Modelos predictivos para optimizar la gestión de los recursos sanitarios

0

La pandemia originada por el COVID-19 ha puesto de manifiesto, entre otras muchas cosas, el reto que supone para los sistemas de salud hacer frente a una emergencia sanitaria de gran alcance. Garantizar la disponibilidad de camas hospitalarias, ventiladores o incluso de profesionales sanitarios para atender las necesidades de miles de enfermos durante la fase más crítica ha sido, precisamente, uno de los aspectos en los que más han centrado sus esfuerzos administraciones públicas e instituciones sanitarias.

¿Es posible anticiparse a la evolución de una crisis de este tipo y planificar los recursos de forma eficiente? 


La gestión del dato, clave para el sistema sanitario del futuro

En el contexto de una crisis sanitaria como la que estamos viviendo, es especialmente necesaria una estrecha colaboración de todas las organizaciones, con una gestión end to end del dato, que incluya su gobernanza, así como su recogida, calidad y difusión analítica tanto descriptiva, predictiva y prescriptiva.  Solo así será posible una gestión global y regional de la pandemia de manera coordinada y efectiva.

La aplicación de analítica avanzada al sector sanitario puede ayudar a mejorar la respuesta ante una emergencia de salud, ya que permite predecir su impacto atendiendo a distintas variables, siguiendo su evolución en tiempo real y, de acuerdo a todo ello, planificar la asignación de recursos. En la actualidad ya existen modelos analíticos que, en lugar de basarse en un solo conjunto de asunciones, trabajan con distintos escenarios: el peor escenario, el mejor escenario y el más probable. En cada caso éstos son actualizados con información en tiempo real basada en cualquier cambio como, por ejemplo, el efecto de las medidas de distanciamiento social en la propagación del COVID-19.

En SAS hemos creado un conjunto de innovadores modelos analíticos junto a la Cleveland Clinic, una institución sanitaria de referencia en innovación a nivel global, pionera en avances como la cirugía de bypass de la arteria coronaria o el primer trasplante facial en los Estados Unidos. 

Los modelos, disponibles de forma gratuita a través de GitHub, pueden implementarse a escala de un hospital, una región autónoma o un sistema sanitario de un país, y sirven para optimizar la atención sanitaria de los pacientes de COVID-19.

La Cleveland Clinic está utilizando estos modelos, que aplican analítica avanzada a datos, para basar en ellos su toma de decisiones. Gracias a esta información, pueden predecir y planificar sus necesidades, en cuanto a camas de UCI, equipos de protección o ventiladores. Tras evaluar los posibles escenarios generados por los modelos, la institución activó un protocolo teniendo en cuenta el peor de los escenarios, lo que les llevó a construir un hospital de campaña con una capacidad de 1.000 camas adicionales para pacientes de COVID-19 que no necesitaran ingresar en una UCI. Igualmente, el hospital utilizó los modelos para fundamentar sus decisiones sobre la organización y despliegue de los   grupos de trabajo y los profesionales sanitarios necesarios para cada la atención en cada turno

La iniciativa se basa en el modelo epidemiológico SEIR, según el cual toda la población a lo largo del tiempo va pasando por las etapas de Susceptible, Expuesto, Infectado y Recuperado. El modelo desarrollado por SAS y la Cleveland Clinic parte de uno de open source de la Universidad de Pennsylvania, que ha sido recodificado y ampliado en nuestra plataforma de analytics SAS®  y se mejora de forma continua gracias al feedback en tiempo real de los epidemiólogos y data scientists de la Cleveland Clinic. Los modelos resultantes incluyen control flexible de distintos parámetros que consideran sistemas de salud regionales, variaciones demográficas, así como variables relevantes a nivel estatal. A modo de ejemplo, los modelos pueden tener en cuenta el efecto amortiguador que el distanciamiento social puede tener en la propagación del virus.

Este ejemplo es sólo una muestra de las posibilidades que abre la analítica para la optimización de los datos de salud y está en línea con la trayectoria que contamos en SAS trabajando de forma conjunta con organizaciones de atención sanitaria y científica, y también con otras iniciativas para combatir el COVID-19, en las que usamos la analítica avanzada para mejorar el conocimiento del entorno, asegurar la estabilidad de la planificación de la demanda, el desarrollo de vacunas y una mejora de la trazabilidad.

¿Quieres conocer cómo SAS está ayudando en la lucha contra la pandemia? Visita SAS COVID-19 Resource Hub.

Share

About Author


Editing SAS Spain blogs.

Leave A Reply

Back to Top