García de Vicuña Bilbao, Daniel
Loading...
Email Address
person.page.identifierURI
Birth Date
Job Title
Last Name
García de Vicuña Bilbao
First Name
Daniel
person.page.departamento
Estadística, Informática y Matemáticas
person.page.instituteName
ORCID
person.page.observainves
person.page.upna
Name
- Publications
- item.page.relationships.isAdvisorOfPublication
- item.page.relationships.isAdvisorTFEOfPublication
- item.page.relationships.isAuthorMDOfPublication
2 results
Search Results
Now showing 1 - 2 of 2
Publication Open Access Gestión de camas hospitalarias durante la pandemia en Navarra con el apoyo de métodos matemáticos de predicción(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 - ISCDurante 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.Publication Open Access Un modelo para predecir cuántas camas UCI harán falta durante cada oleada(Asociacion the Conversation España, 2021) Mallor Giménez, Fermín; García de Vicuña Bilbao, Daniel; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISCLa crisis financiera mundial de 2008 puso de moda en España el término económico “prima de riesgo”, hasta entonces desconocido. Del mismo modo, la pandemia ha popularizado expresiones y términos como “doblar la curva”, “incidencia acumulada” e incluso conceptos epidemiológicos más específicos como “el número efectivo de reproducción R₀”. Ocupan portadas de periódicos, así como espacios en noticiarios televisivos y radiofónicos. Constituyen una muestra del uso de las matemáticas para describir la evolución de la pandemia y para proporcionar indicadores con los que las autoridades políticas pueden fundamentar una toma de decisiones informada sobre medidas de distanciamiento social y restricciones a la movilidad. Sin embargo, los modelos matemáticos no solo sirven para describir qué ha pasado o el estado actual de la pandemia, sino que pueden facilitar predicciones muy útiles sobre cómo va a evolucionar. Estas son útiles para la planificación de los recursos sanitarios necesarios para atender a paciente covid-19, como las camas UCI. La planificación facilita la utilización eficiente de recursos y, en consecuencia, proporcionar una mejor atención a todos los pacientes, covid y no covid. Los modelos matemáticos más útiles para predecir variables relacionadas con la evolución de la pandemia son los de simulación. Estos modelos son capaces de representar características complejas de la realidad pandémica, como su aleatoriedad e incertidumbre, así como la variabilidad en el impacto que la enfermedad puede tener en distintas personas