Close

Apoyo a la toma de decisiones sobre brotes epidémicos con múltiples modelos (MMODS)

El problema

La profusión de modelos para la COVID-19, con estructuras diferentes, escenarios epidemiológicos, parámetros y presentación variados y, a veces, proyecciones contradictorias, es un desafío para los responsables de tomar decisiones. En un artículo reciente, propusimos un método para aprovechar el poder de múltiples modelos a partir de herramientas de análisis de decisiones, juicio de expertos y agregación de modelos (Shea et al. 2020). Este proyecto está destinado a implementar esa propuesta en el contexto de la COVID-19. Nuestro objetivo es generar proyecciones agregadas no sesgadas y bien calibradas bajo diferentes intervenciones, que condensen la incertidumbre científica y logística, para informar mejor las decisiones de gestión. En este marco, se pueden compartir ideas entre los grupos para informar la misma decisión, manteniendo al mismo tiempo la perspectiva de los grupos individuales como parte de la expresión completa de la incertidumbre.

 

Los objetivos generales de este proyecto son implementar estos procedimientos para una serie de decisiones sobre la COVID-19; involucrar a un conjunto diverso de grupos de modelado con experiencia en proyecciones estructuradas, colaborativas y combinadas; y desarrollar procesos logísticos eficientes para manejar nuestro amplio esfuerzo colectivo. Este es un esfuerzo complementario al centro de pronósticos de la COVID-19 desarrollado por Nick Reich y sus colegas, con un enfoque explícito en intervenciones y decisiones.

 

Específicamente, ejecutamos múltiples ejercicios de proyección para abordar las decisiones clave que enfrentan los administradores de la COVID-19, incluso cuándo y cómo relajar las intervenciones clave de distanciamiento social (ejercicio I). En ejercicios posteriores, utilizaremos conjuntos de modelos para evaluar estrategias de reapertura parcial más matizadas, decisiones de intervención a nivel estatal y nacional, dónde es mejor probar vacunas y medicamentos, cómo priorizar las pruebas y cómo optimizar la implementación de intervenciones médicas. Pediremos, de cada grupo participante, uno o más modelos que combinen la mejor comprensión de su grupo sobre la pandemia actual (es decir, trataremos cada modelo como una hipótesis sobre el brote actual). Los resultados se mantendrán confidenciales dentro del grupo hasta su presentación a los responsables de la toma de decisiones o en publicaciones. Cuando se presente fuera del grupo, solo se revelará la participación en el modelo (los resultados individuales del modelo se convertirán en anónimos).

 

Procedimiento

Utilizaremos principios de análisis de decisiones para ayudar a estructurar proyecciones y análisis de modelos, y adoptaremos métodos bien establecidos de la literatura de juicio de expertos para que los resultados de múltiples grupos de modelado puedan contribuir a la comprensión del mismo contexto de decisión y contribuyan a una resolución sintética y a largo plazo de la pandemia actual.

 

Para cada ejercicio, tomaremos los siguientes pasos:

      1. Ámbito. Presentaremos un ámbito de decisión, especificando la epidemiología de fondo (ubicación, trayectoria del brote), los objetivos del responsable de la toma de decisiones (por ejemplo, minimizar las muertes, duración de la epidemia, etc.), y las intervenciones a examinar. Se compartirán los datos epidemiológicos y demográficos pertinentes.

      2. Proyecciones individuales 1. Pediremos a cada grupo de modelado que calculen de forma independiente los resultados deseados en el marco de intervenciones alternativas, prestando especial atención a la expresión de la incertidumbre. Pediremos distribuciones de probabilidad para cada resultado y escenario de intervención.

      3. Debate grupal. Compilaremos los resultados de los múltiples grupos de modelado y los mostraremos (de forma anónima) en un formato que permita una rápida comparación. Convocaremos un debate grupal con todos los grupos de modelado para explorar los puntos comunes y las diferencias, compartir ideas y analizar las fuentes de incertidumbre.

      4. Proyecciones individuales 2. A continuación, pediremos a cada grupo de modelado que proyecte de nuevo de forma independiente los mismos objetivos en el marco de las intervenciones alternativas, teniendo en cuenta los conocimientos del debate grupal en la medida en que los encuentren convincentes. Pediremos nuevamente distribuciones de probabilidad.

      5. Agregación y análisis. Luego agregaremos la segunda ronda de resultados en un grupo de proyecciones de conjunto que capture la incertidumbre dentro y entre los grupos de modelado. También realizaremos un análisis del valor de la información para identificar las fuentes de incertidumbre que más afectan la elección de una intervención. El resumen de este trabajo debe ser un análisis que transmita al responsable de tomar decisiones el desempeño esperado de cada una de las intervenciones, utilizando las proyecciones de conjunto, con una comprensión del papel de la incertidumbre.

 

Ejercicio I de la convocatoria: Estrategias posterior al cierre de emergencia

Tenga en cuenta que el Ejercicio 1 está actualmente en marcha y cerrado a nuevos participantes. Si desea que se le contacte con información acerca de futuras inducciones, envíe un correo electrónico a los coordinadores del proyecto a mmods@midasnetwork.us.

 

Ámbito y condiciones iniciales:

Le pedimos que considere el ámbito de un condado estadounidense de 100,000 personas, con una estructura de edad típica de la estructura etaria en todo EE. UU., que inició de forma preventiva y respetó estrictas pautas de distanciamiento social (es decir, cierre de emergencia total con lugares de trabajo y cierres escolares) hasta el 15 de mayo de 2020. Al 15 de mayo de 2020, la ciudad ha registrado 180 casos acumulados confirmados y 6 muertes totales (series temporales para ambos casos). Asuma que las restricciones de viajes actuales (es decir, parciales) siguen implementadas durante todo el ejercicio, de forma que no se permiten importaciones internacionales y las importaciones domésticas son limitadas.

