Un algoritmo codesarollado por la UIB ayuda a aliviar la presión en la red de hospitales durante la pandemia de COVID19

JUAN RIERA ROCA
Un estudio desarrollado con la participación del IFISC (Instituto de Física Interdisciplinar y Sistemas Complejos, del Consejo Superior de Investigaciones Científicas y la Universitat de les Illes Balears) propone un método para asignar de manera óptima a los pacientes de COVID19 en los hospitales y el intercambio de recursos de atención médica en la pandemia.

El uso de un algoritmo debería evitar que las unidades de cuidados intensivos (UCI) del Servicio Nacional de Salud de Reino Unido (NHS) estuvieran desbordadas. El estudio propone un método de equilibrio de carga para transferir los pacientes críticos de la UCI entre hospitales y así asignar de manera óptima los nuevos pacientes.

El objetivo es ayudar a reducir el estrés a los sistemas de salud en la segunda ola de la pandemia, así como en las posibles olas futuras. El equipo de investigación está dirigido por el Dr. Lucas Lacasa, profesor titular de Matemáticas Aplicadas de la Universidad Queen Mary de Londres e investigador asociado del IFISC (UIB-CISC).

El equipo, que reúne a científicos de las universidad de Exeter y de Bristol, probó el algoritmo utilizando los datos disponibles tanto del NHS (sistema sanitario nacional británico) como del Sistema Nacional de Salud (SNS) de España. Los resultados mostraron que este enfoque matemático podría ayudar a redistribuir hasta 1.000 pacientes de la UCI.

Se estima que de otro modo probablemente esos pacientes no recibirían la vigilancia intensiva apropiada. Durante la pandemia, la demanda de UCI varía en todo el país: algunos hospitales reciben un número elevado de pacientes al principio de un brote, mientras que otros apenas acogen. Estas diferencias en la demanda crean una oportunidad para equilibrar la carga de admisiones.

La opción estudiada es el desvío de los pacientes de las zonas de alta demanda en los hospitales locales que tienen más capacidad. Las soluciones de redireccionamiento y equilibrio de la carga se han aplicado en áreas como las redes informáticas, en las que normalmente se asignan tareas diversas en diferentes servidores interconectados.

Éstos pueden comunicarse y transferir estas tareas para minimizar el tiempo de procesamiento global. En este estudio, los investigadores adoptaron un enfoque similar para gestionar los recursos de la UCI en las redes de hospitales, donde la carga que debe asignarse es la cantidad de pacientes UCI o de ventiladores, y el redireccionamiento se hace entre los hospitales.

Utilizando el modelo, los investigadores demostraron que, cuando la demanda de la UCI es uniforme en todo el país, se puede permitir el acceso a un máximo de 1.000 casos adicionales en el Reino Unido en un solo paso del algoritmo, sin necesidad de ‘tener que aumentar en ellos la capacidad, señalan los responsables del trabajo.

En escenarios más realistas, con diferencias en la demanda entre hospitales o regiones, los científicos encontraron que su nuevo método podría equilibrar unos 600 camas por paso en el sistema español, cuando se comparten los recursos en el ámbito local, y más de 1.300 utilizando el reparto a nivel nacional, lo que potencialmente salvaría un gran porcentaje de esas vidas.

Se espera que este enfoque matemático también pueda utilizarse para ayudar a reducir la demanda cuando la epidemia comience a disminuir, lo que permitiría que los hospitales volvieran a la normalidad de la manera más eficiente posible. Los explica el Dr. Leon Danon, profesor titular de Análisis de Datos en la Universidad de Exeter:

«La pandemia de COVID19 ha sometido muchos sistemas nacionales de salud a una presión significativa, en particular para las unidades de la UCI y los respiradores. El equilibrio de las cargas de pacientes en tiempo de gran demanda se ha producido de manera espontánea, por ejemplo, con los hospitales que comparten diariamente información sobre demanda y la disponibilidad de recursos con colegas de otros hospitales locales.»

«Si bien -añade -esta acción rápida puede ayudar a corto plazo, una vez que los hospitales múltiples están desbordados, el patrón de la demanda se complica y necesita un enfoque más sistemático. Nuestra metodología de reparto de la carga puede ayudar a evitar que los servicios de salud se desborden por la excesiva demanda de cuidados intensivos, lo cual es particularmente crítica, ya que la segunda ola que vivimos ahora puede coincidir con la temporada de gripe».

El Dr. Lucas Lacasa, profesor titular de Matemáticas Aplicadas en la Universidad Queen Mary e investigador asociado del IFISC (UIB-CSIC), dijo: «Hemos validado que el método funciona con datos reales del Reino Unido y España, y ha demostrado que puede utilizarse para equilibrar pacientes en tiempo real. Actualmente, estamos en el proceso de explorar cómo podemos hacer operativo el método en el sistema de salud, y desarrollamos una interfaz de usuario amigable para el NHS, u otros sistemas de salud de todo el mundo, para poder incorporar esta tecnología al conjunto de medidas que cada país desarrolla para gestionar la pandemia. El método es fácilmente adaptable a otros países y, aunque este algoritmo de reparto de carga se ha desarrollado principalmente para la pandemia actual, no hay razón para que un enfoque similar no pueda utilizarse para equilibrar la carga de otros recursos de salud».

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Por favor, ayúdanos a promocionar la salud.

Al hacer clic en cualquiera de estos botones nos ayudas promocionar la salud.

Si continuas utilizando este sitio aceptas el uso de cookies. Más información

Los ajustes de cookies de esta web están configurados para "permitir cookies" y así ofrecerte la mejor experiencia de navegación posible. Si sigues utilizando esta web sin cambiar tus ajustes de cookies o haces clic en "Aceptar" estarás dando tu consentimiento a esto.

Cerrar