Detall

“El nostre model predictiu va contribuir a evitar la saturació dels hospitals de Catalunya”

Recerca
Notícia | 20-02-2023

Compartim l'entrevista que els hi han fet a les doctores Catalina Bolancé i Montserrat Guillén des de la Fundació Bosch i Gimpera de la Universitat de Barcelona. Professores de la Facultat d’Economia i Empresa, durant la pandèmia de la covid-19 van desenvolupar un model predictiu que va ser transcendental per evitar el col·lapse dels hospitals d’arreu de Catalunya.

 

En què consisteix el projecte en què heu treballat?

El projecte tenia com a objectiu fer prediccions diàries sobre l’ocupació hospitalària de llits per covid tant a les unitats de cures intensives (UCI) com fora d’aquestes unitats. Es preveia l’escenari més probable a una setmana i a dues setmanes vista. A més, diàriament es predeia el nombre de dies que podien faltar fins arribar a una ocupació límit. Per tant, d’alguna manera es volia preveure el moment crític de saturació. Aquestes prediccions es van obtenir a escala general per a tot Catalunya i desagregadament per a cadascuna de les regions sanitàries.

 

Com ho vau fer per predir amb precisió els llits disponibles?

Es van dissenyar uns programes que, utilitzant models predictius dinàmics amb el llenguatge R, ens permetien carregar les dades enviades diàriament des del Departament de Salut de la Generalitat de Catalunya. Les dades incorporaven informació sobre l’activitat assistencial del dia anterior a tots els nivells, és a dir, des de l’atenció primària o els centres d’urgències d’atenció primària, a tots els hospitals, tenint en compte els pacients amb proves PCR positives que anaven a urgències. En paral·lel, diàriament es feia un recompte dels llits convencionals i de les UCI ocupades en cadascun dels centres hospitalaris d’arreu de Catalunya, s’actualitzaven les estimacions i les projeccions i se’n feia una valoració qualitativa per ajudar les autoritats sanitàries a valorar la situació i l’evolució prevista. El quadre de comandament permetia projectar escenaris de creixement de casos i del seu impacte posterior en el nombre d’hospitalitzacions.

 

Per tant, va ser un sistema transcendental perquè les autoritats poguessin prendre les mesures més adequades i evitar, d’aquesta manera, la saturació dels hospitals?

Era un sistema que els comitès d’experts i les autoritats podien interpretar directament i que facilitava per tant la presa de decisions anticipant-se a la possibilitat de saturació hospitalària a escala general i per regions sanitàries. En els moments de màxima cruesa, abans de les vaccinacions o en els primers mesos, quan els vaccins encara no havien arribat a tota la població, aquest sistema ajudava a fer les recomanacions de distància social i restricció d’activitats que van evitar la saturació dels hospitals a Catalunya, que sí que es va produir en altres llocs.

 

Quins són els aspectes diferencials del vostre projecte?

Un dels aspectes diferencials és l’ús de models estadístics predictius tant a nivell agregat com a nivell desagregat en un període de pandèmia. La intensitat amb què ens hi vam dedicar també és molt remarcable. La nota diària d’evolució no es va deixar de fer mai, ni cap dia festiu, en cap moment. Aquesta intensitat i implicació personal dels investigadors no l’havíem viscut mai. El procés no podia ser completament automàtic, ja que els canvis en les variants del virus i les dinàmiques pròpies de la societat feien que els contagis no fossin estables ni seguissin un patró epidemiològic constant en el temps.

 

Quins factors feien variar les prediccions?

Cada dia es replantejava la projecció i es tenien en compte factors com el dia de la setmana, si hi havia hagut algun festiu, l’activitat dels centres de primària, el nivell de vaccinació de la població i l’accés als serveis d’urgències. Utilitzant informació de les trucades relacionades amb la covid que es feien al servei d’emergències del 061 també vam aconseguir un dels sistemes més avançats del món en capacitat d’anticipar la saturació. I, com hem dit, el nostre premi va ser que, gràcies a la coordinació de tots, el nostre sistema sanitari no es va col·lapsar en cap moment.

 

En quins llocs es podria aplicar aquesta tecnologia?

Va ser pensada fonamentalment per monitorar l’ocupació hospitalària i poder avançar-se a una possible sobreocupació en un entorn molt canviant. La pandèmia va crear la necessitat d’actualitzar les projeccions molt ràpidament, fixant-nos més en el que podia passar que no pas en el que havia passat, que és la visió més clàssica i la que es va fer més palesa als mitjans de comunicació durant la pandèmia. Això és aplicable a qualsevol sistema de gestió hospitalària o de logística de subministrament quan la capacitat és limitada.

 

Per què és important monitorar l’ocupació de llits hospitalaris?

Perquè la manca de llits és un problema, en primer lloc per als pacients i els seus familiars, que han de patir moments d’incertesa per la possible manca de llits; i en segon lloc per als sanitaris mateix, que tenen una capacitat màxima d’atenció pel que fa al nombre de pacients.  A Catalunya no es van haver de fer servir instal·lacions muntades ràpidament, com els hospitals de campanya, que no ofereixen les possibilitats que tenen els centres permanents.

 

En quin estat es troba el vostre projecte?

Es tracta d’un projecte tancat, que va finalitzar a finals del 2022, una vegada que es va comprovar que la pandèmia de la covid gairebé no afectava ja l’ocupació hospitalària a Catalunya.

 

Més sobre les doctores Catalina Bolancé i Montserrat Guillén

El millor invent de la història?

Dra. Bolancé: Internet

Dra. Guillén: La rentadora

 

Què els agradaria veure en un futur?

Dra. Bolancé: La traducció simultània

Dra. Guillén: El teletransport

 

Un avenç del futur que els faci por?

Que es pugui parlar amb un robot pensant-nos que és una persona

 

Un referent?

Dra. Bolancé: Gauss o Pearson

Dra. Guillén: La Mare Teresa

 

La transferència és important per…

Per avançar. Perquè el món pot canviar, i perquè això es tradueixi en més benestar per als ciutadans.


Comparteix-ho: