Daniel García de Vicuña, Marta Cildoz, Fermín Mallor
Grupo de Investigación q-UPHS. Universidad Pública de Navarra
Motivación
La pandemia COVID-19 irrumpió con fuerza en España en marzo de 2020, llevando a una situación de confinamiento de la población, que duraría meses y a un estrés sin precedentes del sistema sanitario público. En Navarra la primera hospitalización se produjo el 28 de febrero de 2020. La gerencia del centro de referencia de la comunidad, el Hospital de Navarra (ahora Hospital Universitario de Navarra, HUN) conscientes de la situación de emergencia que se avecinaba estableció una base de datos dedicada al seguimiento de pacientes COVID-19 el 4 de marzo y contactó con el grupo de investigación q-UPHS el 12 de marzo solicitando ayuda para la predicción de camas de hospitalización en planta y en UCI para atender a los pacientes COVID-19. Esta previsión es fundamental para la gestión de los espacios y recursos hospitalarios y para la programación de la actividad clínica. El grupo de investigación adaptó un modelo de simulación hospitalario para tal propósito, y el lunes 16 de marzo lo presentó para su validación ante la gerencia del hospital y los directores de los principales departamentos del centro afectados por la pandemia. A partir del jueves 19 de marzo comenzó a emitir informes diarios con la previsión de necesidad de camas durante las siguientes semanas a la dirección hospitalaria y cada cierto tiempo a la consejería de salud.
Enfoque metodológico
La predicción del número de camas se realiza mediante un modelo de simulación de eventos discretos que considera el ingreso hospitalario de todos los pacientes COVID-19, su permanencia en el hospital y sus posibles transiciones entre cama de planta y UCI. La Ilustración 1 muestra el diseño conceptual del modelo de simulación.
Los elementos clave del modelo de simulación son la previsión diaria futura de los pacientes que van a necesitar ingreso hospitalario y la determinación de los tiempos de estancia y probabilidades de transición entre UCI y planta. Para la estimación del número de ingresos diarios se utilizó el ajuste de datos a curvas Gompertz que describen el crecimiento de poblaciones con la propiedad de que alcanzan un máximo. La Ilustración 2, figura izquierda, muestra el ajuste de un conjunto de datos de ingresos acumulados hasta una fecha a dicho tipo de curvas. El incremento en el valor de la curva se utiliza como función de intensidad de un proceso de Poisson no homogéneo, a partir del cual se simulan los ingresos diarios de pacientes (figura derecha de la ilustración).
Los tiempos de estancia en planta y en UCI, así como las probabilidades de las bifurcaciones en las trayectorias de los pacientes en el hospital mostradas en la ilustración 1 se estiman a partir de datos y con modelos mixtos que incluyen la opinión de expertos. Hay que destacar la existencia de un alto porcentaje de datos censurados, sobre todo al inicio de cada ola pandémica, que necesita ser considerada en la estimación de parámetros. Diariamente, a las 8:00 de la mañana, se recibía un fichero con los datos actualizados de todos los pacientes COVID-19 hospitalizados. Con esta información se estimaban los parámetros del modelo de simulación que era ejecutado varios miles de veces para obtener una estimación probabilística de la ocupación de camas en planta y UCI para los siguientes días.
Resultados
El equipo de investigación remitió un informe diario a la dirección del HUN con las predicciones de la ocupación de camas. Estas predicciones incluían la estimación puntual y por intervalo, así como representaciones gráficas de las mismas, como muestra la Ilustración 3.
Se proporcionó soporte a la dirección del HUN y la consejería de salud durante las 6 olas pandémicas y al sistema hospitalario de La Rioja a partir de la segunda ola pandémica. Ante la prolongación de la pandemia, los procedimientos computacionales, de análisis de datos y visualización de resultados se automatizaron y se integraron en un software que fue remitido a los responsables de Navarra y La Rioja. También se realizaron predicciones por comunidades autónomas y provincias para dar soporte al Ministerio de Salud de España durante las olas tercera y cuarta.
Impacto
Las predicciones suministradas a las direcciones de los sistemas hospitalarios de Navarra y La Rioja sirvieron para la toma de decisiones acerca de la gestión de sus recursos, tanto materiales como humanos. Específicamente, los resultados permitieron apoyar decisiones relativas a la apertura y cierre progresivo de unidades, la reorganización de espacios hospitalarios, la planificación y redistribución de personal sanitario, así como el ajuste de la actividad clínica programada, especialmente en lo relativo a cirugías y procedimientos no urgente. En un ámbito más general, sirvió para demostrar a los gestores de sistema público de salud la capacidad de los métodos de simulación y de análisis de datos para apoyar la toma de decisiones en entornos sanitarios. Durante la pandemia, un miembro del grupo de investigación formó parte del equipo técnico asesor del Gobierno de Navarra, y con posterioridad se han recibido encargos para el análisis de situaciones complejas que afectan al acceso de los ciudadanos a la sanidad pública
Más información
- Garcia-Vicuña D., López-Cheda A., Jácome M.A., Mallor F. Estimation of patient flow in hospitals using up-to-date data. Application to bed demand prediction during pandemic waves. (2023) PLoS ONE, 18 (2 February), art. no. e0282331. DOI: 10.1371/journal.pone.0282331
- Garcia-Vicuña D., Esparza L., Mallor F. Hospital preparedness during epidemics using simulation: the case of COVID-19. (2022) Central European Journal of Operations Research, 30 (1), pp. 213 – 249. DOI: 10.1007/s10100-021-00779-w
- Rodrigo-Rincón I., Garcia-Vicuña D., Esparza L., Santana-Domínguez S., Martínez-Larrea J. A., Mallor F. Gestión de camas hospitalarias durante la pandemia en Navarra con el apoyo de métodos matemáticos de predicción. (2023) Anales del Sistema Sanitario de Navarra. Monografía nº 8.