Jueves 18 de junio 2020 (9:30 \u2013 11:00) <\/strong><\/p>\n Modera: Pedro Gajardo, Universidad T\u00e9cnica Federico Santa Mar\u00eda<\/p>\n Expositor: Mauricio Lima, Pontificia Universidad Cat\u00f3lica de Chile<\/strong><\/p>\n Resumen:<\/strong> Un par\u00e1metro fundamental en la din\u00e1mica de una epidemia es la tasa o coeficiente de transmisi\u00f3n b. Esta tasa describe la din\u00e1mica del proceso infectivo, es decir, c\u00f3mo y con qu\u00e9 eficiencia se transmite un pat\u00f3geno (virus, bacteria) desde un individuo infectado a un individuo susceptible. Lo primero es inferir de manera indirecta la din\u00e1mica temporal de la tasa de transmisi\u00f3n bt, desde el inicio de la epidemia, a partir de la din\u00e1mica de los infectados activos. Para evaluar los cambios diarios en la transmisi\u00f3n, asumiendo que los par\u00e1metros de recuperaci\u00f3n y mortalidad de infectados no cambian durante el desarrollo de la epidemia, se utiliz\u00f3 la tasa de crecimiento exponencial observada diaria rt del n\u00famero de infectados activos, como un estimador del comportamiento din\u00e1mico de la epidemia durante su fase de expansi\u00f3n. El ajuste del modelo indica que hubo un primer punto de inflexi\u00f3n alrededor del d\u00eda 21-23 de comenzada la epidemia y se ajusta a las fechas de las primeras medidas de mitigaci\u00f3n implementadas (el estado de excepci\u00f3n y las cuarentenas din\u00e1micas). Luego un claro rebrote entre los d\u00edas 49 y 60\u00a0 (ultima semana de abril) de la epidemia, una tasa estable de crecimiento diaria cercana al 6% hasta 24 de mayo\u00a0 y luego se confirma la tendencia de declinaci\u00f3n 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 m\u00e1s tempranas. Los resultados sugieren que las medidas de mitigaci\u00f3n tomadas entre el 8-15 de mayo comenzaron a tener efecto entre 15-20 d\u00edas despu\u00e9s de implementadas.<\/p>\n Expositor: Tom\u00e1s P\u00e9rez-Acle, Fundaci\u00f3n Ciencia & Vida<\/strong><\/p>\n Co-autores: Tomas Veloz, Pedro Maldonado, Samuel Ropert, Cesar Ravello, Cesar Valdenegro, Tom\u00e1s Villaseca, Alejandra Barrios, Soraya Mora<\/strong><\/p>\n Resumen:<\/strong> 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.\u00a0 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.<\/p>\n Expositor: Fernando C\u00f3rdova-Lepe, Universidad Cat\u00f3lica del Maule Co-autores: Colaboradores del DM2A-UCM<\/strong><\/p>\n Resumen:<\/strong> Uno de los problemas de inter\u00e9s general, en el contexto COVID-19, es conocer Jueves 18 de junio 2020 (11:00 \u2013 13:00) <\/strong><\/p>\n Modera: Mauricio Lima, Pontificia Universidad Cat\u00f3lica de Chile<\/p>\n Expositor: Andr\u00e9s Navas, Universidad de Santiago<\/strong><\/p>\n Co-autor: Gast\u00f3n Vergara (Universit\u00e9 de Bordeaux)<\/strong><\/p>\n Resumen:<\/strong> Incorporamos los casos no reportados a la din\u00e1mica del modelamiento, siguiendo -entre otros- el trabajo de Magall et al. Nuestros resultados son de \u00edndice te\u00f3rico: existencia de umbral positivo para enfermos al final de la epidemia, multiplicidad del n\u00famero de peaks del modelo, etc. De estos resultados surgen recomendaciones razonables para los tomadores de decisiones.<\/p>\n Expositor: Juan Carlos Maureira, Universidad de Chile<\/strong><\/p>\n Co-autores: Mar\u00eda Paz Cort\u00e9s, Andrew Hart, Vicente Acu\u00f1a, Sebastian L\u00f3pez, Servet Mart\u00ednez<\/strong><\/p>\n Resumen:<\/strong> Modelo de Agentes que busca representar via a microsimulaci\u00f3n la evoluci\u00f3n de la pandemia basado en par\u00e1metros dise\u00f1ados tanto para representar lo observado emp\u00edricamente en Chile como tener un buen sentido epidemiol\u00f3gico. Este modelo representa una ciudad (Gran Santiago hasta el momento) a nivel de comuna considerando transporte publico y rangos etarios de la poblaci\u00f3n, y define la interacci\u00f3n 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 par\u00e1metros y el comportamiento de los agentes (las personas) en cualquier momento, lo que es usado para modelar las medidas de contenci\u00f3n que la autoridad sanitaria ya ha aplicado, y tambi\u00e9n evaluar estrategias futuras de contenci\u00f3n.\u00a0 Modela el sistema hospitalario considerando camas b\u00e1sicas\/intermedias y camas UCI. A su vez, los agentes pueden tener perfiles, con los cuales es posible modelar factores de riesgo en la poblaci\u00f3n y representar proporciones globales observadas a trav\u00e9s del modelo. Las tasas de transferencia de la enfermedad se calibran de acuerdo a obtener un numero de reproducci\u00f3n 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 sintom\u00e1ticos de acuerdo al m\u00e9todo usado por M.Canals con el fin de representar de mejor forma la evoluci\u00f3n de la pandemia en el Gran Santiago con el fin de entregar proyecciones que partan desde un estado de la pandemia razonablemente cre\u00edble en el Gran Santiago.<\/p>\n Expositor: Marcelo Olivares, Universidad de Chile<\/strong><\/p>\n Co-autor: Jose Correa (Universidad de Chile)<\/strong><\/p>\n Resumen:<\/strong> 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.<\/p>\n Expositor: Gonzalo Mena, Harvard University<\/strong><\/p>\n Co-autores: Jorge P\u00e9rez (Universidad de Chile)<\/strong><\/p>\n Resumen:<\/strong> La definici\u00f3n de \u00abcaso activo\u00bb puede ser desafortunada en t\u00e9rminos de comunicaci\u00f3n de riesgo, ya que individuos recientemente contagiados no ser\u00e1n diagnosticados sino hasta quiz\u00e1s mucho despu\u00e9s, dependiendo de la saturaci\u00f3n del sistema de salud. En esta charla mostramos metodolog\u00eda estad\u00edstica basada en el an\u00e1lisis Bayesiano para corregir este sesgo intr\u00ednseco, incluso en la precaria situaci\u00f3n actual: mostramos que es posible dar cantidades m\u00e1s fidedignas en escalas espacio-temporales suficientemente finas como para ser \u00fatiles en la toma de decisiones.<\/p>\n <\/p>\n Viernes 19 de junio 2020 (9:00 \u2013 10:30) <\/strong><\/p>\n Modera: Eduardo Undurraga, Pontificia Universidad Cat\u00f3lica de Chile<\/p>\n Expositor: Julio Benavides, Universidad Andr\u00e9s Bello<\/strong><\/p>\n Co-autores: Daniel Pons (Universidad Andr\u00e9s Bello), Fernando Mardones (P. Universidad Cat\u00f3lica), Joaqu\u00edn Escobar-Dodero (Universidad de Minnesota)<\/strong><\/p>\n Resumen:<\/strong> A trav\u00e9s de un modelo SEIR, exploramos el efecto de las diferentes medidas de cuarentena tomadas hasta la fecha en la RM sobre la din\u00e1mica temporal de la enfermedad. En particular, modelamos el efecto que han tenido las diferentes estrategias adoptadas en la reducci\u00f3n de la tasa de transmisi\u00f3n. Presentamos predicciones futuras sobre el resultado de estas medidas en las pr\u00f3ximas semanas.<\/p>\n Expositor: Guillermo Cabrera, Universidad de Concepci\u00f3n<\/strong><\/p>\n Co-autores: Roberto Molina, Crist\u00f3bal Donoso, Alexis S\u00e1nchez, Monserrat Mart\u00ednez<\/strong><\/p>\n Resumen:<\/strong> Desde marzo de este a\u00f1o, la Universidad de Concepci\u00f3n ha apoyado a las autoridades locales en distintos \u00e1mbitos, muchos de ellos apoyados en datos. En esta charla, presentaremos la metodolog\u00eda que usamos al momento, la cual considera distintos escenarios y deficiencias en el muestreo. Mostraremos como ha evolucionado el modelo durante las \u00faltimas semanas, donde las medidas han resultado y donde no.