Modelo de predicción de riesgo hospitalario por Covid-19 y su aplicación en la evaluación de estrategias de vacunación

Abstract

La vacunación contra el SARS-CoV-2 hace vislumbrar una posibilidad de retorno a la normalidad de forma definitiva. Como éstas tienen disponibilidad limitada, es crítico que su distribución se realice de forma correcta. Un enfoque para su programación propone ordenar a la población según el riesgo de desarrollar cuadros de mayor severidad por COVID-19 y, por ende, de demandar atención hospitalaria. Aprovechar los datos disponibles para determinar el nivel de riesgo hospitalario podría proveer información clave para evaluar estrategias de inoculación. El objetivo de este estudio es evaluar estrategias para la organización del proceso de vacunación en Chile según su efectividad para reducir hospitalizaciones críticas, aplicando un modelo para pronosticar la probabilidad de manifestar un cuadro severo de COVID-19. Calibrado con datos clínicos individualizados que pueden ser conseguidos de forma previa a la infección. Se desarrolla un modelo de predicción de riesgo por COVID-19 en base a datos demográficos y condiciones preexistentes de los infectados con COVID-19 en México. Se entrenaron cuatro algoritmos de clasificación: Random Forest, XGBoost, PLS-DA y Logit, con tres estructuras de modelos - una incorporó técnicas de selección de variables -, y se compararon a partir del valor de sus métricas de desempeño. El modelo de XGBoost con selección de variables alcanzó la mayor capacidad discriminativa (AUC = 0,82, sensibilidad ≈ 50%) que es comparable con investigaciones anteriores, por lo que, fue seleccionado para ser aplicado en la evaluación de estrategias de vacunación. Se evaluaron dos estrategias para organizar el proceso de vacunación en Chile, i) de mayor a menor edad y ii) de mayor a menor riesgo - ocupando el valor de riesgo calculado por el modelo de predicción seleccionado -. Las estrategias se compararon bajo 3 escenarios de ritmo de inoculación, tomando como supuesto un 100% de efectividad de las vacunas en la disminución de hospitalizaciones. Por su parte, para asegurar la funcionalidad del modelo, los resultados se normalizaron utilizando datos de la tasa de hospitalización por COVID-19 en Chile. Los resultados indican que vacunando a la misma cantidad de personas, la estrategia por riesgo podría reducir la tasa de hospitalización en un 27,9% adicional a la por edad, y así, reducir la demanda de camas hasta dos meses antes. Además, esta es incluso más relevante si se ha vacunado a un mayor porcentaje, el ritmo de inoculación es más bajo y/o si la vacuna tiene menor efectividad en la reducción de casos sintomáticos. En conclusión, la evaluación indica que priorizar las vacunas por riesgo es más efectivo en la reducción de hospitalizaciones que por edad, en los escenarios y con los supuestos mencionados. Así, se revela el potencial que tiene el análisis de datos para determinar estrategias eficaces de distribución de recursos críticos en el contexto de pandemia.