Un método para la comparación de correlaciones basado en intervalos de confianza: aportes a Tejedor et al / A method for comparing correlations based on confidence intervals: contributions to Tejedor et al

No disponible

Modelización matemática de la propagación de enfermedades infecciosas: de dónde venimos y hacia dónde vamos / Mathematical modelling of the propagation of infectious diseases: where we came from, and where we are going

Es de indudable importancia dotar al gestor sanitario de herramientas que permitan predecir el comportamiento de la propagación de una enfermedad infecciosa, de manera que a partir de las mismas se pueden establecer y simular estrategias de control. El desarrollo de tales herramientas es de carácter pluridisciplinar siendo la base de las mismas, algoritmos o modelos matemáticos que son implementados computacionalmente. En este trabajo se muestra el funcionamiento de estos modelos matemáticos y se detalla su clasificación atendiendo a diferentes factores. Además se lleva a cabo un estudio cuantitativo de los mismos haciendo uso de las principales bases de datos relacionadas con el tema de estudio (Medline y Web of Science). De este trabajo se concluye el importante papel que pueden jugar los modelos matemáticos a la hora de simular los procesos infecciosos y, asimismo, se proponen futuras y eficaces vías de investigación en la modelización matemática de enfermedades infecciosas(AU)

This work deals with the study of the use of mathematical models to simulate the spreading of infectious diseases. There is no doubt about the importance of the use of computational tools that allow the health staff to model and predict the spreading of an infectious disease. Using such tools one can establish and simulate disease control strategies. The development of such technologies is a multidisciplinary issue; in this sense, the mathematical algorithms –that must be computationally implemented- play a central role. The main goal of this work is to highlight among health community the increasing importance of the use of mathematical models for epidemic disease spreading. Consequently, the main features of such models are introduced and their classification is stated taking into account the behavior, the basic population unit or the mathematical objects used. An exhaustive search of related papers through the most important databases (Medline and Web of Science) are performed. The main conclusion obtained from this work is the central role that mathematical models can play in the simulation of epidemic spreading; moreover, some ideas about the future research are stated(AU)

Medida de la eficiencia técnica de programas de tratamiento con opiáceos: utilidad del modelo Data Envelopment Analysis (DEA) / Measurement of the technical efficiency of opioid substitution programs: Usefulness of the Data Envelopment Analysis (DEA) model

Objetivo. Valorar la utilidad del modelo matemático Data Envelopment Analysis (DEA) para medir la eficiencia de programas de tratamiento con opiáceos (PTO). Material y métodos. Se realiza un estudio de "simulación", es decir, se parte de un conjunto de supuestos y se manejan datos no reales pero fundamentados en la literatura. Se comparan 15 hipotéticos PTO y se mide la eficiencia de cada uno de ellos. De cada programa habríamos obtenido información sobre seis variables, tres de las cuales serían consideradas como indicadores de input (ratio terapeuta/paciente, unidades asistenciales en drogodependencias y porcentaje de pacientes con dosis adecuadas) y tres de output (días de abstinencia de heroína en el último mes, tasas de retención y grado de mejoría de los problemas relacionados con el consumo). La matriz de datos generada se somete a análisis mediante el DEA. Resultados. El modelo ordena los programas en función de su nivel de eficiencia. Los programas P8, P9, P11, P5 y P6 son considerados "ineficientes" y se estiman las magnitudes de las variables de input y output que distan de un rendimiento óptimo. En este análisis, la variable de output que añade más eficiencia a los programas es el "número de días de abstinencia de heroína en el último mes" y la variable de input que añade más ineficiencia a los mismos, es el "porcentaje de pacientes con dosis adecuadas". Conclusión. El modelo DEA tiene una utilidad potencial para la medida comparativa de la eficiencia de PTO. La información aportada por este modelo podría ser utilizada por los coordinadores de programas para introducir cambios en los procesos terapéuticos con el objetivo de mejorar la calidad asistencial (AU)

Aim. To assess the usefulness of the mathematical model Data Envelopment Analysis (DEA) to measure the efficiency of opioid substitution programs (OSP). Material and Methods. A simulation study was conducted based on a series of assumptions that are tested using non-real data imputed from theoretical background. Fifteen hypothetical OSP are compared to estimate their relative efficiency. We obtained six variables from each program, three of which are considered input indices (therapists/patients ratio, number of treatment units and proportion of patients with adequate opioid doses), and the other three are considered output indices (number days of heroin abstinence in the last month, retention rates and degree of recovery from drug-use related problems). The data set was subjected to DEA analyses. Results. The DEA model ranked the OSP as a function of their efficiency levels. Programs P8, P9, P11, P5 and P6 were considered inefficient and the magnitude of the input and output variables were far from optimal achievement. In these analyses, the output variable that yielding a greater efficiency was the number days of heroin abstinence in the last month and the input variable providing greater inefficiency was the proportion of patients with adequate opioid doses. Conclusion. The DEA model yields can be useful to measure the relative efficiency of the OSP. The information provided by the model may be used by OSPs managers to introduce changes in therapeutic processes with the aim of increasing their quality (AU)

Evolución de la morbilidad hospitalaria por accidente de tráfico en la Comunidad de Madrid en el periodo 2004-2008 / Evolution of motor vehicle-related injuries hospital admissions in the Community of Madrid (Spain) between 2004 and 2008

Objetivos: Analizar la frecuencia y la distribución en la serie temporal de los ingresos hospitalarios por lesiones causadas en accidente de tráfico. Facilitar la planificación sanitaria mediante la predicción, para los próximos años, de la evolución de los ingresos. Ajustar la asignación de recursos a las previsiones, buscando la máxima eficiencia y equidad. Material y Métodos: Se incluyen los 748 ingresos registrados en el Hospital 12 de Octubre entre enero del 2004 y diciembre del 2008 con lesiones traumáticas graves (ISS > 9), causadas por accidente de tráfico o atropello por vehículo a motor. Se ha desarrollado un modelo matemático mediante técnicas de previsión y predicción con estacionalidad para facilitar un pronóstico de casos futuros. Resultados: No se ha alcanzado un ajuste aceptable con ninguno de los modelos matemáticos aplicados. Las dos actuaciones analizadas: nueva Ley de Seguridad Vial; y apertura simultánea de 8 nuevos hospitales en la Comunidad de Madrid, no parecen haber influido de forma estadísticamente significativa en el número de ingresos. Conclusiones: A partir de los resultados estadísticos obtenidos no parece posible realizar una predicción fiable sobre la evolución futura de la demanda (AU)

Objectives: Objectives: To analyze the frequency and distribution in the time series of hospital admissions for injuries in traffic accidents. Facilitate health planning by predicting, for the coming years, changes in admissions. Adjust the allocation of resources to the forecasts, seeking maximum efficiency and equity. Material and Methods: From January 2004 to December 2008, 748 admissions with severe traumatic injuries (ISS> 9) caused by traffic accident, or being hit by motor vehicle, were recorded in the Hospital 12 de Octubre. We have developed a mathematical model using techniques of forecasting and seasonal forecasting to provide a forecast of future cases. Results: We have not achieved an acceptable fit with any of the mathematical models applied. The two performances analyzed: new Road Safety Law, and simultaneous opening of 8 new hospitals in the Madrid region, seem not to have a statistically significant influence on the number of admissions. Conclusions: From the statistical results obtained, it didn´t seem possible to make a reliable prediction on the future evolution of demand (AU)