Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 / Quantitative evaluation of a SEIR model for forecasting COVID-19 cases

Resumen Introducción : Los modelos epidemiológicos han sido ampliamente utilizados durante la pandemia de COVID-19, aunque la evaluación de su desempeño ha sido limitada. El objetivo del presente trabajo fue evaluar de forma retrospectiva un modelo SEIR para la predicción de casos a corto plazo (1 a 3 semanas), cuantificando su desempeño real y potencial, me diante la optimización de los parámetros del modelo. Métodos : Se realizaron proyecciones para cada día de la primera ola de casos (31 de julio de 2020 al 11 de marzo de 2021) en el municipio de General Pueyrredón (Argentina), cuantificando el desempeño del modelo en términos de incertidumbre, inexactitud e imprecisión. La evaluación se realizó con los parámetros originales del modelo (utilizados en proyecciones que fueron oportunamente publicadas), y luego variando distintos parámetros a fin de identificar valores óptimos. Resultados : El análisis del desempeño del modelo mostró que valores alternativos de algunos parámetros, y la corrección de los valores de entrada utilizando un filtro de "media móvil" para eliminar las variaciones semanales en los reportes de casos, habrían otorgado mejores resultados. El modelo con los parámetros opti mizados logró disminuir desde casi 40% a menos de 15% la incertidumbre, con valores similares de inexactitud, y con una imprecisión levemente mayor. Discusión : Modelos epidemiológicos sencillos, sin grandes requerimientos para su implementación, pue den ser de utilidad para la toma de decisiones rápi das en localidades pequeñas o con recursos limitados, siempre y cuando se tenga en cuenta la importancia de su evaluación y la consideración de sus alcances y limitaciones.

Abstract Introduction : Epidemiological models have been widely used during the COVID-19 pandemic, although performance evaluation has been limited. The objec tive of this work was to thoroughly evaluate a SEIR model used for the short-term (1 to 3 weeks) predic tion of cases, quantifying its actual past performance, and its potential performance by optimizing the model parameters. Methods : Daily case forecasts were obtained for the first wave of cases (July 31, 2020 to March 11, 2021) in the district of General Pueyrredón (Argentina), quantifying the model performance in terms of uncertainty, inac curacy and imprecision. The evaluation was carried out with the original parameters of the model (used in the forecasts that were published), and also varying different parameters in order to identify optimal values. Results : The analysis of the model performance showed that alternative values of some parameters, and the correction of the input values using a "mov ing average" filter to eliminate the weekly variations in the case reports, would have yielded better results. The model with the optimized parameters was able to reduce the uncertainty from almost 40% to less than 15%, with similar values of inaccuracy, and with slightly greater imprecision. Discussion : Simple epidemiological models, without large requirements for their implementation, can be very useful for making quick decisions in small cities or cities with limited resources, as long as the importance of their evaluation is taken into account and their scope and limitations are considered.

Estadio clínico del cáncer de mama y nivel socioeconómico en el partido de General Pueyrredón, Argentina, 2013 / Clinical stage of breast cancer and socioeconomic status in General Pueyrredón, Argentina,2013

INTRODUCCIÓN: el acceso a los servicios de salud y laarticulación entre diagnóstico y tratamiento pueden explicar diferenciasen la supervivencia por cáncer de mama (CM) en las regionescon bajos indicadores socioeconómicos. OBJETIVOS: Identificardiferencias clínico-epidemiológicas al diagnóstico de CM según sectorde atención de la salud (público o privado) en el Partido de GeneralPueyrredón (PGP), Buenos Aires, durante 2013. MÉTODOS: Serealizó un estudio transversal de casos incidentes de CM infiltrante enmujeres residentes en PGP. Las variables fueron: sector de atención,estadio clínico y edad. Se ajustó un modelo de regresión logística:estadio (variable dependiente) agrupado como avanzado/tempranoy sector de atención público/privado (variable independiente), concontrol por edad. RESULTADOS: Se identificaron 413 casos: 11,4% delsector público (SPb) y 88,6% del privado (SPr). El 63% se diagnosticóen estadios tempranos. En el SPb se observó 4,4 (OR) veces másriesgo de estadio avanzado (p=0,001) y menor promedio de edadque en el SPr (p<0,05). CONCLUSIONES: El mayor riesgo de estadioavanzado en el SPb podría relacionarse con múltiples causas (entreellas, obstáculos al diagnóstico precoz y factores conductuales). Lamenor edad observada en el SPb podría deberse, en parte, al menorporcentaje de mujeres mayores y al subdiagnóstico. Este trabajo aportavaliosa información de base poblacional para conocer desigualdadessociales que influyen en la atención del CM.

