Evidencias para la toma de decisiones sobre medidas de mitigación de COVID-19 en Jalisco, México
Objetivo: Desarrollar un modelo de pronóstico, para apoyar la toma de decisiones en medidas de mitigación de COVID-19 en Jalisco. Material y métodos: Se desarrolló un modelo matemático, con enfoque determinístico S.E.I.R. para mostrar la evidencia en el desarrollo de la pandemia de COVID-19 en Jalis...
| Autores: | , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | México |
| Institución: | Universidad de Guadalajara |
| Repositorio: | Redalyc-UDG |
| OAI Identifier: | oai:redalyc.org:457868626008 |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=457868626008 https://www.redalyc.org/journal/4578/457868626008/ https://www.redalyc.org/journal/4578/457868626008/html/ https://www.redalyc.org/journal/4578/457868626008/457868626008.epub https://www.redalyc.org/journal/4578/457868626008/movil |
| Access Level: | acceso abierto |
| Palabra clave: | Salud 19 COVID Evidencia Tendencia Mitigación |
| Sumario: | Objetivo: Desarrollar un modelo de pronóstico, para apoyar la toma de decisiones en medidas de mitigación de COVID-19 en Jalisco. Material y métodos: Se desarrolló un modelo matemático, con enfoque determinístico S.E.I.R. para mostrar la evidencia en el desarrollo de la pandemia de COVID-19 en Jalisco. Los estados considerados fueron Susceptibles (S), Expuestos (E), Infectados (I) y Recuperados/ fallecidos (R). Los datos poblacionales se obtuvieron en base a CONAPO 2020, con una población de 8´368,311 habitantes. Se tomaron los parámetros siguientes β, γ y σ, para calibrarlo a partir de las estimaciones de R0, para que el modelo se reproduzca lo mejor posible, dado que el supuesto es que no existe intervención externa que afecte la tasa de contacto y debido a que en Jalisco se aplicaron medidas de intervención. Se plantearon 5 diferentes escenarios, variando el número básico de reproducción (R0) como variable de mitigación. Se extendieron las series en el tiempo.Resultados: El peor de los escenarios (sin intervención) se daría en la primera semana del mes de junio con R0=3 afectando a un 73.2% de la población, pero debido a las medidas de mitigación aplicadas, se observa que el mejor ajuste para el estado es para Ro=2.2 (mitigación 37.2%) dando inicio en la última semana del mes de julio afectando un 58.9% de la población, mostrando una fase menos aguda que la de sin intervención, pero de más larga de duración aproximadamente 40 semanas.Conclusiones: Se requiere un monitoreo, ajuste y adecuación permanente de las medidas de mitigación en las fases de contención y de transmisión sostenida, con un aumento de la capacidad diagnóstica mediante pruebas e incrementar el distanciamiento social. Además, se requerirían nuevos períodos de distanciamiento social intermitente, para prevenir el colapso del sistema estatal de salud, que se activaría con el incremento de la tasa básica de reproducción R0. |
|---|