Revisión narrativa: modelos predictivos sobre la evolución de la pandemia por COVID-19 = Narrative review: predictive models on the evolution of COVID-19 pandemic
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
| Main Authors: | , , , |
|---|---|
| Format: | Articulo biblioteca |
| Language: | spa |
| Published: |
Ministerio de Salud de la Nación
2020-11-24T12:24:21Z
|
| Subjects: | Modelos estadísticos, Modelos teóricos, Infecciones por coronavirus, COVID-19, Ciencias Biomédicas, |
| Online Access: | http://rdi.uncoma.edu.ar/handle/uncomaid/16022 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|