INTRODUCTION: differences in survival of women withbreast cancer (BC) in regions with bad socioeconomic (SE) indicatorsmay be explained through the access to health services andthe coordination between diagnosis and treatment. OBJECTIVES:To identify epidemiological and clinical differences for BC diagnosisaccording to public (PU) or private (PR) health care sector in GeneralPueyrredón (PGP), Buenos Aires, during 2013. METHODS: Across-sectional study was performed, focusing on invasive BC casesdiagnosed in 2013 in women living in PGP. The variables were: healthcare sector, clinical stage and age at diagnosis. A logistic regressionmodel was adjusted with stage at diagnosis as dependent variable(grouped as early and advanced) and PU or PR health care sectoras independent variable, controlling by age. RESULTS: A total of 413cases were identified: 11.4% PU and 88.6% PR. Of them, 63% werediagnosed in early stages. The PU sector showed a risk of advancedstage 4.4 (OR) times higher (p=0.001) and lower average agethan the PR sector (p<0.05). CONCLUSIONS: The increased risk ofadvanced stage in PU sector could be related to multiple causesincluding barriers to early diagnosis and behavioral factors. Thelower average age in PU sector women could be partly attributed tothe lower percentage of old women and to under-diagnosis in thisgroup. This study provides valuable population-based informationto understand social inequalities that affect the attention of BC.

Análisis espacial de factores socioeconómicos, de servicios de salud y de mortalidad por cáncer de mama, Argentina, 2009-2011 / Spatial analysis of socioeconomic factors, health care and mortality from breast cancer, Argentina, 2009-2011

Introducción: La mortalidad por cáncer de mama es mayor en países con mayores ingresos donde también hay mayor supervivencia debido al acceso para la detección temprana y tratamiento oportuno. Argentina presenta altas tasas de mortalidad por cáncer de mama. Material y Métodos: estudio ecológico con análisis espacial de indicadores demográficos, socio-económicos, muertes mal definidas y servicios de salud por departamentos. Se describieron los flujos origen-destino de los egresos hospitalarios del sector público. Se calculó la razón estandarizada de mortalidad y tasa bayesiana (año 2009-2011). Utilizando modelos condicionales de autoregresión espacial se ajustaron 3 modelos donde la variable dependiente fue tasa bruta de mortalidad (modelo 1), razón estandarizada de mortalidad (modelo 2) y tasa bayesiana de mortalidad (modelo 3) Resultados: Las regiones del norte presentaron peores indicadores socioeconómicos, menor cobertura de mamografía y menor disponibilidad de servicios de salud. Los egresos hospitalarios presentaron poca migración entre provincias. En el modelo 1 y 2 la mortalidad se relacionó directamente con mejores indicadores socioeconómicos, mayor cobertura de mamografía, e inversamente con muertes mal definidas. En el modelo 1 las regiones de Cuyo y Noreste tuvieron mayor mortalidad; en el modelo 2 la Patagonia presentó menor mortalidad. En el modelo 3 hubo relación directa de la mortalidad con mejores indicadores socioeconómicos y fue menor en las regiones Noreste, Noroeste y Patagonia.

No se observó relación con variables de disponibilidad de servicios en ningún modelo. Discusión: al igual que en otros países se observó mayor mortalidad en regiones con mejor nivel socioeconómico. Sin embargo se evidenció asociación inversa de la mortalidad con muertes mal definidas y menor edad de mortalidad en regiones con mayor pobreza y menor disponibilidad de servicios lo que sugiere la presencia de barreras para la accesibilidad y menor sobrevida en las regiones más pobres. Conclusiones: Es necesario profundizar el uso de metodologías de análisis espacial complejo para estudiar mejor los determinantes socioeconómicos y el acceso a los servicios. Esto es imprescindible para evaluar la equidad del sistema de salud y el impacto que las políticas sanitarias tienen en los distintos escenarios y contextos de nuestro país.

