COVID-19: Adaptation of a model to predicting healthcare resources needs in Valle del Cauca, Colombia.

BACKGROUND: Valle del Cauca is the region with the fourth-highest number of COVID-19 cases in Colombia (>50,000 on September 7, 2020). Due to the lack of anti-COVID-19 therapies, decision-makers require timely and accurate data to estimate the incidence of disease and the availability of hospital resources to contain the pandemic.
METHODS: We adapted an existing model to the local context to forecast COVID-19 incidence and hospital resource use assuming different scenarios: (1) the implementation of quarantine from September 1st to October 15th (average daily growth rate of 2%); (2-3) partial restrictions (at 4% and 8% growth rates); and (4) no restrictions, assuming a 10% growth rate. Previous scenarios with predictions from June to August were also presented. We estimated the number of new cases, diagnostic tests required, and the number of available hospital and intensive care unit (ICU) beds (with and without ventilators) for each scenario.
RESULTS: We estimated 67,700 cases by October 15th when assuming the implementation of a quarantine, 80,400 and 101,500 cases when assuming partial restrictions at 4% and 8% infection rates, respectively, and 208,500 with no restrictions. According to different scenarios, the estimated demand for reverse transcription-polymerase chain reaction tests ranged from 202,000 to 1,610,600 between September 1st and October 15th. The model predicted depletion of hospital and ICU beds by September 20th if all restrictions were to be lifted and the infection growth rate increased to 10%.
CONCLUSION: Slowly lifting social distancing restrictions and reopening the economy is not expected to result in full resource depletion by October if the daily growth rate is maintained below 8%. Increasing the number of available beds provides a safeguard against slightly higher infection rates. Predictive models can be iteratively used to obtain nuanced predictions to aid decision-making.

Remark

Introduction

Valle del Cauca, with a population of 4.4 million, is the province with the fourth-highest number of COVID-19 cases in Colombia, after Bogotá . As of September 7th, 2020, there were 50,179 confirmed cases in Valle del Cauca and 1,891 confirmed deaths, compared with 667,000 cases and 21,000 deaths, nationwide . COVID-19 incidence and mortality are reported daily by the National Surveillance System (SIVIGILA). Cases are confirmed by reverse transcriptase-polymerase chain reaction (RT-PCR). Testing was initially centralized at the Instituto Nacional de Salud (INS) and has been progressively decentralized throughout the country. Testing for the Valle del Cauca region is currently performed by eight accredited laboratories . The first COVID-19 case was reported on March 6 and social distancing measures were put in place on March 26, 2020, at the national level. A national quarantine was initially implemented for the general population until April 27 and then extended until May 11. Since then, regional governments have implemented a partial quarantine for specific population groups (e.g., children, seniors) , and have allowed selected sectors of the economy to resume work (mainly construction and textile manufacturers). For the past months, the COVID-19 pandemic in Valle del Cauca has exerted considerable pressure on the hospital capacity. Although the ICU and hospital beds have not been fully occupied, continuing to lift the restrictions is expected to result in an increased number of COVID-19 cases, and reduced hospital capacity. Given a considerable increase in cases, the intensive care unit (ICU) beds and ventilators may not be sufficient.

We used a statistical model to predict the number of new COVID-19 cases in Valle del Cauca from March 2020, for different scenarios and time intervals. Although the original CORE model was developed and calibrated to Ontario, Canada , we have populated it with the most up-to-date data from Valle del Cauca as it became available to adequately simulate local pandemic trajectories and resource availability. Researchers from the University of Toronto partnered with researchers from Pontificia Universidad Javeriana (Bogota, Colombia), and government and academic representatives from Valle del Cauca to inform decision-making regarding social distancing measures. Two main sets of results are presented: the estimation of cases and resource availability between June 20th and August 31st, when Colombian authorities planned on relaxing social distancing restrictions, and between September 1st and October 31st when all mandatory restrictions were lifted throughout the country. Therefore, the objectives of this study were to predict the impact of COVID-19 on the capacity of the health care system through time and to estimate the expected number of tests required to identify new cases.

Materials and Methods

Model description

We adapted the CORE (COVID-19 Resource Estimator) model, an individual-level simulation model developed for Ontario, Canada , , to predict the number of cases and hospital resources required in Valle del Cauca given specific scenarios. The model followed individual patients throughout daily cycles (time steps) up to 45 days in Valle del Cauca. We simulated individuals who are 15 years and older and who may have comorbidities. Symptomatic patients who arrive at the hospital and test positive for SARS-CoV-2 by RT-PCR, become confirmed cases of COVID-19. The patients are admitted to the hospital or sent home based on their disease severity. Of the patients who are admitted to the hospital, a proportion requires admission to the ICU, and the most severe cases are treated with invasive mechanical ventilation.

Patients transition through different health states as described in Figure 1. Patients with severe disease require either a hospital ward or an ICU bed. ICU admission is dependent on the availability of an ICU bed. If one is not available, the patient will remain in the hospital ward waiting for one to become available. Considering that some ICU beds are not equipped with mechanical ventilators, a patient who requires a ventilator will die within 24 hours if none is available. Ward and ICU beds, and ventilators are freed upon recovery or death of patients. Mortality rates are dependent on the disease severity and the health state in which patients are currently at. For example, patients with severe disease requiring ICU care have a higher probability of dying if they remain in the hospital ward due to lack of ICU beds , compared with similar cases who were able to transition into the ICU.

Figure 1

Model structure. *ED = Emergency department; ICU = intensive care unit.

Model parameters and assumptions

The CORE model was populated with regional data and data from international literature. Data on resource capacity was obtained from the Colombian Ministry of Health and Social Protection (MSP) and Registro Especial de Prestadores de Servicios de Salud (REPS) . Some assumptions were made based on expert elicitation. All model inputs and assumptions are presented in Table 1. We made some key assumptions: Patients in the community setting and the hospital ward are assumed to have a short-term COVID-19-related probability of death equal to zero , and only patients in the ICU with severe disease have a risk of death due to COVID-19. Mortality rates were modelled according to the different health states as per international data. Further technical details are presented elsewhere . We included ICU beds with and without ventilation and assumed that the number of ventilated beds represented the number of currently available ventilators. We assumed an average ICU length of stay of 8 days, and a hospital length of stay of 11 days, as reported in the international literature and is consistent with data reported by the INS , . These parameters continued to be modified as local evidence became available. We assumed that no additional beds or ventilators would be made available for new COVID-19 patients.

Table 1

Model parameters

Variables	Base-case value (June 20th to August 1st)	Base-case value (September 1st to October 15th)	Sources
Number of infected subjects*	See Figure 2	See Figure 2	INS 11
Probability of needing hospital admission	0.18	0.18	PHAC 12
Probability of needing ICU-level care given admission to hospital	0.48	0.48	PHAC 12
Probability of ICU patients needing ventilation	0.78	0.78	CCSO 13
Probability that patients on the ward deteriorate and need ICU-level care	0	0	Assumption
Length of stay, ward (no ICU admission/prior to ICU admission)	17 days	11 days	Bellani et al., 10 , REPS 9
Length of stay, ICU (with/without ventilation)	11 days	8 days	Bellani et al. 10 , REPS 9
Length of stay, ward post-ICU	6 days	5 days	Bellani et al. 10 , REPS 9
Probability of death ward patients	0	0	Wu et al. 7
Probability of death, ICU-patients	0.35	0.35	Bellani et al. 10
Probability of death, ventilated patients	0.35	0.35	Bellani et al. 10
Probability of death of patients waiting for ventilator	1	1	Assumption
Number of ward beds available for COVID-19 patients	1,659	1,701	MSP 8 ; REPS 9
Number of ICU beds with ventilators available for COVID-19 patients	475	352	MSP 8 ; REPS 9
Number of ICU beds without ventilators available for COVID-19 patients	280	735	MSP 8 ; REPS 9

* The reported cases correspond to the date in which the tests were performed, instead of the date of diagnosis.

