ESTUDIO DE LAS CAMAS OCUPADAS POR COMUNIDAD AUTÓNOMA

Como podemos observar en el siguiente gráfico, en primera instancia decidimos estudiar la cantidad de camas UCI que habían sido ocupadas por pacientes COVID en las distintas comunidades autónomas y poder así comparar de una manera más visual la situación en los hospitales.

Enlace donde podemos encontrar el siguiente gráfico: https://public.flourish.studio/visualisation/6116916/

En la primera visualización, aunque bien es verdad que nos ayuda a poder hacernos una idea de la cantidad de gente que hay en la UCI por COVID a lo largo del tiempo hay que tener en cuenta que no es lo mismo que se encuentren 100 paciente en un lugar con capacidad de 150 (ocupación del 66,7%), que se encuentren 100 de 1500 (6,67%).

Por ello decidimos realizar otra tabla con los porcentajes de camas ocupadas con pacientes de COVID por el total que hay disponible en cada comunidad.

Enlace donde podemos encontrar el siguiente gráfico: https://public.flourish.studio/visualisation/6130587/

Comparando los dos gráficos podemos observar que aunque el número total de camas ocupadas por pacientes de COVID en ciertas comunidades como pueden ser Madrid, Cataluña o Andalucía sea normalmente mayor con respecto al resto, calculando la proporción sobre el total no es la misma situación. Es decir, que aunque tengan un mayor número de pacientes que necesiten cuidados, también su capacidad de gestión es mayor.

Con esto se podría concluir que no en todo el rango de tiempo estudiado su situación es tan crítica ni tan mala como puede serlo en otras comunidades con menos capacidad.

Finalmente nos gustaría mostrar ya no solo la evolución de los pacientes con COVID en cama, sino también el porcentaje total de camas ocupadas (pacientes COVID y no COVID).

Enlace donde se encuentra el siguiente gráfico: https://public.flourish.studio/visualisation/6134429/

Datos de ambas tablas: Capacidad_Asistencial_Historico_gobes.csv

Odds ratio of mechanical ventilation in COVID-19 patients by age range (reference category = 5 years)

As we were unable to locate any work that estimated Odds Ratio by age range, we calculated them from the data provided by CNE for Spain (from September 1, 2020 to March 24, 2021). The Odds Ratio (by age) are the quotient between a/b of each range and a/b of the reference category (5 years).

Codigo desarrollado para el datathon: WPOMgeneradorDatosCovidSerieRenave.ipynb accesible en Github

Como citar el codigo: Marin-Garcia, J.A, et al. (2021). A data generator for COVID-19 patients’ care requirements inside hospitals: data paper. WPOM-Working Papers on Operations Management, 12 (in press). https://doi.org/10.4995/wpom.15332

Odds ratio by age range (reference category = 5 years)

Evolución con la edad del porcentaje de hospitalizados por casos; uci por hospitalizado; defunciones por hospitalizado y defunciones por uci

Proyecciones basadadas en los datosd e CNE-Renave. Corregidas basándonos en un ajuste con curva exponencial para compensar las políticas del hospital de derivar a los pacientes de más edad a cuidados paliativos en lugar de a UCIS.

Codigo desarrollado para el datathon: WPOMgeneradorDatosCovidSerieRenave.ipynb accesible en Github

Como citar el codigo: Marin-Garcia, J.A, et al. (2021). A data generator for COVID-19 patients’ care requirements inside hospitals: data paper. WPOM-Working Papers on Operations Management, 12 (in press). https://doi.org/10.4995/wpom.15332

«The CNE data did not adequately represent the trajectories of people over 60 years of age. It may misleadingly appear that the incidence of Severe Acute Respiratory Syndrome (SARS) decreases after this age. However, the reality was the opposite, this incidence grew exponentially, but the application of medical care protocols meant most elderly patients did not receive ICU treatment even if they were in need of IVM. The reason was the probability of surviving such an aggressive intervention was low (practically zero in the most elderly patients)»

Evolution of variables in Valencia province
Evolution of variables in Spain

Descripción del proyecto

CAHOS19

Gestión de CAmas de HOSpital para pacientes COVID-19

Resultados accesibles en https://cahos19.blogs.upv.es/category/dahsboard/

Participantes:

Juan A. Marin Garcia

Yenniffer Alarcón Hidalgo

How to cite this work:

Marin-Garcia, J. A., Ruiz, A., Maheut, J., Garcia-Sabater, J. P. (2021). A data generator for COVID-19 patients’ care requirements inside hospitals: data paper. WPOM-Working Papers on Operations Management, 12 (in press). https://doi.org/10.4995/wpom.15332

Pulsa en la imagen para acceder a más detalles

Graficos de barras dinámicos (bar chart race)

Opciones disponibles: