Mallor Giménez, Fermín

Profile Picture

Email Address

person.page.identifierURI

https://academica-e.unavarra.es/handle/2454/49490

Birth Date

Job Title

Last Name

Mallor Giménez

First Name

Fermín

person.page.departamento

Estadística, Informática y Matemáticas

person.page.instituteName

ISC. Institute of Smart Cities

ORCID

0000-0001-9800-1498

person.page.observainves

88346

person.page.upna

97

Name

Filters

20231
Reset filters

Settings

Author: Esparza Artanga, Laida × Subject: COVID-19 ×

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    PublicationOpen 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 - 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.