** COVID-19 = Coronavirus disease; ICU = intensive care unit, REPS = Registro Especial de Prestadores de Servicios de Salud; MSP = Ministerio de Salud Publica

Analysis

We ran eight scenarios that assumed different social distancing measures to estimate the number of cases and the number of the available hospital ward and ICU beds between June 20th and August 1st (first-time interval) and between September 1st and October 15th (second-time interval). The same four scenarios were built for each time interval - the first assumed that quarantine was decreed on July 1st and September 1st (for each time interval, respectively). We assumed a constant daily infection rate of 2% (i.e., the percent of increase that will happen every new day on the daily number of cases) under quarantine, as observed in the previous data from March, April and May . The second scenario modelled partial restrictions, where specific work sectors were allowed to resume activities, but the general population was advised to stay home. We assumed a daily infection rate of 4% as observed in the last weeks of June. The third scenario assumed less effective partial restrictions, modelled with a daily infection growth rate of 8%. Finally, the last scenario assumed that restrictions were completely lifted, assuming a higher infection growth rate of 10%. The analysis set up is presented in Appendix A. Additionally, we estimated the number of avoidable deaths. We ran the model for each scenario with and without a resource constraint and compared the number of expected deaths. The number of avoidable deaths was defined as the difference of the expected deaths between the scenarios with resource constraints and the same scenarios assuming unlimited resource availability. Finally, we estimated the number of tests required to identify the predicted incident cases across the four scenarios. To do so, we assumed a positivity rate of 10%, according to national and regional data , . Therefore, 10 RT-PCR tests were required, on average, to identify one additional case.

Appendix A

Scenario details

Scenario	Time interval	Social distancing intervention	Growth rate
A	June 20 - August 1	Quarantine decreed on July 1st	Constant growth rate of 2% daily
B	Partial restrictions maintained	Constant growth rate of 4% daily
C	Partial restrictions maintained - high infection rate	Constant growth rate of 8% daily
D	Restrictions completely lifted on July 1st	Constant growth rate of 10% daily
E	September 1 - October 15	Quarantine decreed on September 1st	Constant growth rate of 2% daily
F	Partial restrictions maintained	Constant growth rate of 4% daily
G	Partial restrictions maintained - high infection rate	Constant growth rate of 8% daily
H	Restrictions completely lifted on September 1st	Constant growth rate of 10% daily

Validation of case prediction

We used the CORE model to predict the observed cumulative cases from March 16 to May 17 to ensure that the model could adequately predict future cases for Valle del Cauca. We modelled four different trends: between March 16 and March 26, the daily average increase of cases was estimated at around 44%, whereas from March 26 (when quarantine was implemented) to April 4, the daily increase was reduced to 11%. Further, the number of cases increased at an average daily rate of 2.6% between April 4 and April 27. After a few economic sectors were allowed back to work (after April 27) the number of new cases increased to 3.1% per day. We modelled different social distancing interventions implemented by the regional government between these dates to determine whether the model case predictions matched the observed data.

Additional results

We added the results of the prediction exercises that were conducted during the first phases (during March and May) of the partnership between the University of Toronto, Pontificia Universidad Javeriana, and the government representatives of Valle del Cauca. This allows comparing the predictions during the early days of the pandemic in Colombia with the observed data.

Results

The case predictions across strategies between June 20 and August 1 are summarized in Figure 2(i). For the first scenario (scenario A - implementing a quarantine on July 1st), the number of cumulative cases was estimated at 15,920 by August 1st. For scenarios B and C (partial restrictions at 4% and 8% growth rates), the model estimated 24,050 and 37,372 cumulative cases by August 1st, respectively. Finally, the number of cases was estimated at 116,018 by August 1st when assuming no social distancing measures and an infection rate of 10% beyond July 1st (scenario D). Compared with the observed data, scenario B more closely resembled the actual number of COVID-19 cases diagnosed by August 1st (24,050 estimated compared with 25,628 observed 9). On the other hand, the case predictions between September 1 and October 15 are summarized in Figure 2(ii). The model estimated 67,694 cases by October 1st assuming a strict quarantine was put in place during September (scenario E). On the other hand, the case predictions for the scenarios assuming partial restrictions with 4% and 8% growth rates (scenarios F and G) were around 80,398 and 101,489 by October 15, respectively. Finally, the last analysis (scenario H) that assumed a complete lift of social distancing restrictions estimated 208,502 cases by October 15.

Figure 2

Model prediction of the number of cases. Model predictions between June 20th 1st and August 1st (scenarios A, B, C, D). Model predictions between September 1st and October 15th (scenarios E, F, G, H). Scenarios A and E: Quarantine (daily growth of 2%). Scenarios B and F: Partial restriction (daily growth of 4%). Scenarios C and G: Partial restriction (daily growth of 8%). Scenarios D and H: No restrictions (daily growth of 10%).

The estimates of the available and required ward and ICU (ventilated and non-ventilated) beds per day for each scenario are presented in Figures 3 and 4 and Appendix B. Figure 3 summarizes the results for scenarios A-D (June 20 - August 1). For scenario A, the model predicted 1,407 available ward beds and 349 available ventilated ICU beds by August 1st exclusively for COVID-19 patients. This represents an occupancy rate of 17% and 26% of the current ward and ICU bed capacity, respectively, considering the availability on June 20. Under partial restrictions and a 4% growth rate, 1,098 ward beds and 224 ventilated ICU beds would be available for COVID-19 patients on August 1st (35% and 52% occupancy rate of the ward and ICU bed capacity, respectively). Under scenario C (partial restrictions and 8% growth rate), the number of available ward beds was estimated at 585 (occupancy rate of 65%). However, the model predicted that the ventilated ICU beds would be completely occupied by July 16 (occupancy rate of 100%) under this scenario. Finally, the results suggest that the ICU and ward beds would be completely occupied between July 11 and July 20 (occupancy of 100%) if all social distancing restrictions were lifted as of July 1st. Observed data shows that Valle del Cauca did not run out of beds in August due to a relatively low and constant daily infection growth rate of 3-4% on July .

Figure 3

Number of ward and ICU beds (ventilated and non ventilated) that are available for use by patients with COVID-19 per day, between June 20th and August 1st . Scenario A - quarantine decreed in July (daily growth of 2%) - 15,920 cases by August 1st; Scenario B - partial restriction maintained in July (daily growth of 4%) - 24,050 cases by August 1st; Scenario C - partial restriction maintained in July (daily growth of 8%) - 37,372 cases by August 1st; Scenario D - No restrictions after July 1st (daily growth of 10%) - 116,018 cases by August 1st. Patients must wait for beds to become available when full occupancy is reached. Patients waiting for beds and ventilators results in higher mortality rates.

Figure 4

Number of ward and ICU beds (ventilated and non ventilated) that are available for use by patients with COVID-19 per day, between September 1st and October 15th. Scenario E - quarantine decreed in September (daily growth of 2%) - 67,694 cases by October 15th; Scenario F - partial restrictions continue in September(daily growth of 4%) - 80,389 cases by October 15th; Scenario G - partial restrictions continue in September (daily growth of 8%) - 101,489 cases by October 15th; Scenario H - No restrictions after September 1st (daily growth of 10%) - 208,502 cases by October 15th. Patients must wait for beds to become available when full occupancy is reached. Patients waiting for beds and ventilators results in higher mortality rates.

Figure 4 summarizes the results for scenarios E-H (September 1 - October 15). For scenario E, the model predicted 1,011 available ward beds and 512 available ventilated ICU beds by October 15 (occupancy rate of 40% and 30% of the current ward and ICU bed capacity, respectively). Under partial restrictions and a 4% growth rate (scenario F), 610 ward beds and 321 ventilated ICU beds would be available for COVID-19 patients on August 1st (64% and 56% occupancy rate of the ward and ICU bed capacity, respectively). Under scenario G (partial restrictions and 8% growth rate), the available ward and ICU beds were completely depleted by October 5th and September 27th, respectively (occupancy rate of 100%). Finally, the results suggest that the ward and ICU beds would be completely occupied between September 23rd and September 20th (occupancy of 100%) if all social distancing restrictions were lifted as of September 1st. These results are summarized in Table 2.

Table 2

Summary of results

Scenario	Restrictions as of July 1st	Daily infection rate	Free ward beds (by August 1st)	Free total ICU beds (by August 1st)	Free ventilated ICU beds (by August 1s)
A	Quarantine	2%	1,407	604	349
B	Partial restrictions	4%	1,098	421	224
C	Partial restrictions	8%	585	151	0 (totally occupied by July 16)
D	No restrictions	10%	0 (totally occupied by July 20)	0 (totally occupied by July 17)	0 (totally occupied by July 11)
Scenario	Restrictions as of September1st	Daily infection rate	Free ward beds (by October 15th)	Free total ICU beds (by October 15th)	Free ventilated ICU beds (by October 15th)
E	Quarantine	2%	1,011	653	512
F	Partial restrictions	4%	610	507	321
G	Partial restrictions	8%	0 (totally occupied by October 5th)	88	0 (totally occupied by October September 27th)
H	No restrictions	10%	0 (totally occupied by September 23rd)	0 (totally occupied by September27th)	0 (totally occupied by September 20th)

Even though Figures 3 and 4 can be used to identify the moment at which the beds are fully occupied (i.e., the date at which the available number of beads reaches 0), it does not explain how many additional beds would be required. Appendix B shows the number of beds required per day for each scenario. For example, in scenario G, the number of required ventilated ICU beds on October 15 was estimated at 810 when assuming an infection rate of 8%. This is at least 1.1 times the capacity on September 1st. In scenario H, the number of required ventilated ICU beds was estimated at over 5,000 (at least 7 times the current capacity).

We estimated the number of deaths, including avoidable deaths, i.e., deaths due to unavailability of resources, between June 20th and August 1st, and between September 1st and October 15th (Table 3). The expected number of deaths for the first two scenarios (A and B - quarantine at 2%, and partial quarantine at 4%) was estimated at 301 and 535, respectively. There were no deaths due to resource constraints given sufficient ward and ICU beds, as well as ventilators. On the contrary, the number of expected deaths for scenarios C and D (partial restrictions at 8%, and no restrictions at 10%) was estimated at 1,050 and 9,211, respectively. This translated to 150 and 5,996 avoidable deaths for each scenario, given an unlimited availability of resources. The results for the scenarios between September 1st and October 15th were similar. Since resources were not expected to run out for scenarios E and F, increasing hospital and ICU beds would not necessarily avoid COVID-related deaths. However, assuming higher infection rates under scenarios G and H, the model predicted additional avoidable deaths. If the growth rate increased to 8% with partial restrictions, Valle del Cauca could prevent 46 deaths between September 1st and October 15th by increasing hospital capacity at least by 30 ventilated ICU beds. The number of avoidable deaths for the most severe scenario (10% infection rate with no restrictions) was estimated at 6,831. However, an additional 3,600 ventilated ICU beds would be required.

Table 3

Number of avoidable deaths per scenario given an unlimited availability of ward and ICU beds

Scenario	Deaths between June 20th and August 1st	Deaths (with unlimited availability of beds)	Avoidable deaths
A - Quarantine (2%)	301	301	0
B - Partial quarantine (4%)	535	535	0
C - Partial quarantine (8%)	1,050	1,200	150
D - No restrictions (10%)	9,211	3,215	5,996
Scenario	Deaths between September 1st and October 15th	Deaths (with unlimited availability of beds)	Avoidable deaths
E - Quarantine (2%)	664	664	0
F - Partial quarantine (4%)	1,056	1,056	0
G - Partial quarantine (8%)	1,747	1,701	46
H - No restrictions (10%)	11,409	4,578	6,831

Scenario A - quarantine decreed in July (daily growth of 2%) - 15,920 cases by August 1st;

Scenario B - partial restriction maintained in July (daily growth of 4%) - 24,050 cases by August 1st; Scenario C - partial restriction maintained in July (daily growth of 8%) - 37,372 cases by August 1st; Scenario D - No restrictions after July 1st (daily growth of 10%) - 116,018 cases by August 1st.

Scenario E - quarantine decreed in September (daily growth of 2%) - 67,694 cases by October 15th; Scenario F - partial restrictions continue in September (daily growth of 4%) - 80,389 cases by October 15th;

Scenario G - partial restrictions continue in September (daily growth of 8%) - 101,489 cases by October 15th;

Scenario H - No restrictions after September 1st (daily growth of 10%) - 208,502 cases by October 15th.

Finally, based on the predicted number of cases for each scenario, we estimated the number of required tests (Appendix C). Scenario E, with a daily growth rate of 2%, is expected to represent 20,250 additional cases (i.e., 67,694 predicted cases on October 15th - 47,444 cases on September 1st) between September 1st and October 15th. Considering a positivity rate of 10%, a total of 202,500 PCR tests would be required to identify these new cases. The number of required tests was estimated at 328,450 and 540,450 when assuming a partial quarantine and a daily infection rate of 4% and 8%, respectively. Finally, the number of required tests for the most extreme scenario, assuming no restrictions and a daily infection rate of 10%, was estimated at 1,610,580.

