Se trata de un sistema informático que brinda estadísticas y datos para anticipar los brotes y evitar la saturación de los centros de salud.
Este lunes 14 de octubre, en la jornada de Salud y Ambiente de la Universidad Nacional de Córdoba, se trató del uso de modelos predictivos innovadores para anticipar brotes de dengue y así evitar la saturación en centros médicos.
Según estadísticas de la OMS, América Latina tuvo en 2023 un récord de infecciones causado por el dengue; y todo parece indicar que este año se superaría.
Debido a esto, los especialistas consideran que se debe tratar a la salud humana como un “todo”, integrado con el ambiente y el territorio, para poder hacerle frente a la enfermedad transmitida por el mosquito Aedes aegypti.
Estos modelos predictivos se constituyen de imágenes satelitales hasta sistemas informáticos que analizan datos estadísticos, lo que permite abordar una epidemia antes de que aparezcan los primeros casos, para minimizar el impacto de un brote y evitar colapsos en el sistema de salud.
Se trata de una herramienta crucial para facilitar la identificación de grupos de riesgo.
Daniel Otzoy, director de la Red Centroamericana de Informática en Salud, enfatizó la importancia de la transformación digital para la toma de decisiones informadas en salud pública.
Estos mapas pueden representar prácticamente todo el país. “Podemos decir en qué zonas tenemos chances de que el mosquito esté”, explicó Ximena Porcasi, investigadora del Instituto Gulich y de la Comisión Nacional de Actividades Espaciales (Conae).
Otro de los modelos desarrollados por Conae permite establecer distintos escenarios de riesgo utilizando información satelital. Se analizan datos como vegetación, clima, lluvias, tipo de suelo y de población para caracterizar dónde se concentra más el mosquito en Argentina. Lo que permite destacar que sucede en cada terreno y con esa información se elabora un mapa con distintos escenarios de riesgo.
Por último, se presentaron modelos que integraron el uso de imágenes satelitales para analizar condiciones climáticas y de vegetación, lo que influye la densidad del mosquito.
Porcasi detalló: “Estos modelos nos ayudan a modelar escenarios posibles para saber cómo se comporta el mosquito, utilizando datos de precipitaciones, temperaturas y características del suelo”.
Si te interesa leer la nota completa podés entrar a la página UNCiencia:
