Introducción
Las catástrofes son circunstancias excepcionales sobrevenidas que aumentan de gran manera el potencial número de muertes en una población. Estas catástrofes pueden deberse a causas naturales (terremotos, incendios, volcanes, inundaciones, etc.), causas humanas (terrorismo, guerras, situaciones de conflicto, etc.) o el brote o la expansión de una enfermedad, especialmente las infecciosas (epidemia, pandemia, etc.). Independientemente de su origen, estas catástrofes son eventos disruptivos en el sistema sanitario que pueden desembocar en una situación de emergencia sanitaria. La previsión de la evolución de la catástrofe a nivel sanitario, las posibles necesidades del sistema sanitario ante estas eventualidades y su correcto manejo en todas las fases de la catástrofe se colocan como elementos centrales para poder dar una mejor respuesta desde el punto de vista sanitario, lo cual podría mitigar las consecuencias del desastre en la población. La aplicación de la simulación para la toma de decisiones en medicina se basa en la recreación de escenarios sanitarios, según datos recabados de las variables analizadas y gracias a la aplicación de algoritmos, para obtener información sobre la posible repercusión (positiva, negativa o neutra) de las decisiones sobre las variables finales en el entorno recreado.
Objetivo
El objetivo principal de este informe es la identificación de indicadores y variables aplicables a las metodologías de modelización y simulación para la toma de decisiones en brotes de enfermedades, epidemias y pandemias.
Método
Revisión sistemática de la literatura siguiendo las recomendaciones recogidas por la declaración PRISMA y la metodología de análisis de contenido, para responder a la pregunta de investigación en formato SPICE (escenario, perspectiva, intervención, comparador y evaluación) sin incluirse comparador. La extracción de los datos se realizó siguiendo la metodología de análisis de contenido. Este tipo de análisis es un método de investigación para interpretar y cuantificar datos textuales, su singularidad radica principalmente en su capacidad para convertir datos textuales cualitativos en datos cuantitativos, que luego pueden examinarse sistemáticamente. Para la localización de la evidencia se realizaron búsquedas en bases de datos referenciales (Medline Ovid), Embase (Elsevier), la biblioteca Cochrane (Wiley), The Web of Science (FECYT) Core Collection, International HTA database (InaHTA) y PsycInfo (EBSCO), Trip PRO Database, The Health Evidence Database y en recursos especializados en COVID19 (The WHO COVID19 Research Database, The COVID19 Evidence Network to support Decision-making (COVID-END) y The Wales COVID19 Evidence Centre). La herramienta seleccionada para evaluar la calidad de los estudios incluidos fue AMSTAR2.
Resultados
Como resultado de las búsquedas en las bases de datos referenciales y en otros recursos electrónicos, previamente enumerados, y limitadas a RS y MA, se identificaron un total de 1543 estudios, de los cuales 1116 no estaban duplicados. Se realizó una primera selección por pares independientes en base a título y resumen, descartándose inicialmente 1034 estudios por no cumplir con los criterios de inclusión o por cumplir algunos de los criterios de exclusión. Las discrepancias se solucionaron por consenso. De los 82 documentos que fueron leídos a texto completo, finalmente se seleccionaron por pares 20 para su análisis. La calidad de los estudios incluidos osciló entre moderada y críticamente baja (13 estudios obtuvieron una evaluación de calidad críticamente baja, 1 estudio calidad baja y 6 estudios calidad moderada). Ninguna de las RS incluidas alcanzó la calidad máxima que recoge AMSTAR2.
Respecto a los indicadores a evaluar y las variables que los definen, se dividieron en indicadores generales, de gestión sanitaria y otro tipo de medidas. A su vez, se realizó un análisis desagregado según las pandemias objeto de simulación o modelización. Los indicadores que presentan una mayor frecuencia en todos los tipos de simuladores y modelos independientemente de la enfermedad causante son el estado del paciente, la evolución de la pandemia y la transmisión. Las medidas de gestión y de salud pública que presentan una mayor frecuencia en todos los tipos de simuladores y modelos independientemente de la enfermedad causante son las medidas de control y restricción, los planes de vacunación y la gestión de las necesidades hospitalarias.