Number of PCR tests required for different scenarios

Date	Scenario A: Number of expected cumulative COVID 19 cases if a quarantine was decreed on July 1st	Number of tests required from July 1st to August 1st under Scenario A	Scenario B: Number of expected cumulative COVID 19 cases with partial restrictions (at 4%)	Number of tests required from June 20th to August 1st under Scenario B	Scenario C: Number of expected cumulative COVID 19 cases with partial restrictions (at 8%)	Number of tests required from June 20th to August 1st under Scenario C	Scenario D: Number of expected cumulative COVID 19 cases with no restrictions (at 10%)	Number of tests required from June 20th to August 1st under Scenario D
20/06/2020	9,658		9,658		9,658		9,658
1/08/2020	15,920	62,620	24,050	149.92	37,372	277,140	116,018	1,063,600
Date	Scenario E: Number of expected cumulative COVID 19 cases if a quarantine was decreed on July 1st	Number of tests required from September 1st to October 15th under Scenario E	Scenario F: Number of expected cumulative COVID 19 cases with partial restrictions (at 4%)	Number of tests required from September 1st to October 15th under Scenario F	Scenario G: Number of expected cumulative COVID 19 cases with partial restrictions (at 8%)	Number of tests required from September 1st to October 15th under Scenario G	Scenario H: Number of expected cumulative COVID 19 cases with no restrictions (at 10%)	Number of tests required from September 1st to October 15th under Scenario H
1/09/2020	47,444		47,444		47,444		47,444
15/10/2020	67,694	202,500	80,389	329,450	101,489	540,450	208,502	1,610,580

Note: All estimations of the number tests required assume a positivity rate of 10%

Appendix D summarizes the validation exercise. The predicted cases follow a similar trend as the observed data. Between March 16 and March 26, the number of cases increases considerably, until the national quarantine was put in place. This marked a reduction trend up to April 27, when the number of cases started increasing due to the implementation of more flexible measures.

Prior analyses

Additional model predictions are presented in Appendix E. We added the first modelling exercises that were conducted between March and May.

Discussion

Given the lack of specific and effective anti-COVID-19 therapies, decision-makers require timely and accurate data to determine the disease incidence and hospital resources needed to mitigate the impact of the pandemic. As of July 1st, 2020, Valle del Cauca had the third-highest number of COVID-19 cases in Colombia, with over 10,000 cases reported. On September 1st, Valle del Cauca registered over 50,000 cases. Analyses of the data collected since the SARS-CoV-2 introduction to Colombia demonstrate that hospitals in Valle del Cauca may experience significant strain on their ICU and ward bed resources due to COVID-19 in the coming month after social distancing restrictions were relaxed. Our results support policy measures to rapidly identify and create opportunities to curb the infection and expand ICU capacity to care for critically ill patients. Our results also demonstrate that the hospital bed capacity may be insufficient. Thus, we must identify policies that enable patients to move quickly through the hospital system and allow the accommodation of an increased number of patients.

The analyses assuming high infection rates predicted that all available hospital and ICU beds for COVID-19 patients would be fully occupied between July 11 and July 20. On the other hand, analyses assuming lower infection rates under a full or a partial quarantine predicted a higher availability of beds and an occupancy rate between 17% and 65% of the ward and ventilated ICU beds by August 1st. Although implementing a new quarantine was expected to yield the lowest number of predicted cases and required resources, a partial restriction with low infection rates (e.g., 4-7%) could allow for the reactivation of additional economic sectors while avoiding a complete depletion of hospital and ICU beds. As such, the government of Valle del Cauca maintained partial restrictions between June and August. The predicted cases under this scenario (~4% daily growth rate) closely resembled the observed cases by August 1st (24,050 estimated compared with 25,628 observed ). As predicted, the hospitals and health care sectors were running close to full capacity, but the availability of ICU and ward beds and COVID-19 was always maintained. Additionally, the government of Valle del Cauca worked on acquiring additional hospital and ICU beds, which acted as a safeguard against higher-than-expected infection rates. This explains why the bed availability was higher on September 1st than June 20th. The infection rate in Valle del Cauca is expected to increase considerably in September, as restrictions were lifted on September 1st at a national level. Therefore, considering the results of this study, health authorities must ensure that daily infection rates do not surpass 4% and that additional resources are made available. A scenario with no restrictions and a 10% infection rate would collapse the hospital system in 20 days.

Although local governments have previously used similar model predictions to inform decision-making, it is important to highlight the limitations of our analysis. First, there is a limited number of national and international studies upon which to draw data to populate the model. Therefore, we extracted data from international studies, which may not adequately represent the Colombian context. Second, although the CORE model prioritizes patients by wait times, it does not take into account changing health status while waiting. Third, the model does not consider the potential increase for the demand of hospital resources in Valle del Cauca from neighbouring regions with limited capacity, as regional borders within Colombia are reopened. Additionally, we did not consider additional resource constraints such as medical staff, personal protective equipment, and medications. Furthermore, it is important to note that these results do not simulate the effect of public interventions targeted at specific population groups. For example, allowing the construction sector to resume activities is expected to have a different effect on the rate of infections compared with office jobs. Construction workers are usually outdoors, and office workers are often confined to smaller enclosed spaces. Therefore, the rate of infection would be expected to be higher if office workers, who can more easily work from home, are allowed back. However, construction demands multiple complementary activities, goods, and service providers. As such, future work includes modelling public policies involving different economic sectors, to determine the best way to re-open the economy while ensuring enough hospital resources are available. Finally, future versions of this work could incorporate the effects of the introduction of novel treatments or vaccines, to ensure that the modelling closely resembles the status quo as it continues to evolve.

Predictive models are important tools to understand the potential impact of implementing preventive measures to tackle health issues, such as the COVID-19 pandemic. However, their capability is often limited to the quality and availability of data. In this case, we used the COVID-19 CORE model during different phases of the pandemic and across different international settings. While acknowledging the limitations associated with this predictive model, the task force comprised by the University of Toronto, Pontificia Universidad Javeriana, and government representatives from Valle del Cauca, developed a decision-making process that involved iterative predictive analyses that built upon new data availability and lessons learned. To better understand this process, we included previous predictions during the early stages of the pandemic. Although the objective of this study did not include analyzing these data, we provided them so the reader can observe how the model was used iteratively to produce more nuanced estimates that decision-makers used to strengthen specific policies that were enacted.

Although infection rates appear to have been reduced in Valle del Cauca and Colombia, it is paramount that decision-makers and government representatives continue using these tools to predict potential scenarios, specifically after introducing policies such as the termination of social distancing restrictions. Our results show that if the daily infection rate is increased beyond 8% in September-October, and no restrictions are quickly re-enacted, the health care system could rapidly collapse due to the lack of ICU and hospital beds.

Contribución del estudio

Introducción

El departamento del Valle del Cauca, con una población de 4.4 millones de habitantes, ocupa el cuarto lugar en número de casos de COVID-19 en Colombia, después de Bogotá la capital del país . A septiembre 7 de 2020, el Valle del Cauca había reportado 50,179 casos confirmados y 1,891 muertes, en comparación con los 667,000 casos y 21,000 muertes, registrados a escala nacional . La incidencia y la mortalidad de COVID-19 son reportadas diariamente por el Sistema Nacional de Vigilancia (SIVIGILA). Los casos se confirman mediante la reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR). Las pruebas se centralizaron inicialmente en el Instituto Nacional de Salud (INS) y se han ido descentralizando progresivamente en todo el país. En la actualidad, las pruebas diagnósticas para la región del Valle del Cauca se realizan en ocho laboratorios acreditados . El primer caso de COVID-19 en Colombia fue reportado el 6 de marzo de 2020 y a partir del 26 de marzo de 2020 fueron puestas en marcha medidas de distanciamiento social a nivel nacional. Inicialmente se aplicó una cuarentena nacional para la población general, la cual se extendió hasta el 27 de abril y luego se amplió hasta el 11 de mayo. Desde entonces, los gobiernos regionales han aplicado una cuarentena parcial para grupos específicos de la población (por ejemplo, niños, ancianos) , y han permitido que determinados sectores de la economía vuelvan a trabajar (principalmente la construcción y los fabricantes de textiles). En los últimos meses, la pandemia de COVID-19 en el Valle del Cauca ha ejercido una presión considerable sobre la capacidad hospitalaria. Aunque la UCI y las camas de los hospitales no se han ocupado completamente, se espera que el mantenimiento de las restricciones resulte en un aumento del número de casos de COVID-19 y en una reducción de la capacidad de los hospitales. Dado el considerable aumento de casos, las camas y los ventiladores de la unidad de cuidados intensivos (UCI) pueden no ser suficientes.