<\/p>\n Expositor: H\u00e9ctor Ram\u00edrez, Universidad de Chile<\/strong><\/p>\n Co-autores: Pedro Gajardo (Universidad T. Federico Santa Mar\u00eda), Carla Castillo (Universidad del Desarrollo), Axel Osses (Universidad de Chile), Rodrigo Lecaros (Universidad T. Federico Santa Mar\u00eda), Taco de Wolff (Universidad de Chile)<\/strong><\/p>\n Resumen:<\/strong> En esta charla mostramos los resultados de un an\u00e1lisis costo-efectividad del uso de ciertos indicadores para decretar cuarentenas en Chile. Para efectuar este an\u00e1lisis nos basamos en simulaciones de un modelo compartimental que nos permite estimar la demanda m\u00e1xima de camas cr\u00edticas necesarias para enfrentar este brote en diversas regiones. As\u00ed, para comparar la eficacia de los indicadores estudiados, contrastamos la cantidad de camas cr\u00edticas requerida en el peak con los d\u00edas 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 econ\u00f3mico de la medida.<\/p>\n Viernes 19 de junio 2020 (11:00 \u2013 13:00) <\/strong><\/p>\n Modera: Fernando Mardones, Pontificia Universidad Cat\u00f3lica de Chile<\/p>\n Expositor: Gerard Olivar-Tost, Universidad de Ays\u00e9n<\/strong><\/p>\n Co-autores: Rafael R. Renter\u00eda (Universidad Nacional y a Distancia, Colombia)<\/strong><\/p>\n Resumen:<\/strong> En esta presentaci\u00f3n se muestran simulaciones de la din\u00e1mica de contagio con medidas de contenci\u00f3n para la reducci\u00f3n de la transmisi\u00f3n del Covid-19 a los grupos poblacionales con mayor prevalencia de este enfermedad en Coyhaique y la regi\u00f3n de Ays\u00e9n. Este modelo consiste en una sociedad artificial en el cual se replica la estructura poblacional de todas las comunas de la regi\u00f3n de Ays\u00e9n. A partir de principios basados en agentes y microsimulaci\u00f3n, se calculan las poblaciones de los estados epidemiol\u00f3gico de cada individuo (S: Susceptible, E: Expuesto, I: Infectado, R: Recuperado), teniendo en cuenta adem\u00e1s cuestiones de movilidad e interacciones sociales de cada uno de los individuos.<\/p>\n Expositor: Gregorio Moreno, Pontificia Universidad Cat\u00f3lica de Chile<\/strong><\/p>\n Co-autores: Katia Vogt (Universidad Adolfo Ib\u00e1\u00f1ez), Duvan Henao (P. Universidad Cat\u00f3lica)<\/strong><\/p>\n Resumen:<\/strong> La velocidad de propagaci\u00f3n del SARS-CoV2 es altamente sensible a peque\u00f1os cambios en las conductas de distanciamiento y prevenci\u00f3n. Se ha visto como las estad\u00edsticas en ocasiones han permanecido estables en per\u00edodos de incluso varias semanas, mientras que en otras ocasiones se ha gatillado s\u00fabitamente una fase de crecimiento exponencial. Presentamos algunas recomendaciones para el monitoreo de estos cambios cambios repentinos en las cifras, centrando nuestra atenci\u00f3n en los individuos y actores sociales que deseen o deban hacer esta vigilancia contando con relativamente pocos recursos (o deban tomar decisiones bajo presi\u00f3n y sin las condiciones para hacer an\u00e1lisis m\u00e1s sofisticados). Apelamos para este prop\u00f3sito a modelos sencillos, como la versi\u00f3n del S-I-R discreto presentada por Past\u00e9n & Castillo (2020), aprovechando su ubicuidad y el uso de pocos par\u00e1metros. A pesar de que sus hip\u00f3tesis simplificadoras distan bastante de la din\u00e1mica 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 m\u00e1s f\u00e1ciles de comprender e interpretar y se requieren pocos datos para el ajuste de sus par\u00e1metros.<\/p>\n Expositor: Marcel Goic, Universidad de Chile<\/strong><\/p>\n 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)<\/strong><\/p>\n Resumen:<\/strong> Una de las claves para el monitoreo de la evoluci\u00f3n de la pandemia del COVID-19 es entender c\u00f3mo progresa el n\u00famero de contagios. En este trabajo usamos una serie de variables espaciales que pueden correlacionar con la propagaci\u00f3n de la enfermedad. Usando informaci\u00f3n demogr\u00e1fica y datos derivados del uso de infraestructura de telecomunicaciones agrupadas a nivel de zona censal, caracterizamos los patrones de movilidad en la Regi\u00f3n Metropolitana como mediador en la velocidad a la que evolucionan los contagios.