MODELAMIENTO Y ANÁLISIS DE ESTRATEGIAS DE MITIGACIÓN PARA EL BROTE COVID-19 EN CHILE

Desde el inicio del brote Covid-19 en Chile se conformó un grupo interdisciplinario de investigadores con el objetivo de estudiar el impacto de distintas medidas no farmacológicas en el control de este brote. Para esto, se han realizado análisis basados en modelos compartimentales, donde se monitorea principalmente la demanda de camas (normales y críticas) por enfermos Covid-19. Nuestros resultados se reportan periódicamente en esta página. Algunos resultados relevantes a destacar de estos reportes son la importancia mayor que tiene la estrategia de trazabilidad y aislamiento de contagiados, así como de sus contactos recientes, en el control de la pandemia. También se ha simulado el impacto que tiene un retorno progresivo de estudiantes a clases y se ha analizado la costo-eficiencia del uso de ciertos indicadores para decretar cuarentenas.

VI.-ANÁLISIS COSTO-EFECTIVIDAD DE CUARENTENAS DINÁMICAS ACTIVADAS POR DIFERENTES INDICADORES PARA EL CONTROL DEL COVID-19.

Las cuarentenas o lockdowns han sido ampliamente aplicadas como una medida no farmacológica para el control del actual brote de COVID-19. Típicamente, este tipo de medida se activa cuando un indicador epidemiológico, en una población dada, sobrepasa un determinado umbral. Por ejemplo, en Chile, se utiliza como indicador el número de infectados activos (o indicadores obtenidos a partir de este) en una zona geográfica. Luego, la medida de cuarentena es levantada, cuando los niveles del indicador utilizado han decrecido suficientemente. Este reporte tiene por objetivo comparar la utilización de algunos indicadores para activar (y desactivar) cuarentenas con una perspectiva de análisis costo-efectividad. Si la activación de cuarentenas va a estar basada en la utilización de un indicador, nos interesa observar el impacto sobre las siguientes cantidades o resultados producto de la aplicación de la medida: (i) Máximo de camas UCI a requerir (peak); (ii) Número total de días en cuarentena. Evidentemente un tomador de decisiones busca minimizar estas cantidades pero, dado que hay un claro trade-off entre ellas (más días totales de cuarentenas deberían implicar menores peak de UCI), la decisión de cuándo activar una cuarentena y bajo qué criterios no es fácil y merece un mayor análisis. Así, para comparar los efectos en estos resultados, producto de la aplicación de cuarentenas dinámicas activadas por indicadores diferentes, proponemos una metodología que consiste en calcular para cada indicador su curva de trade-off. Si la curva de un indicador domina de manera absoluta a la de otro (en el sentido que está gráficamente por debajo de la otra) diremos que el indicador dominante es mejor, en el sentido de su costo-efectividad y, en tal caso, sería el indicador recomendable a utilizar para implementar una estrategia dinámica, pues logra al mismo tiempo menos días de cuarentena y un peak de camas UCI menor. Para las simulaciones utilizamos el modelo matemático introducido en nuestros anteriores reportes [7, 9] y como caso de estudio, analizamos las regiones de Antofagasta, Valparaíso y Metropolitana, obteniendo que los mejores indicadores, desde el punto de vista de su costo-efectividad, para activar cuarentenas, son el incremento diario de utilización de camas UCI y los infectados activos (suponiendo son completamente observables). 

V.-Escenarios posibles frente a la apertura de las escuelas durante el brote de COVID-19.

En este documento se modelaron diferentes escenarios relacionados con la apertura de escuelas en tres regiones del país: Metropolitana, Antofagasta y Valparaíso. Para ello se utilizó una variante del modelo matemático de los informes anteriores, en el cual se incluye la estructura de edades de la población. Simulamos la apertura progresiva de las escuelas en un plazo aproximado de un mes, hasta llegar a distintos escenarios: 100%, 75%, 50% y 25% de su capacidad escolar. Además, estos escenarios se simulan para distintos esfuerzos futuros en el rastreo de contacto y el aislamiento.

20.04.2020

Respuesta a minuta del Ministerio de Ciencias y Tecnología | COVID-19 Chile

IV.- Estimación de la demanda máxima de camas de UCI para el brote de COVID-19 en algunas regiones de Chile y los efectos de diferentes estrategias de mitigación.

En este documento estimamos la capacidad máxima de camas en la UCI (unidad de cuidados intensivos) requerida por cuatro regiones chilenas (Arica, Ñuble, Araucanía, Magallanes) durante el brote de COVID-19. Para ello, utilizamos el modelo epidemiológico compartimentado introducido en el Reporte #2 con el fin de simular los efectos de las estrategias presentadas en nuestro anterior Reporte #3: cuarentena y la estrategia consistente en el rastreo de contactos y el aislamiento.

III.- Estimación de la demanda máxima de camas de UCI para el brote de COVID-19 en Santiago (Chile) y los efectos de las diferentes estrategias de mitigación.

En este documento utilizamos el modelo epidemiológico compartimentado introducido en el Reporte #2, con el fin de estimar la capacidad máxima de camas de Unidad de Cuidado Intensivos (UCI) requerida por la ciudad de Santiago de Chile durante el brote de COVID-19, bajo la acción de tres clases de estrategias. La demanda máxima de camas de UCI se presenta como un resultado de nuestro modelo, para la estrategia de cierre, que consistente en el rastreo de contactos y el aislamiento, y una combinación de ambas medidas de mitigación.

II.- Estimación de la máxima demanda de camas de UCI para el brote de COVID-19 en Santiago, Chile.

En este documento los investigadores del Centro de Modelamiento Matemático proponen un modelo epidemiológico para estimar la capacidad máxima de camas en la Unidad de Cuidados Intensivos, UCI, requeridas por la ciudad de Santiago durante el brote de COVID-19. El modelo presentado es una variación de los propuestos en el informe #1, que incluye ahora una variable de estado adicional: Personas asintomáticas o con síntomas leves no detectados, que según la literatura reciente son un grupo clave en la transmisión de esta enfermedad.
La demanda máxima de camas en la UCI se presenta como un resultado de nuestro modelo, para diferentes valores del número de reproducción básico R0, que se interpreta como diferentes escenarios después de las medidas de mitigación adoptadas. A efectos de comparación, también mostramos los resultados con un segundo modelo que incluye la estructura edad-clase.

I.- Estimación de la máxima demanda de instalaciones sanitarias críticas para el brote de COVID-19 en Santiago, Chile.

En este documento proponemos un modelo epidemiológico para estimar la máxima demanda de los establecimientos de atención médica crítica que necesita Santiago, durante el brote de COVID-19. Se consideraron como variables las tasas de contactos con personas en diferentes etapas de la enfermedad, reportando la variación de las demandas máximas cuando se aplican diferentes estrategias de mitigación. Considerando dos clases: i) Testeo, aislamiento y rastreo de contactos.

CENTRO DE MODELAMIENTO MATEMÁTICO (CMM)

Somos un centro científico líder a nivel nacional para la investigación y las aplicaciones de las matemáticas. Nuestro objetivo es crear nuevas matemáticas y usarlas para resolver problemas provenientes de otras ciencias, la industria y las políticas públicas.

Suscripción

Mantente al tanto de los últimos reportes sobre COVID-19

Instituciones asociadas