En el presente estudio, utilizamos un modelo estadístico para predecir el número de nuevos casos de COVID-19 en el Valle del Cauca a partir de marzo de 2020, teniendo en cuenta diferentes escenarios e intervalos de tiempo. Aunque el modelo “COVID-19 Resource Estimator” (CORE) original fue desarrollado y calibrado para Ontario, Canadá , este ha sido alimentado con los datos más actualizados del Valle del Cauca a medida que se ha venido disponiendo de ellos para simular adecuadamente la trayectoria de las pandemias locales y la disponibilidad de recursos del sistema de salud. El estudio se adelantó por una alianza entre investigadores de la Universidad de Toronto asociados con investigadores de la Pontificia Universidad Javeriana (Bogotá, Colombia) y representantes gubernamentales y académicos del Valle del Cauca, para fundamentar la adopción de decisiones relativas a las medidas de distanciamiento social. Se presentan dos conjuntos principales de resultados: 1) la estimación de casos y la disponibilidad de recursos entre el 20 de junio y el 31 de agosto, cuando las autoridades colombianas planificaron la flexibilización de las restricciones de distanciamiento social, y 2) entre el 1 de septiembre y el 31 de octubre, cuando se levantaron todas las restricciones obligatorias en todo el país. Por lo tanto, los objetivos de este estudio fueron predecir el impacto de COVID-19 en la capacidad del sistema de salud a través del tiempo, y estimar el número esperado de pruebas necesarias para identificar nuevos casos.

Materiales y Métodos

Descripción del modelo

Adaptamos el modelo CORE de simulación a nivel individual desarrollado para Ontario, Canadá ,, para predecir el número de casos y los recursos hospitalarios requeridos en el Valle del Cauca (Colombia) para escenarios específicos de la pandemia. El modelo hizo un seguimiento de pacientes individuales en el Valle del Cauca, a lo largo de ciclos diarios (pasos de tiempo) hasta por 45 días. Se simularon individuos de 15 o más años de edad, y que podían o no sufrir comorbilidades. Los pacientes sintomáticos que llegaban al hospital y resultaban positivos al SARS-CoV-2 por la prueba RT-PCR, se convirtieron en casos confirmados de COVID-19 y fueron admitidos en el hospital o enviados a casa según la gravedad de la enfermedad. De los pacientes admitidos a hospitales, una proporción requiere la admisión en UCI, y de ellos, los casos más graves son tratados con ventilación mecánica invasiva. Los pacientes pasan por diferentes estados de salud como se describe en la Figura 1. Los pacientes con enfermedades graves requieren una sala de hospital o dependiendo de la disponibilidad, de una cama en la UCI. Cuando no existe disponibilidad inmediata de UCI, el paciente permanece en la sala del hospital esperando a que haya una disponible. Considerando que algunas camas de las UCI no están equipadas con ventiladores mecánicos, si no hay ninguno disponible, un paciente que requiera ventilador podría morir dentro de las 24 horas siguientes a su ingreso. Las camas de la sala y de la UCI, y los ventiladores se liberan cuando el paciente se recupera o muere. Las tasas de mortalidad dependen de la gravedad de la enfermedad y del estado de salud de los pacientes. Por ejemplo, los pacientes con enfermedades graves que requieren atención en la UCI tienen una mayor probabilidad de morir si permanecen en la sala de hospital debido a la falta de camas en la UCI , en comparación con casos similares que pudieron pasar a la UCI.

Figura 1

Estructura del modelo. *SU = Servicio de Urgencias; UCI = unidad de cuidados intensivos

Nota: Las limitaciones de recursos limitan la transición de los pacientes a través de los estados de salud. Si un paciente está en la sala del hospital y requiere cuidados en la UCI, la transición no será posible si no se dispone de una cama en la UCI. En su lugar, el paciente permanece en la sala del hospital hasta que se disponga de una cama en la UCI. Lo mismo se aplica a las limitaciones de los ventiladores y de las camas de la sala de hospital.

Parámetros y supuestos del modelo

El modelo CORE se alimentó con datos regionales del Valle del Cauca y con datos de la literatura internacional. Los datos sobre la capacidad de los recursos se obtuvieron del Ministerio de Salud y Protección Social de Colombia (MSP) y del Registro Especial de Prestadores de Servicios de Salud (REPS) . Se hicieron algunas suposiciones basadas en la opinión de expertos. Todos los parámetros y supuestos del modelo se presentan en la Tabla 1. Se hicieron algunos supuestos clave: Se supuso que los pacientes en el entorno comunitario y en la sala de hospital tienen una probabilidad de muerte a corto plazo relacionada con COVID-19 igual a cero , y sólo los pacientes en la UCI con enfermedad grave tienen un riesgo de muerte debido a COVID-19. Las tasas de mortalidad se modelaron de acuerdo con los diferentes estados de salud según los datos internacionales. Detalles técnicos adicionales han sido publicados previamente. Incluimos las camas de la UCI con y sin ventilación y asumimos que el número de camas con ventilador representaba el número de ventiladores disponibles actualmente. Igualmente, basados en datos de la literatura internacional supusimos una duración media de la estancia en la UCI de 8 días y una duración de estancia en el hospital de 11 días, cómo ha sido descrito y es coherente con los datos informados por el Instituto Nacional de Salud ,. Estos parámetros fueron modificándose a medida que se dispuso de pruebas locales y supusimos que no se dispondría de camas adicionales ni de ventiladores para los nuevos pacientes de COVID-19.

Tabla 1

Parámetros del modelo

Variables	Valor del caso base (20 de junio al 1 de agosto)	Valor del caso base (1 de septiembre al 15 de octubre)	Fuentes
Número de sujetos infectados*	Véase la Figura 2	Véase la Figura 2	INS 11
Probabilidad de necesitar una admisión en el hospital	0.18	0.18	PHAC 12
Probabilidad de necesitar cuidados en la UCI al ser admitido en el hospital	0.48	0.48	PHAC 12
Probabilidad de que los pacientes de la UCI necesiten ventilación	0.78	0.78	CCSO 13
Probabilidad de que los pacientes en la sala se deterioren y necesiten cuidados en la UCI - Nivel de atención	0	0	Asunción
Duración de la estancia, sala (no admisión en la UCI / antes de la admisión en la UCI)	17 días	11 días	Bellani y otros., 10, REPS 9
Duración de la estancia, UCI (con/sin ventilación)	11 días	8 días	Bellani y otros., 10, REPS 9
Duración de la estancia, sala post-UCI	6 días	5 días	Bellani y otros., 10, REPS 9
Probabilidad de que los pacientes de la sala mueran	0	0	Wu et al. 7
Probabilidad de muerte, pacientes de la UCI	0.35	0.35	Bellani y otros., 10
Probabilidad de muerte, pacientes ventilados	0.35	0.35	Bellani y otros., 10
La probabilidad de muerte de los pacientes que esperan el ventilador	1	1	Asunción
Número de camas disponibles en la sala para los pacientes de COVID-19	1,659	1,701	MSP 8; REPS 9
Número de camas en la UCI con ventiladores disponibles para los pacientes de COVID-19	475	352	MSP 8; REPS 9
Número de camas de la UCI sin ventiladores disponibles para los pacientes de COVID-19	280	735	MSP 8; REPS 9

* Los casos notificados corresponden a la fecha en que se realizaron las pruebas, en lugar de la fecha del diagnóstico.

