Revisión narrativa: Modelos predictivos sobre la evolución de la pandemia por COVID-19

• Main Authors: Santiago, Hasdeu, Laura, Lamfre, Patricia, Caro, Federico, Horne
• Format: Article
• Language: Spanish
• Published: Ministerio de Salud 2020-07-01
• Series: Revista Argentina de Salud Pública
• Online Access: http://rasp.msal.gov.ar/rasp/articulos/vol12supl/REV-Hasdeue3.pdf

La modelización matemática se utiliza desde hace más de 100 años para evaluar el impacto de las estrategias de intervención de salud pública y sugerir el curso de acción óptimo en la lucha contra las enfermedades infecciosas emergentes. La aparición del nuevo virus SARS-CoV-2 plantea un gran desafío para los planificadores y decisores en salud, que deben movilizar recursos finitos, reorganizar los sistemas de atención y tomar decisiones en un contexto de gran incertidumbre. Para afrontar la pandemia por COVID-19, muchos sistemas de salud incorporan información provista por modelos predictivos. Esto insta a revisar la evolución de los distintos tipos de modelos existentes, sus características, limitaciones y vinculación con la toma de decisiones en Argentina y otros países. Con ese objetivo, se realizó una búsqueda bibliográfica sobre los modelos publicados acerca de la evolución de la pandemia. Se analizó el número de proyectos conexos presentados a becas del Ministerio de Ciencia, Tecnología e Innovación. Se identificaron, clasificaron y describieron distintos tipos de modelos, como determinísticos y estocásticos, distintos modelos compartimentados, y se describió la teoría del umbral y características principales de los modelos, como el número reproductivo básico (R0). Se analizó la importancia de los supuestos de cada modelo y el abordaje de la incertidumbre. Se discutieron sus principales limitaciones y su vinculación con la toma de decisiones en provincias y regiones