La construcción de una sanidad virtual

Carolina Cuesta-Lazaro

Cuenca, Julio 2022 - Retos sanitarios tras la COVID-19

JUNE Collaboration: Ian Vernon, Jonathan Owen, Joseph Aylett-Bullock, Arnau Quera-Bofarull, Jonathan Frawley, Aidan
Sedgewick, Difu Shi, Henry Truong, Mark Turner, Joseph Walker,
Tristan Caulfield, Kevin Fong, and Frank Krauss

El modelo epidemeologico JUNE 

June Dalziel Almeida

La necesidad de modelos epidemeologicos

Como se propaga una epidemia en la poblacion?

 

Por que se propaga preferencialmente sobre algunos individuos?

 

Como podemos frenarla?

Modelos para una epidemia

1. Modelos SIR 

\frac{dS}{dt} = -\frac{\beta S I}{N}
\frac{dI}{dt} = \frac{\beta SI}{N} - \gamma I
\frac{dR}{dt} = \gamma I

Pros:

"baratos",

simples,

...

Cons:

baja resolucion,

...

2. modelos  basados en agentes: ABM 

Pros:

agentes individuales,

alta resolucion,

...

Cons:

coste computacional,

parametros libres,

...

Modelos para una epidemia

El modelo JUNE

github.com/IDAS-Durham/JUNE

Una copia digital de Inglaterra

La Poblacion

  • Edad  (27)
  • Sexo (f)
  • Grupo etnico (Latino)
  • Indice  de privacion economica 5 (1-10)
  • Sector (trabajo) (sanidad/doctor)
  • Modo de transporte (publico)
  • Area de residencia
  • Area de trabajo

Datos: Censo publico (NOMIS)

~56 millones de agentes

hombre

mujer

La granularidad de JUNE

hombre

mujer

A veces no hace falta ser tan granular....

Pubs en el Reino Unido

El dia a dia de nuestros agentes

  • Lugar de residencia
    • Residencia ancianos
    • Casa
    • Establecimiento comunal
  • Actividad Principal
    • Trabajo
    • Hospital
    • Colegio
    • Residencia ancianos
    • Universidad
  • Viaje
    • Trabajo
    • Nacional
  • Ocio
    • Compras
    • Pubs / restaurantes
    • Cine
    • Gymnasios
    • Visitas

Donde viven los trabajadores de la city?

Desplazamiento por trabajo

Viajes diarios

  • Censo -> metodo de transporte diario

  • Dos tipos: entre ciudades, dentro de la ciudad

Hub

Hub

Geolocalizacion 

43 años

Como se transmite la infeccion?

j

j

i

Intensidad del contacto

Infecciosidad

Matriz de contactos

p_i = 1- \exp\left({-\lambda_{ij}\;\Delta t}\right)

38 años

10 años

Como se transmite la infeccion?

Edad

Edad del contacto

Quien va con quien?

Edad del contacto

Edad

Lugar de encuentro: Casa

Colegio

Dias post-infeccion

Infectividad

Inicio de sintomas

Asintomatico

Sintomatico

La trayectoria post-infeccion

(Calibrado con datos)

Asintomatico

Infectado

Leve

Severo

Recuperado

Muerto

Hospitalizado

Intensivos

Cual es la tasa de mortalidad?

Numero de fallecidos

Numero total de muertes debidas a covid por dia?

Edad y estado de salud?

Impacto del sistema sanitario?

Numero de infectados

Tests positivos vs prevalencia

Por variante!

Re-infecciones

Medidas contra el virus

Muchos parametros desconocidos

1. Intensidad de los contactos en distintos ambientes (13)

2. Como de efectivas son las medidas para frenar la epidemia (5)

3. El numero de casos inciales (1)

Los retos de un modelo tan detallado

El coste de JUNE

 ~ 600 CPU horas (26 dias) / 100 GB RAM

Inteligencia Artificial para conectar el modelo y la realidad

Inteligencia Artificial para conectar el modelo a la realidad

JUNE

Emulador

Datos

Encontrar el modelo para el cual los datos son mas probables

Muertes diarias

No hay un solo modelo que reproduzca los datos:

Incertidumbre

Residencia Ancianos

Puesto trabajo

La utilidad de un modelo complejo

Edad

Etnia

Indice de deprivacion

Numero habitantes

Region

El riesgo de no vacunarse

Edad

% muertes en grupo de edad

Edad

% muertes en grupo de edad

Edad

Edad

Fatalidad por edad [% del grupo]

Gol: Proveer una herramienta basada en datos para el desasrrollo de intervenciones durante la crisis de COVID-19 en contextos operacionales dificiles y restringidos.

Modelos epidemeologicos para campos de refugiados

Cox's Bazar

  • El asentamiento de refugiados mas grande del mundo: 1.24 Millones de personas

  • En algunas areas, mas denso que la ciudad de Nueva York (44,000 personas por metro cuadrado)

  • Riesgo alto de epidemia

Retos

Datos sobre la poblacion (calidad?)

Casos, hospitalizaciones y muertes

Acceso al sistema sanitario y sus recursos

DATOS

Asunciones de los modelos y diferencias culturales

Medidas mas creativas

DIFERENCIAS POBLACIONALES

Habitantes por familia

Frecuencia

Habitantes por refugio

Frecuencia

Edad

Incremento en severidad

Escenario A: Centros para aislamiento

Infectado

Leve

Centro Aislamiento

Test

Escenario B: Aislamiento en casa

Infectado

Leve

Casa

Porcentage infectados [%]

Infecciones diarias

Dias

Dias

Dias hasta aislamiento

Dias

Dias en aislamiento

Edad Infector

Edad Infectado

Edad Infector

Sin Colegios

Con Colegios

Necesitamos modelos complejos para entender situaciones complejas, lo cual es posible gracias a las grandes bases de datos y la inteligencia artificial

 

Es muy importante transmitir la incertidumbre de los modelos

Necesitamos trabajar en equipo para que todo el mundo tenga acceso a herramientras de prevencion epidemeologica, especialmente aquellos mas vulnerables

Conclusiones

FarmaciaCuenca

By carol cuesta

FarmaciaCuenca

  • 272