** COVID-19= Enfermedad de Coronavirus; UCI= unidad de cuidados intensivos, REPS= Registro Especial de Prestadores de Servicios de Salud; MSP= Ministerio de Salud Pública

Análisis

Se plantearon ocho escenarios que asumen diferentes medidas de distanciamiento social para estimar el número de casos y el número de camas disponibles en las salas de hospitalización y en las UCI entre el 20 de junio y el 1 de agosto (primer intervalo) y entre el 1 de septiembre y el 15 de octubre (segundo intervalo). Se construyeron los mismos cuatro escenarios para cada intervalo de tiempo: el primero suponía que la cuarentena era declarada el 1o de julio y el 1o de septiembre (para cada intervalo de tiempo, respectivamente). Supusimos una tasa de infección diaria constante de 2% (es decir, el porcentaje de aumento en el número diario de casos que se producirá cada nuevo día) bajo cuarentena, como se observó en los datos anteriores de marzo, abril y mayo . En el segundo escenario se modelaron restricciones parciales, en las que se permitía a sectores laborales específicos reanudar las actividades, pero se aconsejaba a la población general que se quedara en casa. Supusimos una tasa de infección diaria del 4%, como se observó en las últimas semanas de junio. El tercer escenario asumió restricciones parciales menos efectivas, modeladas con una tasa de crecimiento de infección diaria del 8%. Finalmente, el último escenario asumió que las restricciones eran completamente eliminadas, asumiendo una tasa de crecimiento de infección superior a 10%. El análisis establecido se presenta en el Apéndice A, y, además, estimamos el número de muertes evitables. Ejecutamos el modelo para cada escenario con y sin restricción de recursos y comparamos el número de muertes esperadas. El número de muertes evitables se definió como la diferencia de las muertes esperadas entre los escenarios con limitaciones de recursos y los mismos escenarios suponiendo una disponibilidad de recursos ilimitada. Por último, se estimó el número de pruebas necesarias para identificar los casos de incidentes previstos en los cuatro escenarios. Para ello, asumimos una tasa de positividad del 10%, de acuerdo con los datos nacionales y regionales ,. Por lo tanto, en promedio se requirió un total de 10 pruebas RT-PCR, para identificar un caso adicional.

Apendice A

Detalles del escenario

Escenario	Intervalo de tiempo	Intervention de distanciamiento social	Tasa de crecimiento
A	junio 20 - agosto 1	Cuarentena decretada en julio 1	Tasa diaria de crecimiento constante del 2%
B	Restricciones parciales mantenidas	Tasa diaria de crecimiento constante del 4%
C	Restricciones parciales mantenidas - alta tasa de infección	Tasa diaria de crecimiento constante del 8%
D	Restricciones levantadas completamente en julio 1	Tasa diaria de crecimiento constante del 10%
E	septiembre 1 - octubre 15	Cuarentena decretada en septiembre 1	Tasa diaria de crecimiento constante del 2%
F	Restricciones parciales mantenidas	Tasa diaria de crecimiento constante del 4%
G	Restricciones parciales mantenidas - alta tasa de infección	Tasa diaria de crecimiento constante del 8%
H	Restricciones levantadas completamente en septiembre 1	Tasa diaria de crecimiento constante del 10%

Validación de la predicción del caso

Para asegurar que el modelo pudiera predecir adecuadamente los casos futuros para el Valle del Cauca, utilizamos el modelo CORE para predecir los casos acumulados entre el 16 de marzo y el 17 de mayo. Cuatro tendencias diferentes fueron modeladas: entre el 16 y el 26 de marzo, el aumento promedio de casos diarios se estimó en alrededor del 44%, mientras que, desde el 26 de marzo, cuando se implementó la cuarentena, hasta el 4 de abril, el aumento diario se redujo al 11%. Además, el número de casos aumentó a un ritmo medio diario del 2.6% entre el 4 y el 27 de abril. Luego que se permitiera a algunos sectores económicos volver a trabajar, después del 27 de abril, el número de nuevos casos aumentó a 3.1% diario. Hemos modelado diferentes intervenciones de distanciamiento social implementadas por el gobierno regional entre estas fechas para determinar si las predicciones de los casos modelo coincidían con los datos observados.

Resultados adicionales

Hemos añadido los resultados de los ejercicios de predicción que se realizaron durante las primeras fases (durante marzo y mayo) de la colaboración entre la Universidad de Toronto, la Pontificia Universidad Javeriana y los representantes del gobierno del Valle del Cauca. Esto permite comparar las predicciones durante los primeros días de la pandemia en Colombia con los datos observados.

Resultados

Las predicciones de los casos en las estrategias entre el 20 de junio y el 1 de agosto se resumen en la Figura 2A. Para el primer escenario (escenario A - implementar una cuarentena el 1 de julio), el número de casos acumulados se estimó en 15,920 para el 1 de agosto. Para los escenarios B y C (restricciones parciales a tasas de crecimiento del 4% y 8%), el modelo estimó 24,050 y 37,372 casos acumulativos para el 1 de agosto, respectivamente. Por último, el número de casos se estimó en 116,018 para el 1º de agosto, suponiendo que no se adoptaran medidas de distanciamiento social y que la tasa de infección fuera de 10% después del 1º de julio (escenario D). En comparación con los datos observados, el escenario B se asemejaba más al número real de casos de COVID-19 diagnosticados para el 1o de agosto (24,050 estimados comparados con los 25,628 observados ). Por otra parte, las predicciones de casos entre el 1 de septiembre y el 15 de octubre se resumen en la Figura 2B. El modelo estimó 67,694 casos para el 1 de octubre asumiendo que se había establecido una cuarentena estricta durante septiembre (escenario E). Por otra parte, las predicciones de casos para los escenarios suponiendo restricciones parciales con tasas de crecimiento de 4% y 8% (escenarios F y G) eran de alrededor de 80,398 y 101,489 para el 15 de octubre, respectivamente. Finalmente, el último análisis (escenario H) que suponía un levantamiento completo de las restricciones de distanciamiento social estimaba 208,502 casos para el 15 de octubre.

Figura 2

Modelo de predicción del número de casos. A: Predicciones del modelo entre el 20 de junio y el 1 de agosto. B: Predicciones del modelo entre el 1 de septiembre y el 15 de octubre. La cuarentena se decretó en julio (crecimiento diario del 2%). La restricción parcial se mantuvo en julio (crecimiento diario del 4%). La restricción parcial se mantuvo en julio (crecimiento diario del 8%). No hay restricciones después del 1 de julio (crecimiento diario del 8%)

Las estimaciones de las camas disponibles y necesarias en la sala y en la UCI (ventiladas y no ventiladas) por día para cada escenario se presentan en las Figuras 3 y 4 y en el apéndice B. La Figura 3 resume los resultados de los escenarios A-D (20 de junio - 1 de agosto). Para el escenario A, el modelo predijo 1,407 camas disponibles en la sala y 349 camas disponibles en la UCI ventilada para el 1 de agosto exclusivamente para los pacientes de COVID-19. Esto representa una tasa de ocupación del 17% y el 26% de la capacidad actual de las salas y de las camas de la UCI, respectivamente, considerando la disponibilidad el 20 de junio. Con restricciones parciales y una tasa de crecimiento del 4%, el 1 de agosto estarían disponibles 1,098 camas de sala y 224 camas de UCI ventilada para los pacientes de COVID-19 (tasa de ocupación del 35% y 52% de la capacidad de camas de la sala y de la UCI, respectivamente). En el escenario C (restricciones parciales y una tasa de crecimiento del 8%), se estimó que el número de camas disponibles en la sala era de 585 (tasa de ocupación del 65%). Sin embargo, el modelo predijo que las camas de la UCI ventiladas estarían completamente ocupadas para el 16 de julio (tasa de ocupación del 100%) en este escenario. Finalmente, los resultados sugieren que la UCI y las camas de la sala estarían completamente ocupadas entre el 11 y el 20 de julio (ocupación del 100%) si se levantaran todas las restricciones de distanciamiento social a partir del 1 de julio. Los datos observados muestran que debido a una tasa de crecimiento de la infección diaria relativamente baja y constante del 3-4% el 9 de julio, el Valle del Cauca no se quedó sin camas en agosto.

Figura 3

Número de camas en la sala y en la UCI (ventiladas y no ventiladas) disponibles para el uso de los pacientes con COVID-19 por día, entre el 20 de junio y el 1 de agosto. Escenario A - Cuarentena decretada en julio (crecimiento diario del 2%) - 15,920 casos para el 1 de agosto; Escenario B - restricción parcial mantenida en julio (crecimiento diario del 4%) - 24,050 casos para el 1 de agosto; Escenario C - restricción parcial mantenida en julio (crecimiento diario del 8%) - 37,372 casos para el 1 de agosto; Escenario D - Sin restricciones después del 1 de julio (crecimiento diario del 10%) - 116,018 casos para el 1 de agosto. Los pacientes deben esperar a que haya camas disponibles cuando se alcance la ocupación total. Los pacientes que esperan por camas y ventiladores resultan en mayores tasas de mortalidad.

Figura 4

Número de camas en la sala y en la UCI (ventiladas y no ventiladas) disponibles para el uso de los pacientes con COVID-19 por día, entre el 1 de septiembre y el 15 de octubre. Escenario E - la cuarentena se decreta en septiembre (crecimiento diario del 2%) - 67,694 casos para el 15 de octubre; Escenario F - las restricciones parciales continúan en septiembre (crecimiento diario del 4%) - 80,389 casos para el 15 de octubre; Escenario G - las restricciones parciales continúan en septiembre (crecimiento diario del 8%) - 101,489 casos para el 15 de octubre; Escenario H - No hay restricciones después del 1 de septiembre (crecimiento diario del 10%) - 208,502 casos para el 15 de octubre. Los pacientes deben esperar a que haya camas disponibles cuando se alcance la ocupación total. Los pacientes que esperan por camas y ventiladores resultan en mayores tasas de mortalidad.

La Figura 4 resume los resultados de los escenarios E-H (1 de septiembre - 15 de octubre). Para el escenario E, el modelo predijo 1.011 camas disponibles en la sala y 512 camas disponibles en la UCI ventilada para el 15 de octubre (tasa de ocupación del 40% y 30% de la capacidad actual de camas en la sala y en la UCI, respectivamente). Bajo restricciones parciales y una tasa de crecimiento del 4% (escenario F), 610 camas de sala y 321 camas de UCI ventilada estarían disponibles para los pacientes de COVID-19 el 1 de agosto (tasa de ocupación del 64% y 56% de la capacidad de camas de sala y de UCI, respectivamente). En el escenario G (restricciones parciales y una tasa de crecimiento del 8%), las camas disponibles en la sala y en la UCI se agotaron por completo el 5 de octubre y el 27 de septiembre, respectivamente (tasa de ocupación del 100%). Finalmente, los resultados sugieren que la sala y las camas de la UCI estarían completamente ocupadas entre el 20 y el 23 de septiembre (ocupación del 100%) si se levantaran todas las restricciones de distanciamiento social a partir del 1 de septiembre. Estos resultados se resumen en la Tabla 2.

Tabla 2

Resumen de los resultados

Escenario	Restricciones a partir del 1 de julio	Tasa de infección diaria(%)	Camas libres en la sala (antes del 1 de agosto)	Total de camas libres en la UCI (antes del 1 de agosto)	Camas ventiladas en la UCI (antes del 1 de agosto)
A	Cuarentena	2	1,407	604	349
B	Restricciones parciales	4	1,098	421	224
C	Restricciones parciales	8	585	151	0 (totalmente ocupado para el 16 de julio)
D	No restrictiones	10	0 (totalmente ocupado para el 20 de julio)	0 (totalmente ocupada para el 17 de julio)	0 (totalmente ocupada por el 11 de julio)
Escenario	Restricciones a partir del 1 de septiembre	Tasa de infección diaria	Camas libres en la sala (antes del 15 de octubre)	Total de camas libres en la UCI (antes del 15 de octubre)	Camas ventiladas en la UCI (antes del 15 de octubre)
E	Cuarentena	2	1,011	653	512
F	Restricciones parciales	4	610	507	321
G	Restricciones parciales	8	0 (totalmente ocupado para el 5 de octubre)	88	0 (totalmente ocupado para el 27 de septiembre)
H	No hay restricciones	10	0 (totalmente ocupado para el 23 de septiembre)	0 (totalmente ocupado para el 27 de septiembre)	0 (totalmente ocupado para el 20 de septiembre)

Aunque las Figuras 3 y 4 pueden utilizarse para identificar el momento en que las camas están totalmente ocupadas (es decir, la fecha en que el número de cuentas disponibles llega a 0), no explica cuántas camas adicionales se necesitarían. En el apéndice B se indica el número de camas necesarias por día para cada escenario. Por ejemplo, en el escenario G, el número de camas de UCI ventiladas requeridas el 15 de octubre se estimó en 810 cuando se asumió una tasa de infección del 8%. Esto es al menos 1.1 veces la capacidad del 1 de septiembre. En el escenario H, el número de camas de UCI ventiladas requerido se estimó en más de 5,000 (al menos 7 veces la capacidad actual).

