Por: Dr. Jos茅 Andere, VP Digital Supply Chain, 麻豆原创 Latin America; Ana Nu帽ez; Directora Global Center of Excellence, 麻豆原创 M茅xico; y Miguel Lander, Managing Director, Go SCM North America
Durante esta pandemia sin precedentes, el crecimiento exponencial de casos de coronavirus ha comprometido seriamente los sistemas de salud del mundo. Tanto las instituciones p煤blicas como las privadas tienen el desaf铆o de responder a nuevas demandas en un contexto signado por una alta incertidumbre. Al mismo tiempo, las cadenas de suministro se ven ante la necesidad de adaptar sus capacidades para afrontar el virus y mantener a las personas a salvo de la forma m谩s 谩gil y sustentable.
Para hacer frente a estos desaf铆os, 麻豆原创 Latinoam茅rica brinda a las instituciones de salud de la regi贸n la suscripci贸n a su soluci贸n en la nube 麻豆原创 Integrated Business Planning (IBP) sin costo por 90 d铆as. Esto ayudar谩 a las instituciones a planificar de forma 谩gil y efectiva los recursos, equipos e insumos cr铆ticos necesarios para tratar a los pacientes infectados por el . Adem谩s, este servicio se ofrece bajo el esquema de BPO (Business Process Outsourcing) a trav茅s de un grupo selecto de socios como Go SCM, quienes proveen el despliegue de la soluci贸n y el soporte en la operaci贸n y ejecuci贸n de los procesos de planeaci贸n -tambi茅n sin cargo alguno durante este per铆odo de 90 d铆as.
La aplicaci贸n has sido preconfigurada y est谩 completamente lista para ser utilizada. El 煤nico prerrequisito para iniciar el uso de este servicio es la carga de los inventarios iniciales y de los datos hist贸ricos de casos de coronavirus. Esta informaci贸n se puede ingresar directamente en los tableros de planificaci贸n del sistema o mediante la carga de archivos planos o de Excel.
El proceso de pron贸stico esta basado en el modelo de transmisi贸n epidemiol贸gica SRI, el cual considera un tama帽o de poblaci贸n dado y constante dividido en cuatro segmentos mutuamente exclusivos: susceptibles, S(t); infectados, I(t); recuperados, R(t); y fallecidos, D(t). Estos segmentos se definen de la siguiente manera:
- S(t) representa el n煤mero de individuos que a煤n no han sido infectados por el virus en el tiempo t, es decir, aquellos que son susceptibles de ser infectados.
- I(t) denota el n煤mero de individuos que han sido infectados por el virus y pueden trasmitirlo a aquellos individuos en el segmento de susceptibles.
- R(t) es el segmento que representa a aquellos individuos que han sido infectados y ya se han recuperado. Estos individuos ya son inmunes y no pueden infectarse nuevamente o transmitir el virus a otros.
- D(t) es el segmento de la poblaci贸n que no se pudo recuperar y falleci贸 despu茅s de haber sido infectados.
El flujo de este modelo es el siguiente:
Digamos que la poblaci贸n tama帽o fijo de la poblaci贸n es N =聽 S(t) + I(t) + R(t) + D(t), entonces el comportamiento de estas variable a trav茅s del tiempo es modelado por el siguiente sistema de ecuaciones diferenciales:
dS(t)/dt = - 尾SI/N
dI(t)/dt = 尾SI/N 鈥� 纬I
dR(t)/dt = 纬I
dD(t) = 碌dR(t)
donde:
尾 es la tasa de transmisi贸n de la infecci贸n por unidad de tiempo.
纬 es la tasa de recuperaci贸n y 1/纬 es el tiempo promedio de infecci贸n
碌 es la tasa de muerte
El modelo anterior asume que cada individuo en la poblaci贸n tiene la misma probabilidad de contraer la infecci贸n con una tasa 尾.聽 Tambi茅n asume que la poblaci贸n que sale del segmento de individuos susceptibles es igual al n煤mero que entra al segmento de individuos infectados. Sin embargo, un n煤mero de individuos igual a una fracci贸n 纬聽 de los individuos infectados salen de este segmento por unidad de tiempo para entrar al segmento de recuperados o de fallecidos.
El distanciamiento social y otras medidas de control de la transmisi贸n del virus reducen la tasa de infecci贸n. Por lo tanto, para poder utilizar el modelo anterior para proyectar el n煤mero de casos activos, primero es necesario estimar la tasa de transmisi贸n con base en el patr贸n que presentan los datos hist贸ricos.
Los datos hist贸ricos de los diversos pa铆ses muestran un decrecimiento asint贸tico de la tasa de transmisi贸n aproxim谩ndose a un n煤mero cercano a cero a partir de que se aplican las medidas de control como el distanciamiento social. Por esta raz贸n, utilizamos modelos de series de tiempo o de regresi贸n con un factor de reducci贸n gradual de la tendencia.
La gr谩fica siguiente muestra como ejemplo el pron贸stico de casos de coronavirus en M茅xico. El modelo se entren贸 utilizando los datos reportados () de n煤mero de casos, recuperaciones y muertes entre el 11 de marzo y el 22 de abril. Se utiliz贸 en este caso un modelo de suavizamiento exponencial doble con un factor de reducci贸n de tendencia de 0.95 para pronosticar la tasa de infecci贸n de las pr贸ximas semanas.
Los modelos de pron贸stico para un centro hospitalario en particular se entrenan con los datos hist贸ricos de casos en esta localidad e integran el pron贸stico macro generado por el modelo SIR como factor causal para explicar y proyectar el patr贸n de casos nuevos y casos activos.
Utilizando el pron贸stico de casos activos como dato de entrada, los requerimientos de suministro son estimados utilizando la tasa de consumo por material, paciente y per铆odo. Entonces, los requerimientos de resurtido son calculados mediante el neteo de los requerimientos proyectados contra los niveles de inventario actual.
La simulaci贸n de escenarios y el an谩lisis de sensibilidad es un habilitador clave para evaluar el comportamiento potencial de la transmisi贸n de la infecci贸n y de los requerimientos de suministro. Por ejemplo, el pron贸stico del n煤mero de casos activos con distintos valores de las tasas de transmisi贸n y recuperaci贸n mejora la visibilidad del riesgo de disrupciones del suministro y del momento en que el n煤mero m谩ximo de casos se va a alcanzar en el escenario probable, pesimista y optimista.
Los procesos de planificaci贸n basados en modelos epidemiol贸gicos y predictivos, con capacidades de simulaci贸n de escenarios en tiempo real, habilitados por una plataforma de abierta, flexible y amigable; mejoran la agilidad y efectividad de la respuesta a las disrupciones del COVID-19 y ayudan a mantener a los pacientes a salvo.
