Resúmenes

Bloque 1

Jueves 18 de junio 2020 (9:30 – 11:00)

Modera: Pedro Gajardo, Universidad Técnica Federico Santa María

9:30 – 10:00 · Dinámica de la transmisión de COVID-19 en Chile y la respuesta a las medidas de mitigación

Expositor: Mauricio Lima, Pontificia Universidad Católica de Chile

Resumen: Un parámetro fundamental en la dinámica de una epidemia es la tasa o coeficiente de transmisión b. Esta tasa describe la dinámica del proceso infectivo, es decir, cómo y con qué eficiencia se transmite un patógeno (virus, bacteria) desde un individuo infectado a un individuo susceptible. Lo primero es inferir de manera indirecta la dinámica temporal de la tasa de transmisión bt, desde el inicio de la epidemia, a partir de la dinámica de los infectados activos. Para evaluar los cambios diarios en la transmisión, asumiendo que los parámetros de recuperación y mortalidad de infectados no cambian durante el desarrollo de la epidemia, se utilizó la tasa de crecimiento exponencial observada diaria rt del número de infectados activos, como un estimador del comportamiento dinámico de la epidemia durante su fase de expansión. El ajuste del modelo indica que hubo un primer punto de inflexión alrededor del día 21-23 de comenzada la epidemia y se ajusta a las fechas de las primeras medidas de mitigación implementadas (el estado de excepción y las cuarentenas dinámicas). Luego un claro rebrote entre los días 49 y 60  (ultima semana de abril) de la epidemia, una tasa estable de crecimiento diaria cercana al 6% hasta 24 de mayo  y luego se confirma la tendencia de declinación en la tasa de crecimiento diaria observada a partir del 25-26 de mayo. Importante considerar que el utilizar la tasa de crecimiento diaria de infectados activos permite predecir la tendencia de la epidemia y tomar medidas más tempranas. Los resultados sugieren que las medidas de mitigación tomadas entre el 8-15 de mayo comenzaron a tener efecto entre 15-20 días después de implementadas.

10:00 – 10:30 · Proyección del impacto de la pandemia de COVID-19 en Chile a través de un modelo SEIRHUDB

Expositor: Tomás Pérez-Acle, Fundación Ciencia & Vida

Co-autores: Tomas Veloz, Pedro Maldonado, Samuel Ropert, Cesar Ravello, Cesar Valdenegro, Tomás Villaseca, Alejandra Barrios, Soraya Mora

Resumen: Measures to reduce the impact of the COVID-19 pandemic require a mix of logistic, political and social capacity. Depending on the country, different approaches to increase hospitalization capacity or to properly apply lock-downs are observed.  In order to better understand the impact of these measures we have developed a compartmental model which, on the one hand allows to calibrate the reduction of movement of people within and among different areas, and on the other hand it incorporates a hospitalization dynamics that differentiates the availability of treatment that infected people may receive. By bounding the hospitalization capacity, we are able to study in detail the interplay between mobility and hospitalization capacity.

10:30 – 11:30 · Sobre indicadores, aplanamiento e indentificabilidad

Expositor: Fernando Córdova-Lepe, Universidad Católica del Maule

Co-autores: Colaboradores del DM2A-UCM

Resumen: Uno de los problemas de interés general, en el contexto COVID-19, es conocer
cúanto falta para alcanzar el tope, ya sea en la curva de incidencia o en
la de infectados activos. El trabajo presentan algunas respuestas teóricas orientadoras.
Por otro lado, es sabido que el modelo SIR presenta el problema
de la indentificabilidad, al respecto proponemos una generalización
a la clásica representación de la incidencia por ley de acción de masas.

Bloque 2

Jueves 18 de junio 2020 (11:00 – 13:00)

Modera: Mauricio Lima, Pontificia Universidad Católica de Chile

Expositor: Andrés Navas, Universidad de Santiago

Co-autor: Gastón Vergara (Université de Bordeaux)

Resumen: Incorporamos los casos no reportados a la dinámica del modelamiento, siguiendo -entre otros- el trabajo de Magall et al. Nuestros resultados son de índice teórico: existencia de umbral positivo para enfermos al final de la epidemia, multiplicidad del número de peaks del modelo, etc. De estos resultados surgen recomendaciones razonables para los tomadores de decisiones.