Introduction: Breast cancer mortality is higher in higher income countries where there is also greater survival. Argentina has high rates of mortality from breast cancer. Material and methods: ecological study. Spatial analysis at department level of demographic and socio-economic indicators, ill-defined deaths and health services was performed. Origin-destination flows of hospital discharges in the public sector were described. Standardized mortality rate and bayesian mortality rate (year 2009-2011) was calculated. Using conditional spatial autoregression three models were adjusted. Dependent variables were raw mortality rate (model 1), standardized mortality rate (model 2) and bayesian mortality rate (model 3). Results: In the Northern regions worse socioeconomic indicators, lower mammography coverage and reduced health services availability were found. Hospital discharges showed little migration between provinces. In model 1 and 2 mortality was directly related to better socioeconomic indicators, greater coverage of mammography, and inversely with ill-defined deaths. In model 1 Cuyo and Northeastern regions had higher mortality. Model 2 showed a lower mortality in Patagonia region. Model 3 presented a direct relationship between mortality and better socioeconomic indicators and it was lower in the Northeast, Northwest and Patagonia regions. No relation to variables of availability of services in any pattern was observed.

Discussion: As in other countries increased mortality was observed in regions with higher socioeconomic status. However it was observed inverse association of mortality with ill defined mortality causes in addition to mortality at younger ages in regions with greater poverty and fewer services, suggesting the presence of barriers to accessibility and lower survival in the poorest regions. Conclusions: It is necessary to deepen the use of complex spatial analysis methodologies to better study socioeconomic determinants and access to services. This is imperative to assess the equity of the health system and the impact that health policies have in different scenarios and contexts of our country.

Lesiones por tránsito en el partido bonaerense de General Pueyrredón: Epidemiología, factores de riesgo y letalidad / Road Traffic Injuries in General Pueyrredón, Province of Buenos Aires: Epidemiology, Risk Factors and Lethality

INTRODUCCIÓN: En Argentina, los años de vida potencialmente perdidos (AVPP) atribuibles a lesiones por tránsito (LT)han mostrado un incremento del 68% en los últimos 10 años. Este trabajo plantea la importancia de construir la información sobre este tipo de lesiones a partir de múltiples fuentes de datos. OBJETIVO: Describir la epidemiología, la letalidad y los factores de riesgo presentes en los lesionados por tránsito (LT) en el Partido de General Pueyrredón (PGP), Provincia de Buenos Aires, entre junio de 2010 y mayo de 2011. MÉTODOS: Mediante un diseño transversal con análisis multivariado y espacial, se estudiaron las características epidemiológicas de LT en el PGP durante 12 meses a partir de cinco fuentes de datos. RESULTADOS: De 4.832 LT, el 66% fueron varones. Los motociclistas fueron el 51% y representaron el 36% de óbitos. En los mayores de 60 años, el 40% fueron peatones y se presentó la mayor letalidad. De cada 100 LT, 30 fueron internados y 1 falleció. Hubo mayor porcentaje de usuarios vulnerables (76%) que en otras publicaciones. Se hallaron cuatro tipologías: a) motociclistas varones jóvenes; b) ocupantes de vehículo a motor de cuatro ruedas; c) menores de 15 años; d) mujeres peatones y ciclistas. CONCLUSIONES: Los datos epidemiológicos y sobre factores de riesgo obtenidos a partir de múltiples fuentes contribuyen a diseñar estrategias eficaces de prevención. Es necesario promover el trabajo en red e intersectorial para alcanzar un abordaje complejo y multicausal.

INTRODUCTION: In Argentina, potential years of life lost due to premature death (PYLL) attributable to traffic injuries have increased over 68% the last 10 years. This paper discusses the importance of building information about this kind o injuries from multiple data sources. OBJECTIVE: To describe epidemiology, lethality and risk factors in people injured in road traffic accidents (PIRTA) at General Pueyrredón District (GPD), Province of Buenos Aires, from June 2010 to May 2011. METHODS: A cross-sectional design with multivariate and spatial analysis was used to study the epidemiological characteristics of PIRTA in GPD during 12 months. Five data sources were used. RESULTS: Out of 4832 PIRTA, 66% were males. Motorcyclists totaled 51%, with a death rate of 36%. The over 60s age group had 40% of pedestrians and showed the highest lethality. Out of 100 PIRTA, 30 were hospitalized and 1 died. The rate of vulnerable users (76%) was higher than in other publications. The analysis presented four typologies: a)young male motorcyclists; b) four-wheel motor vehicle occupants;c) people younger than 15 years old; d) women pedestrians and cyclists. CONCLUSIONS: Epidemiological and risk factor data obtained from multiple sources contribute to designing effective prevention strategies. It is necessary to promote networking and intersectoral work in order to have a complex, multicausal approach.