La UIB junto el Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, CSIC-UIB) ha llevado a cabo un estudio donde un algoritmo asigna de manera óptima los pacientes de Covid-19 en los hospitales para aligerar la presión sobre la red hospitalaria.
El estudio propone un método de equilibrio de carga para transferir los pacientes críticos de la UCI entre hospitales y así asignar de manera óptima los nuevos pacientes, lo que podría ayudar a reducir el estrés a los sistemas de salud en la segunda ola de la pandemia, así como en las posibles olas futuras.
El equipo de investigación ha estado dirigido por el profesor titular de Matemáticas Aplicadas de la Universidad Queen Mary de Londres, Lucas Lacasa, investigador asociado del IFISC. Reúne científicos de la Universidad de Exeter y de la Universidad de Bristol.
El equipo probó el algoritmo utilizando los datos disponibles tanto del servicio nacional de salud británico como del sistema sanitario español.
Durante la pandemia, la demanda de UCI variaba en todo el país: algunos hospitales recibían un número elevado de pacientes al principio de un brote, mientras que otros apenas acogían.
Utilizando el modelo, los investigadores demostraron que, cuando la demanda de la UCI es uniforme en todo el país, se puede permitir el acceso a un máximo de 1.000 casos adicionales en el Reino Unido en un solo paso del algoritmo, sin necesidad de tener que aumentar en ellos la capacidad.
En escenarios más realistas, con diferencias en la demanda entre hospitales o regiones, los científicos encontraron que su nuevo método podría equilibrar unos 600 camas por paso en el sistema español, cuando se comparten los recursos en el ámbito local, y más de 1.300 utilizando el reparto a nivel nacional, "lo que potencialmente salvaría un gran porcentaje de estas vidas que de otro modo no tendrían acceso a las UCI", han recalcado desde la UIB.
Se espera que este enfoque matemático también pueda utilizarse para ayudar a reducir la demanda cuando la epidemia comience a disminuir, lo que permitiría que los hospitales volvieran a la normalidad de la manera más eficiente posible.
