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

Autores
Hasdeu, Santiago; Lamfre, Laura; Caro, Patricia; Horne, Federico
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Fil: Hasdeu, Santiago. Universidad Nacional del Comahue; Argentina.
Fil: Lamfre, Laura. Universidad Nacional del Comahue; Argentina.
Fil: Caro, Patricia. Universidad Nacional del Comahue; Argentina.
Fil: Horne, Federico. Universidad Nacional del Comahue; Argentina.
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.
Fuente
Revista Argentina de Salud Pública 2020; 12 Supl COVID-19:e3
Materia
Modelos Estadísticos
Modelos Teóricos
Infecciones por Coronavirus
COVID19
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Sistema de Gestión del Conocimiento ANLIS MALBRÁN
Institución
Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"
OAI Identificador
oai:sgc.anlis.gob.ar:Publications/123456789/2027
Acceder
id SGCANLIS_bd1b5e27983601881a42363c5fa6d049
oai_identifier_str oai:sgc.anlis.gob.ar:Publications/123456789/2027
network_acronym_str SGCANLIS
repository_id_str a
network_name_str Sistema de Gestión del Conocimiento ANLIS MALBRÁN
spelling Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19Narrative review: predictive models on the evolution of COVID-19 pandemicHasdeu, SantiagoLamfre, LauraCaro, PatriciaHorne, FedericoModelos EstadísticosModelos TeóricosInfecciones por CoronavirusCOVID19Fil: Hasdeu, Santiago. Universidad Nacional del Comahue; Argentina.Fil: Lamfre, Laura. Universidad Nacional del Comahue; Argentina.Fil: Caro, Patricia. Universidad Nacional del Comahue; Argentina.Fil: Horne, Federico. Universidad Nacional del Comahue; Argentina.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.Ministerio de Salud Argentina2020-07-24info:ar-repo/semantics/articuloinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://sgc.anlis.gob.ar/handle/123456789/2027http://rasp.msal.gov.ar/rasp/articulos/vol12supl/REV-Hasdeue3.pdfRevista Argentina de Salud Pública 2020; 12 Supl COVID-19:e3reponame:Sistema de Gestión del Conocimiento ANLIS MALBRÁNinstname:Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"instacron:ANLISRevista Argentina de Salud Públicaspainfo:eu-repo/semantics/openAccess2025-10-16T10:11:49Zoai:sgc.anlis.gob.ar:Publications/123456789/2027Institucionalhttp://sgc.anlis.gob.ar/Organismo científico-tecnológicoNo correspondehttp://sgc.anlis.gob.ar/oai/biblioteca@anlis.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-10-16 10:11:50.296Sistema de Gestión del Conocimiento ANLIS MALBRÁN - Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"false
dc.title.none.fl_str_mv Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
Narrative review: predictive models on the evolution of COVID-19 pandemic
title Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
spellingShingle Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
Hasdeu, Santiago
Modelos Estadísticos
Modelos Teóricos
Infecciones por Coronavirus
COVID19
title_short Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
title_full Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
title_fullStr Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
title_full_unstemmed Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
title_sort Revisión narrativa : modelos predictivos sobre la evolución de la pandemia por COVID-19
dc.creator.none.fl_str_mv Hasdeu, Santiago
Lamfre, Laura
Caro, Patricia
Horne, Federico
author Hasdeu, Santiago
author_facet Hasdeu, Santiago
Lamfre, Laura
Caro, Patricia
Horne, Federico
author_role author
author2 Lamfre, Laura
Caro, Patricia
Horne, Federico
author2_role author
author
author
dc.subject.none.fl_str_mv Modelos Estadísticos
Modelos Teóricos
Infecciones por Coronavirus
COVID19
topic Modelos Estadísticos
Modelos Teóricos
Infecciones por Coronavirus
COVID19
dc.description.none.fl_txt_mv Fil: Hasdeu, Santiago. Universidad Nacional del Comahue; Argentina.
Fil: Lamfre, Laura. Universidad Nacional del Comahue; Argentina.
Fil: Caro, Patricia. Universidad Nacional del Comahue; Argentina.
Fil: Horne, Federico. Universidad Nacional del Comahue; Argentina.
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.
description Fil: Hasdeu, Santiago. Universidad Nacional del Comahue; Argentina.
publishDate 2020
dc.date.none.fl_str_mv 2020-07-24
dc.type.none.fl_str_mv info:ar-repo/semantics/articulo
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sgc.anlis.gob.ar/handle/123456789/2027
http://rasp.msal.gov.ar/rasp/articulos/vol12supl/REV-Hasdeue3.pdf
url http://sgc.anlis.gob.ar/handle/123456789/2027
http://rasp.msal.gov.ar/rasp/articulos/vol12supl/REV-Hasdeue3.pdf
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv Revista Argentina de Salud Pública
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Ministerio de Salud Argentina
publisher.none.fl_str_mv Ministerio de Salud Argentina
dc.source.none.fl_str_mv Revista Argentina de Salud Pública 2020; 12 Supl COVID-19:e3
reponame:Sistema de Gestión del Conocimiento ANLIS MALBRÁN
instname:Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"
instacron:ANLIS
reponame_str Sistema de Gestión del Conocimiento ANLIS MALBRÁN
collection Sistema de Gestión del Conocimiento ANLIS MALBRÁN
instname_str Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"
instacron_str ANLIS
institution ANLIS
repository.name.fl_str_mv Sistema de Gestión del Conocimiento ANLIS MALBRÁN - Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"
repository.mail.fl_str_mv biblioteca@anlis.gov.ar
_version_ 1846146151366000640
score 12.712165

Publicaciones similares