 

El responsable de tomar decisiones es el ejecutivo del condado, quien tiene autoridad para especificar las pautas para abrir los lugares de trabajo. El enfoque se centra en las decisiones relativas al distanciamiento social y la reapertura durante los próximos meses, antes del inicio de la temporada de gripe.

 

Resultados/Objetivos de la proyección:

El ejecutivo del condado ha indicado que está interesado en sopesar los resultados entre una serie de resultados, incluso el impacto de la enfermedad en la salud pública, los recursos hospitalarios y la economía local. Para reflejar estos objetivos, pedimos a los grupos de modelado participantes que aborden 5 resultados (parámetros):

      1. número acumulado de todas las personas infectadas hasta el 15 de noviembre;
      2. número acumulado de muertes relacionadas con COVID entre el 15 mayo y el 15 de noviembre;
      3. máximo de hospitalizaciones entre el 15 de mayo y el 15 de noviembre;
      4. probabilidad de un nuevo brote local (más de 10 nuevos casos notificados/día) entre el 15 de mayo y el 15 de noviembre;
      5. número total de días que los lugares de trabajo estuvieron cerrados entre el 15 de mayo y el 15 de noviembre.

Intervenciones:

En este primer ejercicio, solo consideraremos la relajación relacionada con los lugares de trabajo. Le pedimos que proporcione proyecciones del modelo para los siguientes 4 escenarios de intervención:

 

      1. continuar con los cierres de lugares de trabajo no esenciales y escolares desde el 15 de mayo al 15 de noviembre
        (escenario de base de control total);
      2. relajar el distanciamiento social actual 2 semanas después del máximo:
        ▪ abrir lugares de trabajo no esenciales solamente (las escuelas permanecen cerradas hasta el 15 de noviembre);
      3. relajar el distanciamiento social cuando el número de nuevos casos diarios esté en el 5 % del máximo:
        ▪ abrir solamente lugares de trabajo no esenciales (las escuelas permanecen cerradas hasta el 15 de noviembre);
      4. relajar inmediatamente todas las restricciones actuales en lugares de trabajo no esenciales
        (las escuelas permanecen cerradas hasta el 15 de noviembre).

 

Por ahora, no asuma pruebas o rastreo de contactos y aislamiento de personas infectadas a nivel local; esto se evaluará en futuras inducciones. Sin embargo, usted es libre de definir y presentar los resultados de cualquier otro proceso de relajación que considere que es relevante o interesante.

 

Los modelos deben proporcionar una distribución completa de la probabilidad de resultados para cada intervención, de manera que las probabilidades de cola para los cuantiles 2 y 98 sean relativamente estables. Específicamente, queremos la distribución de probabilidad para cada resultado de cada intervención, especificando la función de distribución acumulativa (es decir, con 100 cuantiles).

 

Información de antecedentes sobre su modelo: escriba brevemente su modelo e incluya las suposiciones hechas sobre parámetros epidemiológicos clave, con incertidumbre paramétrica (por ejemplo, transmisión, recuperación, R0, intervalo de serie). Documente todas las fuentes de variación de su modelo mediante la lista de verificación proporcionada. Estamos buscando la expresión completa de la incertidumbre en estas proyecciones. Por ejemplo, la incertidumbre puede ser estructural (por ej., ¿deben modelarse explícitamente los portadores asintomáticos?), o paramétrica con respecto a la biología (por ej., ¿cuál es el tiempo esperado entre casos secuenciales en una cadena de transmisión?), el ámbito (¿cuál es la tasa asumida de importaciones domésticas?) o las intervenciones (por ej., ¿cuál es el impacto esperado del distanciamiento social?) o puede haber otras fuentes de aleatoriedad. Otras incertidumbres clave que podría explorar podrían incluir: la capacidad de control del distanciamiento social, la probabilidad de nuevas incursiones que podrían conducir a una segunda ola de infecciones locales, etc. Se deben proporcionar detalles de cualquier marco de calibración o inferencia del modelo utilizado (se proporcionará una lista de verificación). Si no especificamos algo, utilice su juicio e inclúyalo en su modelo de incertidumbre (y háganoslo saber en su descripción corta del modelo y en la lista de verificación). No dude en enviar sus preguntas a mmods@midasnetwork.us, y proporcione cualquier otra información que considere pertinente para que podamos actualizar nuestra lista de verificación para ejercicios futuros.

Materiales:

Equipo central de MMODS:

Katriona Shea1, Michael C. Runge2, Shou-Li Li Li3, William J.M. Probert4, Emily A. Howerton1, Rebecca K. Borchering1, Tiffany L. Bogich1, Wilbert van Panhuis5, Cécile Viboud6

 


 

1Department of Biology and Center for Infectious Disease Dynamics, The Pennsylvania State University, University Park, PA, EE. UU.

2U.S. Geological Survey, Patuxent Wildlife Research Center, Laurel, MD, EE. UU.

3State Key Laboratory of Grassland Agro-ecosystems, Center for Grassland Microbiome y College of Pastoral, Agriculture Science and Technology, Lanzhou University, Lanzhou, República Popular de China.

4Big Data Institute, Li Ka Shing Center for Health Information and Discovery, University of Oxford, Reino Unido.

5Department of Epidemiology, University of Pittsburgh Graduate School of Public Health, Pittsburgh, PA, EE. UU.

6Fogarty International Center, NIH, Bethesda, MD, EE. UU.