que incluyen grupos compartimentados específicos para hospitalización y/o atención en UCI, y en consecuencia permitieron estimar las necesidades de camas de hospital y/o UCI (descritos en la Tabla 1). Dos de ellos se han adaptado a recursos en línea, que permiten explorar diferentes escenarios de necesidades relacionadas con la COVID-19.

Los cinco modelos restantes identificados no incluyeron específicamente los casos de hospital y/o UCI en el modelo (Tabla 2). En cambio, los incluyeron como parámetros en un modelo general para estimar la propagación de COVID-19, generalmente como una fracción fija de pacientes con COVID-19 que necesitan hospitalización o cuidados críticos. Posteriormente, estas fracciones se aplicaron al número previsto de casos de COVID-19 para obtener las necesidades de hospitalización o UCI. Estos modelos se han incluido en este informe debido a la utilidad de sus calculadoras en línea (o código disponible en un caso), que permiten explorar el impacto de diferentes fracciones de hospitalización y / o UCI en el número esperado de camas necesarias.

Referencias

[1] Blackwood JC, Childs LM. An introduction to compartmental modeling for the budding infectious disease modeler. LETTERS IN BIOMATHEMATICS 2018, VOL. 5, NO. 1, 195–221
[2] HuppertA Katriel GMathematical modelling and prediction in infectious disease epidemiology. Clinical Microbiology and Infection; 19 (11), November 2013, 999-1005
[3] Eykhoff, P. (1974). System identification: Parameter and State Estimation. London: John Wiley & Sons.

Tabla 1. Modelos matemáticos para estimular la necesidad de recursos en el hospital y/o la UCI

A mathematical model for the spatiotemporal epidemic spreading of COVID19 [4]
Contacto Àlex Arenas, alexandre.arenas@urv.cat
Tipo de modelo SEIR estocástico basado en un proceso de Markov (Microscopic Markov Chain Approach), estratificado por edad, con los siguientes grupos compartimentados: persona Susceptible, Expuesta, Asintomática, Infectada, Hospitalizada en UCI, Muerta y Recuperada.
OBJETIVO capturar la propagación de COVID-19 en el estado español
Disponibilidad en línea no
Covid-19 health care demand and mortality in Sweden in response to non-pharmaceutical (NPIs) mitigation and suppression scenarios ICU [5]
Contacto Joacim Rocklöv, joacim.rocklov@umu.se
Tipo de modelo SEIR determinista con los siguientes grupos compartimentados: persona Susceptible, Expuesta, Infectada, Receptora de atención sanitaria, Receptora de cuidados intensivos, Muerta, Recuperada.
OBJETIVO estimar los periodos de incidencia, las tasas de hospitalización, la necesidad de cuidados intensivos y la mortalidad en relación con la capacidad actual de las UCI y los costes de la atención sanitaria en Suecia.
Disponibilidad en línea no
COVID.19 Scenarios online tool
Contacto no disponible
Tipo de modelo SEIR determinista, estratificado por edad y ajustado al nivel de transmisión estacional, con los siguientes grupos compartimentados: persona Expuesta, Infectada, Hospitalizada, Receptora de cuidados intensivos, Muerta y Recuperada.
OBJETIVO estimar casos, así como la necesidad de hospitalización y cuidados en UCI, así como su desbordamiento.
Disponibilidad en línea https://neherlab.org/covid19/
Modeling COVID-19 Spread vs Healthcare Capacity Online tool
Contacto
no disponible
Tipo de modelo
SEIR determinista ajustado al nivel de transmisión estacional, con los siguientes grupos compartimentados: persona Susceptible, Expuesta, Infectada, Infectada leve, Infectada grave, Estado crítico, Muerta y Recuperada.
OBJETIVO
estimar la rapidez de la transmisión de la COVID -19 y su grado de propagación, y cómo puede colapsar la capacidad de ofrecer atención sanitaria
Disponibilidad en línea
https://alhill.shinyapps.io/COVID19seir/
Epidemic Calculator
Contacto Gabriel Goh, izmegabe@gmail.com
Tipo de modelo SEIR determinista, con los siguientes grupos compartimentados: persona Susceptible, Expuesta, Infectada leve (no hospitalizada), Infectada moderada (hospitalizada), Muerta y Recuperada.
OBJETIVO estimar y representar gráficamente la dinámica de transmisión de la COVID-19, incorporando mortalidad y carga de enfermedad
Disponibilidad en línea http://gabgoh.github.io/COVID/index.html

Tabla 2. Modelos pronóstico para estimar la necesidad de recursos en el hospital y/o la UCI

Estos modelos no estiman explícitamente las necesidades de hospitalización, de cuidados intensivos o de ventilación, sino que incluyen la fracción de pacientes con COVID-19 con estas necesidades como parámetros en el modelo.
A model to estimate bed demand for COVID-19 related hospitalization ICU [6]
Contacto David Scheinker, dscheink@stanford.edu
Tipo de modelo series temporales diarias.
OBJETIVO estimar la cantidad de camas de UCI, de agudos y equipos de ventilación artificial necesarios para dar atención a pacientes que requieren hospitalización por COVID -19 y compararlas con los recursos disponibles.
Disponibilidad en línea https://surf.stanford.edu/covid-19-tools/covid-19-hospital-projections/
Estimating the maximum daily number of incident COVID-19 cases manageable by a healthcare system ICU [7]
Contacto Nathan M. Stall, nathan.stall@sinaihealth.ca
Tipo de modelo análisis de estado estacionario.
OBJETIVO estimar el número máximo diario de casos de COVID -19 incidentes que un sistema de atención médica podría manejar de acuerdo a una distribución etaria y según la gravedad, utilizando datos de EE.UU. y Canadá.
Disponibilidad en línea https://caic-rt.shinyapps.io/CAIC-RT
Modelling the Potential Health Impact of the COVID-19 Pandemic on a Hypothetical European Country ICU [8]
Contacto Nick Wilson, nick.wilson@otago.ac.nz
Tipo de modelo SEIR determinista, con los siguientes grupos compartimentados: persona Susceptible, Expuesta, Infectada, y Recuperada.
OBJETIVO estimar el número máximo diario de casos de COVID -19 incidentes que un sistema de atención médica podría manejar de acuerdo a una distribución etaria y según la gravedad, utilizando datos de EE.UU. y Canadá.
Disponibilidad en línea https://caic-rt.shinyapps.io/CAIC-RT
COVID-19: Forecasting short term hospital needs in France ICU [9]
Contacto Pascal Crépey, pascal.crepey@ehesp.fr
Tipo de modelo SEIR determinista, estratificado por edad, con los siguientes grupos compartimentados: persona Susceptible, Expuesta, Infectada, y Recuperada.
OBJETIVO estimar el número de casos de COVID -19, hospitalizaciones, camas de hospital yd e UCI requeridas y muertes en Francia.
Disponibilidad en línea códigos disponibles a petición
US COVID19 Forecaster Online tool
Contacto no disponible
Tipo de modelo modelo de crecimiento exponencial para estimar casos de COVID-19
OBJETIVO ilustrar los efectos del crecimiento exponencial y la sensibilidad de ciertos factores en la propagación del COVID-19 en los EE.UU.
Disponibilidad en línea https://mackgrenfell.com/forecaster/covid19