Investigadora de la Sede Viña del Mar diseña modelo estadístico
Facultad de Ingeniería

La simulación creada por la Dra. Orietta Nicolis, permite optimizar la asignación de ambulancias, considerando la demanda estocástica espacio-temporal en cada comuna del país.

Escrito por

En momentos en que la mayoría de las personas se distancian de los demás debido a la amenaza del COVID-19, los equipos de ambulancias, hacen lo que siempre hacen: ir a las casas de enfermos para ofrecer la primera ayuda. Pero en la práctica, los servicios de ambulancias funcionan en un entorno bastante incierto, cuya efectividad, depende de los tiempos de respuesta y de viaje, lo que los estadísticos llaman demanda estocástica.

Sin embargo, más allá de la estadística y cuando el número de contagios por coronavirus aumenta a lo largo de nuestro país, el servicio de vehículos de emergencia podría llegar al límite. Problema que podría ocasionar un grave impacto en la planificación de las flotas y asignación de las ambulancias disponibles en los distintos servicios de salud. Complejidad muy poco estudiada, pues el efecto de la incertidumbre espacio-temporal en la demanda es difícil medir cuantitativamente.

Por fortuna, existe una posible respuesta a este problema. Se trata de modelo estadístico exponencial, capaz de pronosticar la demanda de ambulancias y predecir la difusión de casos de contagiados de COVID-19 a nivel nacional, regional, y comunal. Modelo creado por la experta en estadística y académica de la Facultad de Ingeniería de la Sede Viña del Mar de la Universidad Andrés Bello (UNAB), Dra. Orietta Nicolis.

Variables sociodemográficas y territoriales

Sobre el modelo, la Dra. Nicolis, explica que al ser de tipo probabilístico este se basó en información obtenida a partir de diferentes variables. “Para la construcción del modelo utilizamos datos históricos hasta la fecha a los cuales se les suman las novedades diarias como medidas de cuarentena, variables socio-demográficas y características del territorio”. Datos que, según explica la académica,  al compararse y acumularse, arrojan información que permite hacer una predicción sobre el comportamiento de cada variable en un tiempo y un territorio determinado.

Demanda de ambulancias

En el caso de enfocarse en la necesidad de ambulancias de una comuna, Nicolis explica que al número de enfermos promedio de los últimos 10 años, se agregan los enfermos de coronavirus que se sumen paulatinamente. “Eso arroja un histórico y una proyección. La eficacia del modelo no depende solo del número de variables pero también de la calidad de la información de las mismas”, puntualiza.

A esa explicación, la experta agrega que “con una gestión centralizada de las flotas de ambulancias existentes, que permita mover los equipos de acuerdo a las necesidades diarias de cada zona del país, se podrían asegurar más traslados con menor tiempo de espera”. Este mismo modelo se puede utilizar para proyectar la demanda de camas críticas, comenta.

Inteligencia Artificial

Un dato adicional que da cuenta de la flexibilidad del modelo, el cual asume que el número de casos de COVID-19 siguen una distribución de Poisson, es que permitió proyectar el número de contagios que hubiera habido sin las cuarentenas que a la fecha se aplicaba, explica Nicolis. “El modelo estimo esa cifra en 5330 personas, lo cual permite evaluar, diariamente, la efectividad de las medidas tomadas”.

La doctora Nicolis ahora se encuentra elaborando un sistema de inteligencia artificial en colaboración con expertos italianos y académicos de la Universidad Andrés Bello, para automatizar en tiempo real la locación optimal de bases de ambulancias y así ofrecer una solución más eficiencia en caso de emergencia en un determinado lugar.

Esta nota es parte de la serie de actualizaciones sobre Coronavirus en la que los especialistas de la Universidad Andrés Bello (UNAB) ofrecen información sobre los últimos desarrollos e implicancias del brote de COVID-19.  Más información sobre esta campaña impulsada por UNAB en “Prevenir en UNAB”.

 

Noticias relacionadas

Share This