Estimación de la incidencia real de la COVID-19 en España
Resumen
Introducción: Los modelos epidemiológicos han demostrado ser cruciales para apoyar la toma de decisiones de las autoridades sanitarias durante la pandemia de COVID-19, así como concienciar al público en general de las distintas medidas adoptadas por las autoridades (distanciamiento social, uso de mascarilla, vacunación, etc.). Objetivos: Describir la metodología para integrar diferentes fuentes de datos para generar una única serie temporal que proporciona tasas de incidencia reales de COVID-19 en España. Metodología: Esta serie considera tanto los casos notificados como los no notificados, es decir, aquellos que no han sido registrados por las autoridades sanitarias. Resultados: Este trabajo describe también cómo la información generada en este proyecto ha sido tratada y almacenada, presenta los datos de estimación de la incidencia real obtenidos, así como los organismos y equipos de investigación que la utilizan, además de los distintos canales de comunicación que han sido empleados para difundirla (página web, compartición de resultados con las autoridades sanitarias, y repositorio). Conclusión: Este trabajo integra información proveniente de múltiples fuentes de datos para el análisis y la predicción de la incidencia de la COVID-19. A través de un enfoque multidisciplinar, se ha logrado plantear respuesta a la problemática en la estimación de la incidencia real de casos de COVID-19.
Descargas
Citas
Instituto de Salud Carlos III. (2022a). Evolución pandemia. https://cnecovid.isciii.es/covid19/#evoluci%C3%B3n-pandemia
Instituto de Salud Carlos III. (2022b). Metodología SiVIRA. sistemas y fuentes de información. https://www.isciii.es/QueHacemos/Servicios/VigilanciaSaludPublicaRENAVE/EnfermedadesTransmisibles/Documents/GRIPE/Protocolos/Metodolog%C3%ADa%20SiVIRA,%20sistemas%20y%20fuentes%20de%20informaci%C3%B3n.%20Temporada%202022-23.pdf
Martínez, A. C., Organero, M. M., Moriña, D., Barroso, D. G., & Singh, D. E. (2023). COVID-19 incidence estimates and forecast by metaprediction for the comunidad de Madrid. Technical report, Universidad Carlos III de Madrid.
Universidad Carlos III de Madrid. (2022a). Epigraph, an agent-based epidemiological simulator http://epigraph.uc3m.es.
Universidad Carlos III de Madrid (2022b). Multi-source and multi-method prediction to support COVID-19 policy decision making (PredCov). http://www.uc3m.es/ss/Satellite/GruposInvestigacion/es/TextoDosColumnas/1371351563042
Universidad Carlos III de Madrid. (2022c). Repositorio de datos de incidencia de la COVID-19 para España y la Comunidad de Madrid. https://github.com/epigraph-forecast/IncidenceDataSpain
World Health Organization. (2022). End-to-end integration of SARS-CoV-2 and influenza sentinel surveillance: revised interim guidance. Geneva. https://www.who.int/publications/i/item/WHO-2019-nCoV-Integrated_sentinel_surveillance-2022
Los textos publicados en esta revista están –si no se indica lo contrario– bajo una licencia Reconocimiento-Sin obras derivadas 3.0 España de Creative Commons. Puede copiarlos, distribuirlos y comunicarlos públicamente siempre que cite su autor y la revista y la institución que los publica y no haga con ellos obras derivadas. La licencia completa se puede consultar en: http://creativecommons.org/licenses/by-nd/3.0/es/deed.es
Los derechos de autor pertenecen al autor de la obra por el mero hecho de su creación:
· Los derechos de contenido moral son irrenunciables e inalienables.
· Los derechos de contenido económico, o derechos de explotación, pueden ser cedidos a terceros como ocurre con los trabajos publicados, en los que el autor cede parte o la totalidad de estos derechos a la editorial.
El autor puede autoarchivar sus artículos en un repositorio institucional, siempre que se cite su publicación en esta revista.
Datos de financiación
-
European Commission
Números de subvención Financiado con los recursos REACT-UE del fondo europeo de desarrollo regional y el proyecto BCV-2022-1-0005 de la Red Española de Supercomputación
