Los datos meteorológicos predicen el riesgo de congestión hospitalaria

0
370

Un equipo de investigadores apoyado por la Fundación Nacional de Ciencias de Suiza ha desarrollado un modelo matemático que anticipa los picos de gripe en los hospitales en función de los datos meteorológicos.

Cuando demasiadas personas se enferman al mismo tiempo, los hospitales corren el riesgo de congestión, como lo demostró hasta cierto punto la pandemia de Covid-19. El virus de la gripe puede causar los mismos problemas. Un equipo de investigadores apoyado por la Fundación Nacional De Ciencias de Suiza (SNSF) ha desarrollado un modelo matemático que predice el riesgo de congestión hospitalaria relacionada con la gripe en función de las condiciones climáticas.

 

La influenza es un virus estacional, presente principalmente durante la temporada de invierno en nuestras latitudes. Por lo tanto, el equipo de investigación comparó ciertos datos meteorológicos (precipitación, humedad, temperatura y sol) con los casos de gripe registrados diariamente durante tres años en el Hospital Universitario de Lausana, más conocido localmente como CHUV.

Sin embargo, por primera vez, el equipo no analizó el número diario promedio de casos de influenza durante los tres años. Se centró en los valores extremos registrados porque son estos valores los que pueden indicar un riesgo de congestión para los hospitales y, por lo tanto, son útiles para la planificación de recursos. Pudieron desarrollar un modelo que utiliza datos meteorológicos para predecir el riesgo de congestión tres días después, el tiempo de incubación de la gripe. «En lugar de dar a los hospitales una cifra promedio de casos esperados, les decimos la probabilidad de que se alcance un número de casos que exceda su capacidad, lo cual es más relevante», explica Valerie Chávez, estadística de la Universidad de Lausana y coautora del estudio.

Al rastrear esta probabilidad cada año a partir de otoño, los funcionarios del hospital podrían anticipar un aumento en los casos de gripe que podría conducir a la congestión. El modelo indica específicamente el número de casos positivos que podrían superarse con una probabilidad del 1%, 5% o 10%. También indica el número máximo de casos positivos que podrían observarse en un horizonte de 10 o 30 días. Un aumento en estos valores indica que la epidemia se está acercando a su punto máximo. «Para los hospitales, es una llamada de atención», resume el científico.

Aplicable a otros virus estacionales, en particular los coronavirus y el virus sincitial respiratorio (VSR), que causa infecciones respiratorias en niños pequeños, el modelo todavía está sujeto a cierta incertidumbre en términos de predicción del riesgo, ya que hasta la fecha solo se pudieron analizar tres años de datos del CHUV. También debido a la falta de datos, aún no es aplicable al monitoreo del SARS-CoV-2. Por otro lado, los investigadores ya están trabajando en modelos que, además de los datos meteorológicos, también se basarían en procesos de propagación viral para controlar mejor el contagio.

La teoría del valor extremo es un campo estadístico que se ocupa de valores extremadamente grandes o extremadamente pequeños en un conjunto de datos. Permite a los científicos cuantificar los riesgos estimando la probabilidad de eventos extremos y se utilizó por primera vez en hidrología para calcular la altura necesaria de las presas para la protección contra inundaciones. «Necesitas una cierta altura para protegerte contra una inundación que ocurre cada 10 años, una altura mayor para una inundación una vez en un siglo y una altura infinita si quieres estar protegido indefinidamente», explica Valerie Chávez. Pero este campo de la estadística también se aplica a las finanzas, los riesgos de caída del mercado de valores o los eventos climáticos como las olas de calor o el derretimiento de los glaciares.

¿Por qué se aplicó la teoría del valor extremo en este proyecto de investigación? «En nuestro modelo, tratamos los picos de gripe como eventos raros y de alto impacto. Este es exactamente el dominio de la teoría del valor extremo. Los modelos que trabajan con valores medios se basan en los valores centrales de la distribución y no se pueden utilizar para cuantificar riesgos», dice Chávez.

MEDICA-tradefair.com; Fuente: Schweizerischer Nationalfonds SNF

Más sobre Schweizerischer Nationalfonds SNF en: www.snf.ch/en