(Departamento de Salud del Gobierno de Navarra, 2023) Rodrigo Rincón, Isabel; García de Vicuña Bilbao, Daniel; Esparza Artanga, Laida; Santana-Domínguez, Sergio; Martínez-Larrea, Jesús Alfredo; Mallor Giménez, Fermín; Institute of Smart Cities - ISC
Durante la pandemia por coronavirus, en Navarra se utilizaron modelos matemáticos de
predicción para estimar las camas necesarias, convencionales y de críticos, para atender a
los pacientes COVID-19.
Las seis ondas pandémicas presentaron distinta incidencia en la población, ocasionando
variabilidad en los ingresos hospitalarios y en la ocupación hospitalaria. La respuesta a la
enfermedad de los pacientes no fue constante en cada onda, por lo que, para la predicción de
cada una, se utilizaron los datos correspondientes de esa onda.
El método de predicción constó de dos partes: una describió la entrada de pacientes al
hospital y la otra su estancia dentro del mismo.
El modelo requirió de la alimentación a tiempo real de los datos actualizados. Los resultados de
los modelos de predicción fueron posteriormente volcados al sistema de información corporativo
tipo Business Intelligence. Esta información fue utilizada para planificar el recurso cama y las
necesidades de profesionales asociadas a la atención de estos pacientes en el ámbito hospitalario.
En la cuarta onda se realizó un análisis para cuantificar el grado de acierto de los modelos
predictivos. Los modelos predijeron adecuadamente el pico, la meseta y el cambio de
tendencia, pero sobreestimaron los recursos necesarios para la atención de los pacientes en
la parte descendente de la curva.
El principal punto fuerte de la sistemática utilizada para la construcción de modelos
predictivos fue proporcionar modelos en tiempo real con datos recogidos con precisión por
los sistemas de información que consiguieron un grado de acierto aceptable permitiendo una
utilización inmediata.
