Por: Dr. José Andere, VP Digital Supply Chain, SAP Latin America; Ana Nuñez; Directora Global Center of Excellence, SAP México; y Miguel Lander, Managing Director, Go SCM North America
Durante esta pandemia sin precedentes, el crecimiento exponencial de casos de coronavirus ha comprometido seriamente los sistemas de salud del mundo. Tanto las instituciones públicas como las privadas tienen el desafío de responder a nuevas demandas en un contexto signado por una alta incertidumbre. Al mismo tiempo, las cadenas de suministro se ven ante la necesidad de adaptar sus capacidades para afrontar el virus y mantener a las personas a salvo de la forma más ágil y sustentable.
Para hacer frente a estos desafíos, SAP Latinoamérica brinda a las instituciones de salud de la región la suscripción a su solución en la nube SAP Integrated Business Planning (IBP) sin costo por 90 días. Esto ayudará a las instituciones a planificar de forma ágil y efectiva los recursos, equipos e insumos críticos necesarios para tratar a los pacientes infectados por el COVID-19. Además, este servicio se ofrece bajo el esquema de BPO (Business Process Outsourcing) a través de un grupo selecto de socios como Go SCM, quienes proveen el despliegue de la solución y el soporte en la operación y ejecución de los procesos de planeación -también sin cargo alguno durante este período de 90 días.
La aplicación has sido preconfigurada y está completamente lista para ser utilizada. El único prerrequisito para iniciar el uso de este servicio es la carga de los inventarios iniciales y de los datos históricos de casos de coronavirus. Esta información se puede ingresar directamente en los tableros de planificación del sistema o mediante la carga de archivos planos o de Excel.
El proceso de pronóstico esta basado en el modelo de transmisión epidemiológica SRI, el cual considera un tamaño de población dado y constante dividido en cuatro segmentos mutuamente exclusivos: susceptibles, S(t); infectados, I(t); recuperados, R(t); y fallecidos, D(t). Estos segmentos se definen de la siguiente manera:
- S(t) representa el número de individuos que aún no han sido infectados por el virus en el tiempo t, es decir, aquellos que son susceptibles de ser infectados.
- I(t) denota el número de individuos que han sido infectados por el virus y pueden trasmitirlo a aquellos individuos en el segmento de susceptibles.
- R(t) es el segmento que representa a aquellos individuos que han sido infectados y ya se han recuperado. Estos individuos ya son inmunes y no pueden infectarse nuevamente o transmitir el virus a otros.
- D(t) es el segmento de la población que no se pudo recuperar y falleció después de haber sido infectados.
El flujo de este modelo es el siguiente:
Digamos que la población tamaño fijo de la población es N = S(t) + I(t) + R(t) + D(t), entonces el comportamiento de estas variable a través del tiempo es modelado por el siguiente sistema de ecuaciones diferenciales:
dS(t)/dt = - βSI/N
dI(t)/dt = βSI/N – γI
dR(t)/dt = γI
dD(t) = µdR(t)
donde:
β es la tasa de transmisión de la infección por unidad de tiempo.
γ es la tasa de recuperación y 1/γ es el tiempo promedio de infección
µ es la tasa de muerte
El modelo anterior asume que cada individuo en la población tiene la misma probabilidad de contraer la infección con una tasa β. También asume que la población que sale del segmento de individuos susceptibles es igual al número que entra al segmento de individuos infectados. Sin embargo, un número de individuos igual a una fracción γ de los individuos infectados salen de este segmento por unidad de tiempo para entrar al segmento de recuperados o de fallecidos.
El distanciamiento social y otras medidas de control de la transmisión del virus reducen la tasa de infección. Por lo tanto, para poder utilizar el modelo anterior para proyectar el número de casos activos, primero es necesario estimar la tasa de transmisión con base en el patrón que presentan los datos históricos.
Los datos históricos de los diversos países muestran un decrecimiento asintótico de la tasa de transmisión aproximándose a un número cercano a cero a partir de que se aplican las medidas de control como el distanciamiento social. Por esta razón, utilizamos modelos de series de tiempo o de regresión con un factor de reducción gradual de la tendencia.
La gráfica siguiente muestra como ejemplo el pronóstico de casos de coronavirus en México. El modelo se entrenó utilizando los datos reportados (https://corona.help/country/mexico) de número de casos, recuperaciones y muertes entre el 11 de marzo y el 22 de abril. Se utilizó en este caso un modelo de suavizamiento exponencial doble con un factor de reducción de tendencia de 0.95 para pronosticar la tasa de infección de las próximas semanas.
Los modelos de pronóstico para un centro hospitalario en particular se entrenan con los datos históricos de casos en esta localidad e integran el pronóstico macro generado por el modelo SIR como factor causal para explicar y proyectar el patrón de casos nuevos y casos activos.
Utilizando el pronóstico de casos activos como dato de entrada, los requerimientos de suministro son estimados utilizando la tasa de consumo por material, paciente y período. Entonces, los requerimientos de resurtido son calculados mediante el neteo de los requerimientos proyectados contra los niveles de inventario actual.
La simulación de escenarios y el análisis de sensibilidad es un habilitador clave para evaluar el comportamiento potencial de la transmisión de la infección y de los requerimientos de suministro. Por ejemplo, el pronóstico del número de casos activos con distintos valores de las tasas de transmisión y recuperación mejora la visibilidad del riesgo de disrupciones del suministro y del momento en que el número máximo de casos se va a alcanzar en el escenario probable, pesimista y optimista.
Los procesos de planificación basados en modelos epidemiológicos y predictivos, con capacidades de simulación de escenarios en tiempo real, habilitados por una plataforma de planeación de la cadena de suministro abierta, flexible y amigable; mejoran la agilidad y efectividad de la respuesta a las disrupciones del COVID-19 y ayudan a mantener a los pacientes a salvo.