11:30 – 12:00 · Modelo epidemiológico basado en Agentes

Expositor: Juan Carlos Maureira, Universidad de Chile

Co-autores: María Paz Cortés, Andrew Hart, Vicente Acuña, Sebastian López, Servet Martínez

Resumen: Modelo de Agentes que busca representar via a microsimulación la evolución de la pandemia basado en parámetros diseñados tanto para representar lo observado empíricamente en Chile como tener un buen sentido epidemiológico. Este modelo representa una ciudad (Gran Santiago hasta el momento) a nivel de comuna considerando transporte publico y rangos etarios de la población, y define la interacción de agentes en dos niveles: en su casa y en una comunidad de preferencia: trabajo o escuela). Es capaz de aplicar reglas que cambian los parámetros y el comportamiento de los agentes (las personas) en cualquier momento, lo que es usado para modelar las medidas de contención que la autoridad sanitaria ya ha aplicado, y también evaluar estrategias futuras de contención.  Modela el sistema hospitalario considerando camas básicas/intermedias y camas UCI. A su vez, los agentes pueden tener perfiles, con los cuales es posible modelar factores de riesgo en la población y representar proporciones globales observadas a través del modelo. Las tasas de transferencia de la enfermedad se calibran de acuerdo a obtener un numero de reproducción inicial (R0) e intervalo serial (tiempo generacional) acorde a lo visto en la literatura. Actualmente se esta incluyendo el factor de sub-reportabilidad de los nuevos casos sintomáticos de acuerdo al método usado por M.Canals con el fin de representar de mejor forma la evolución de la pandemia en el Gran Santiago con el fin de entregar proyecciones que partan desde un estado de la pandemia razonablemente creíble en el Gran Santiago.

12:00 – 12:30 · A microsimulation model to evaluate mitigation strategies in the Covid-19 pandemic

Expositor: Marcelo Olivares, Universidad de Chile

Co-autor: Jose Correa (Universidad de Chile)

Resumen: We develop a network model with stochastic dynamics to simulate the Covid-19 in the city of Santiago. We formulate a Maximum Likelihood estimator to calibrate the model parameters based on infection cases and mobility data to capture the effect of different interventions on social distancing that were applied during the study period. We use the model to evaluate the effectiveness of alternative non-pharmaceutical mitigation strategies, including lockdowns and case isolation.

12:30 – 13:00 · ¿Se puede estimar cuántos casos realmente activos hay?

Expositor: Gonzalo Mena, Harvard University

Co-autores: Jorge Pérez (Universidad de Chile)

Resumen: La definición de «caso activo» puede ser desafortunada en términos de comunicación de riesgo, ya que individuos recientemente contagiados no serán diagnosticados sino hasta quizás mucho después, dependiendo de la saturación del sistema de salud. En esta charla mostramos metodología estadística basada en el análisis Bayesiano para corregir este sesgo intrínseco, incluso en la precaria situación actual: mostramos que es posible dar cantidades más fidedignas en escalas espacio-temporales suficientemente finas como para ser útiles en la toma de decisiones.

 

Bloque 3

Viernes 19 de junio 2020 (9:00 – 10:30)

Modera: Eduardo Undurraga, Pontificia Universidad Católica de Chile

9:00 – 9:30 · Efecto de las medidas de cuarentena en la epidemia de COVID en la Región Metropolitana

Expositor: Julio Benavides, Universidad Andrés Bello

Co-autores: Daniel Pons (Universidad Andrés Bello), Fernando Mardones (P. Universidad Católica), Joaquín Escobar-Dodero (Universidad de Minnesota)

Resumen: A través de un modelo SEIR, exploramos el efecto de las diferentes medidas de cuarentena tomadas hasta la fecha en la RM sobre la dinámica temporal de la enfermedad. En particular, modelamos el efecto que han tenido las diferentes estrategias adoptadas en la reducción de la tasa de transmisión. Presentamos predicciones futuras sobre el resultado de estas medidas en las próximas semanas.

9:30 – 10:00 · SEIR considerando escenarios y muestreo como apoyo a autoridades regionales: Biobío y Ñuble

Expositor: Guillermo Cabrera, Universidad de Concepción

Co-autores: Roberto Molina, Cristóbal Donoso, Alexis Sánchez, Monserrat Martínez

Resumen: Desde marzo de este año, la Universidad de Concepción ha apoyado a las autoridades locales en distintos ámbitos, muchos de ellos apoyados en datos. En esta charla, presentaremos la metodología que usamos al momento, la cual considera distintos escenarios y deficiencias en el muestreo. Mostraremos como ha evolucionado el modelo durante las últimas semanas, donde las medidas han resultado y donde no.

10:00 – 10:30 · Modelamiento y análisis de estrategias de mitigación para el brote Covid-19 en Chile

Expositor: Héctor Ramírez, Universidad de Chile

Co-autores: Pedro Gajardo (Universidad T. Federico Santa María), Carla Castillo (Universidad del Desarrollo), Axel Osses (Universidad de Chile), Rodrigo Lecaros (Universidad T. Federico Santa María), Taco de Wolff (Universidad de Chile)

Resumen: En esta charla mostramos los resultados de un análisis costo-efectividad del uso de ciertos indicadores para decretar cuarentenas en Chile. Para efectuar este análisis nos basamos en simulaciones de un modelo compartimental que nos permite estimar la demanda máxima de camas críticas necesarias para enfrentar este brote en diversas regiones. Así, para comparar la eficacia de los indicadores estudiados, contrastamos la cantidad de camas críticas requerida en el peak con los días que es necesario pasar en cuarentena (sin aplicar otra medida mitigadora) utilizando el indicador en estudio. El primero se relaciona con el costo en salud mientras que el segundo con el costo económico de la medida.

Bloque 4

Viernes 19 de junio 2020 (11:00 – 13:00)

Modera: Fernando Mardones, Pontificia Universidad Católica de Chile

11:00 – 11:30 · Primeros resultados sobre cierres parciales de espacios en Coyhaique frente a la pandemia

Expositor: Gerard Olivar-Tost, Universidad de Aysén

Co-autores: Rafael R. Rentería (Universidad Nacional y a Distancia, Colombia)

Resumen: En esta presentación se muestran simulaciones de la dinámica de contagio con medidas de contención para la reducción de la transmisión del Covid-19 a los grupos poblacionales con mayor prevalencia de este enfermedad en Coyhaique y la región de Aysén. Este modelo consiste en una sociedad artificial en el cual se replica la estructura poblacional de todas las comunas de la región de Aysén. A partir de principios basados en agentes y microsimulación, se calculan las poblaciones de los estados epidemiológico de cada individuo (S: Susceptible, E: Expuesto, I: Infectado, R: Recuperado), teniendo en cuenta además cuestiones de movilidad e interacciones sociales de cada uno de los individuos.

11:30 – 12:00 · Covid-19: una mirada desde los modelos sencillos

Expositor: Gregorio Moreno, Pontificia Universidad Católica de Chile

Co-autores: Katia Vogt (Universidad Adolfo Ibáñez), Duvan Henao (P. Universidad Católica)

Resumen: La velocidad de propagación del SARS-CoV2 es altamente sensible a pequeños cambios en las conductas de distanciamiento y prevención. Se ha visto como las estadísticas en ocasiones han permanecido estables en períodos de incluso varias semanas, mientras que en otras ocasiones se ha gatillado súbitamente una fase de crecimiento exponencial. Presentamos algunas recomendaciones para el monitoreo de estos cambios cambios repentinos en las cifras, centrando nuestra atención en los individuos y actores sociales que deseen o deban hacer esta vigilancia contando con relativamente pocos recursos (o deban tomar decisiones bajo presión y sin las condiciones para hacer análisis más sofisticados). Apelamos para este propósito a modelos sencillos, como la versión del S-I-R discreto presentada por Pastén & Castillo (2020), aprovechando su ubicuidad y el uso de pocos parámetros. A pesar de que sus hipótesis simplificadoras distan bastante de la dinámica real de la epidemia, en horizontes cortos de dos o tres semanas estos modelos tienen la capacidad de ser calibrados para entregar proyecciones bastante precisas, son más fáciles de comprender e interpretar y se requieren pocos datos para el ajuste de sus parámetros.

12:00 – 12:30 · El Rol de la Movilidad en la propagación de contagios del COVID-19 en la Región Metropolitana

Expositor: Marcel Goic, Universidad de Chile

Co-autores: Marcelo Olivares, Marcel Goic, Eduardo Lara (Universidad de Chile, Institute of Complex Engineering Systems), Gabriel Weintraub (Stanford University), Aldo Carranza (Stanford University), Julio Covarrubia (Universidad de Chile), Cristian Escobedo (Universidad de Chile), Natalia Jara (Institute of Complex Engineering Systems)

Resumen: Una de las claves para el monitoreo de la evolución de la pandemia del COVID-19 es entender cómo progresa el número de contagios. En este trabajo usamos una serie de variables espaciales que pueden correlacionar con la propagación de la enfermedad. Usando información demográfica y datos derivados del uso de infraestructura de telecomunicaciones agrupadas a nivel de zona censal, caracterizamos los patrones de movilidad en la Región Metropolitana como mediador en la velocidad a la que evolucionan los contagios.

12:30 – 13:00 · Modelo SEIR estocástico básico para COVID-19 en Chile

Expositor: Mauricio Canals, Universidad de Chile

Co-autores: Equipo Escuela de Salud Pública (Universidad de Chile)

Resumen: Las curvas epidémicas locales, continentales y mundial muestran grandes fluctuaciones estocásticas que las alejan de la regularidad propia de los modelos clásicos SEIR. Por otra parte estas también muestran que la desaceleración en presencia de cierre de fronteras, cuarentenas locales y de grandes localidades se produzca antes de que ocurra el efecto rebaño. Intentamos modelar la evolución de la epidemia en Chile con modelos SEIR determinísticos y en paralelo para introducir las fluctuaciones, consideramos un modelo SEIR estocástico con método de Montecarlo, algoritmo de Gillespie. Sobreponemos además la variabilidad que ha mostrado la curva europea, lo que nos permite aproximarnos a la variabilidad que podría tener la evolución de esta epidemia en Chile.