<\/p>\n Expositor: Mauricio Canals, Universidad de Chile<\/strong><\/p>\n Co-autores: Equipo Escuela de Salud P\u00fablica (Universidad de Chile)<\/strong><\/p>\n Resumen:<\/strong> Las curvas epid\u00e9micas locales, continentales y mundial muestran grandes fluctuaciones estoc\u00e1sticas que las alejan de la regularidad propia de los modelos cl\u00e1sicos SEIR. Por otra parte estas tambi\u00e9n muestran que la desaceleraci\u00f3n en presencia de cierre de fronteras, cuarentenas locales y de grandes localidades se produzca antes de que ocurra el efecto reba\u00f1o. Intentamos modelar la evoluci\u00f3n de la epidemia en Chile con modelos SEIR determin\u00edsticos y en paralelo para introducir las fluctuaciones, consideramos un modelo SEIR estoc\u00e1stico con m\u00e9todo de Montecarlo, algoritmo de Gillespie. Sobreponemos adem\u00e1s la variabilidad que ha mostrado la curva europea, lo que nos permite aproximarnos a la variabilidad que podr\u00eda tener la evoluci\u00f3n de esta epidemia en Chile.<\/p>\n","protected":false},"excerpt":{"rendered":" Bloque 1 Jueves 18 de junio 2020 (9:30 \u2013 11:00) Modera: Pedro Gajardo, Universidad T\u00e9cnica Federico Santa Mar\u00eda 9:30 \u2013 10:00 \u00b7 Din\u00e1mica de la transmisi\u00f3n de COVID-19 en Chile y la respuesta a las medidas de mitigaci\u00f3n Expositor: Mauricio Lima, Pontificia Universidad Cat\u00f3lica de Chile Resumen: Un par\u00e1metro fundamental en la din\u00e1mica de una … Seguir leyendo Res\u00famenes<\/span> 9:30 \u2013 10:00 \u00b7 Din\u00e1mica de la transmisi\u00f3n de COVID-19 en Chile y la respuesta a las medidas de mitigaci\u00f3n<\/h3>\n
10:00 \u2013 10:30 \u00b7 Proyecci\u00f3n del impacto de la pandemia de COVID-19 en Chile a trav\u00e9s de un modelo SEIRHUDB<\/h3>\n
10:30 \u2013 11:30 \u00b7 Sobre indicadores, aplanamiento e indentificabilidad<\/h3>\n
\n<\/strong><\/p>\n
\nc\u00faanto falta para alcanzar el tope, ya sea en la curva de incidencia o en
\nla de infectados activos. El trabajo presentan algunas respuestas te\u00f3ricas orientadoras.
\nPor otro lado, es sabido que el modelo SIR presenta el problema
\nde la indentificabilidad, al respecto proponemos una generalizaci\u00f3n
\na la cl\u00e1sica representaci\u00f3n de la incidencia por ley de acci\u00f3n de masas.<\/p>\nBloque 2<\/h2>\n
11:00 \u2013 11:30 \u00b7 Modelos con din\u00e1mica de casos no reportados: propiedades estructurales generales<\/h3>\n
11:30 \u2013 12:00 \u00b7 Modelo epidemiol\u00f3gico basado en Agentes<\/h3>\n
12:00 \u2013 12:30 \u00b7 A microsimulation model to evaluate mitigation strategies in the Covid-19 pandemic<\/h3>\n
12:30 \u2013 13:00 \u00b7 \u00bfSe puede estimar cu\u00e1ntos casos realmente activos hay?<\/h3>\n
Bloque 3<\/h2>\n
9:00 \u2013 9:30 \u00b7 Efecto de las medidas de cuarentena en la epidemia de COVID en la Regi\u00f3n Metropolitana<\/h3>\n
9:30 \u2013 10:00 \u00b7 SEIR considerando escenarios y muestreo como apoyo a autoridades regionales: Biob\u00edo y \u00d1uble<\/h3>\n
10:00 \u2013 10:30 \u00b7 Modelamiento y an\u00e1lisis de estrategias de mitigaci\u00f3n para el brote Covid-19 en Chile<\/h3>\n
Bloque 4<\/h2>\n
11:00 \u2013 11:30 \u00b7 Primeros resultados sobre cierres parciales de espacios en Coyhaique frente a la pandemia<\/h3>\n
11:30 \u2013 12:00 \u00b7 Covid-19: una mirada desde los modelos sencillos<\/h3>\n
12:00 \u2013 12:30 \u00b7 El Rol de la Movilidad en la propagaci\u00f3n de contagios del COVID-19 en la Regi\u00f3n Metropolitana<\/h3>\n
12:30 \u2013 13:00 \u00b7 Modelo SEIR estoc\u00e1stico b\u00e1sico para COVID-19 en Chile<\/h3>\n