Adicionalmente, estimamos el número de muertes, incluyendo las evitables, es decir, las muertes por falta de recursos, entre el 20 de junio y el 1 de agosto, y entre el 1 de septiembre y el 15 de octubre (Tabla 3). El número esperado de muertes para los dos primeros escenarios (A y B - cuarentena al 2%, y cuarentena parcial al 4%) se estimó en 301 y 535, respectivamente. No hubo muertes debidas a la limitación de recursos, ya que se disponía de suficientes camas y ventiladores en las salas y en la UCI. Por el contrario, el número de muertes previstas para los escenarios C y D (restricciones parciales del 8% y ninguna restricción del 10%) se estimó en 1,050 y 9,211, respectivamente. Esto se tradujo en 150 y 5,996 muertes evitables para cada escenario, dada la ilimitada disponibilidad de recursos. Los resultados para los escenarios entre el 1 de septiembre y el 15 de octubre fueron similares. Dado que no se esperaba que se agotaran los recursos para los escenarios E y F, el aumento de las camas de hospital y de la UCI no evitaría necesariamente las muertes relacionadas con el COVID. Sin embargo, asumiendo tasas de infección más altas en los escenarios G y H, el modelo predijo muertes adicionales evitables. Si la tasa de crecimiento aumentará a 8% con restricciones parciales, el Valle del Cauca podría evitar 46 muertes entre el 1 de septiembre y el 15 de octubre aumentando la capacidad del hospital por lo menos en 30 camas de UCI ventiladas. El número de muertes evitables para el escenario más severo (tasa de infección del 10% sin restricciones) se estimó en 6.831, sin embargo, se necesitarían 3.600 camas ventiladas adicionales en la UCI.

Tabla 3

Número de muertes evitables por escenario asumiendo disponibilidad ilimitada de camas en las salas y en la UCI.

Escenario	Muertes entre el 20 de junio y el 1 de agosto	Muertes (con disponibilidad ilimitada de camas)	Muertes evitables
A - Cuarentena (2%)	301	301	0
B - Cuarentena parcial (4%)	535	535	0
C - Cuarentena parcial (8%)	1,050	1,200	150
D - Sin restricciones (10%)	9,211	3,215	5,996
Escenario	Muertes entre el 1 de septiembre y el 15 de octubre	Muertes (con disponibilidad ilimitada de camas)	Muertes evitables
E - Cuarentena (2%)	664	664	0
F - Cuarentena parcial (4%)	1,056	1,056	0
G - Cuarentena parcial (8%)	1,747	1,701	46
H - Sin restricciones (10%)	11,409	4,578	6,831

Escenario A - la cuarentena se decreta en julio (crecimiento diario del 2%) - 15,920 casos para el 1 de agosto;

Escenario B - restricción parcial mantenida en julio (crecimiento diario del 4%) - 24,050 casos para el 1 de agosto; Escenario C - restricción parcial mantenida en julio (crecimiento diario del 8%) - 37,372 casos para el 1 de agosto; Escenario D - Sin restricciones después del 1 de julio (crecimiento diario del 10%) - 116,018 casos para el 1 de agosto.

Escenario E - cuarentena decretada en septiembre (crecimiento diario del 2%) - 67,694 casos para el 15 de octubre; Escenario F - restricciones parciales mantenidas en septiembre (crecimiento diario del 4%) - 80,389 casos para el 15 de octubre;

Escenario G - las restricciones parciales continúan en septiembre (crecimiento diario del 8%) - 101,489 casos al 15 de octubre;

Escenario H - No hay restricciones después del 1 de septiembre (crecimiento diario del 10%) - 208,502 casos al 15 de octubre.

Finalmente, basándonos en el número de casos previsto para cada escenario, estimamos el número de pruebas necesarias (Apéndice C). El escenario E, con una tasa de crecimiento diario del 2%, se espera que represente 20,250 casos adicionales (es decir, 67,694 casos pronosticados el 15 de octubre - 47,444 casos el 1 de septiembre) entre el 1 de septiembre y el 15 de octubre. Considerando una tasa de positividad del 10%, se requeriría un total de 202,500 pruebas de PCR para identificar estos nuevos casos. El número de pruebas requeridas se estimó en 328,450 y 540,450 al asumir una cuarentena parcial y una tasa de infección diaria del 4% y 8%, respectivamente. Por último, el número de pruebas requeridas para el escenario más extremo, suponiendo que no haya restricciones y una tasa de infección diaria del 10%, se estimó en 1,610,580.

En el apéndice D se resume el ejercicio de validación. Los casos previstos siguen una tendencia similar a la de los datos observados. Entre el 16 y el 26 de marzo, el número de casos aumentó considerablemente, hasta que se instauró la cuarentena nacional. Esto marcó una tendencia a la reducción hasta el 27 de abril, cuando el número de casos comenzó a aumentar debido a la aplicación de medidas más flexibles.

Análisis previos

En el apéndice E se presentan otras predicciones de modelos. Añadimos los primeros ejercicios de modelización que se realizaron entre marzo y mayo.

Discusión

Dada la falta de terapias específicas y eficaces contra el COVID-19, los responsables de la toma de decisiones necesitan datos oportunos y precisos para determinar la incidencia de la enfermedad y los recursos hospitalarios necesarios para mitigar el impacto de la pandemia. A 1 de julio de 2020, el Valle del Cauca tenía el tercer número más alto de casos de COVID-19 en Colombia, con más de 10,000 casos notificados y el 1 de septiembre, el Valle del Cauca registró más de 50,000 casos. Los análisis de los datos recopilados desde la introducción del SARS-CoV-2 en Colombia demuestran que los hospitales del Valle del Cauca pueden experimentar una presión significativa en sus UCI y en los recursos de camas de las salas de hospital debido a COVID-19 en el próximo mes, después de que se hayan relajado las restricciones de distanciamiento social. Nuestros resultados apoyan las medidas políticas para identificar y crear rápidamente oportunidades para frenar la infección y ampliar la capacidad de la UCI para atender a los pacientes gravemente enfermos. Nuestros resultados también demuestran que la capacidad de camas del hospital puede ser insuficiente. Por lo tanto, debemos identificar políticas que permitan a los pacientes moverse rápidamente a través del sistema hospitalario y permitir el alojamiento de un mayor número de pacientes.

Los análisis que asumen altas tasas de infección predijeron que todas las camas disponibles en el hospital y en la UCI para los pacientes de COVID-19 estarían totalmente ocupadas entre el 11 y el 20 de julio. Por otro lado, los análisis que asumían menores tasas de infección bajo una cuarentena total o parcial predijeron una mayor disponibilidad de camas y una tasa de ocupación entre el 17% y el 65% de las camas de la sala y de la UCI ventilada para el 1 de agosto. Aunque se esperaba que la aplicación de una nueva cuarentena produjera el menor número de casos previstos y los recursos necesarios, una restricción parcial con bajas tasas de infección (por ejemplo, del 4 al 7%) podría permitir la reactivación de sectores económicos adicionales, evitando al mismo tiempo un agotamiento completo de las camas de hospital y de la UCI. Por ello, el gobierno del Valle del Cauca mantuvo restricciones parciales entre junio y agosto. Los casos pronosticados bajo este escenario (~4% de tasa de crecimiento diario) se asemejan mucho a los casos observados al 1 de agosto (24,050 estimados comparados con 25,628 observados ). Como se predijo, los hospitales y los sectores de atención médica funcionaban casi a plena capacidad, pero la disponibilidad de camas de UCI y de salas generales destinadas a la atención de COVID-19 se mantuvo siempre. Además, la Gobernación del Valle del Cauca trabajó en la adquisición de camas adicionales en hospitales y UCI, lo que actuó como una salvaguarda contra tasas de infección más altas de lo esperado. Esto explica por qué la disponibilidad de camas fue mayor el 1 de septiembre que el 20 de junio. Se espera que la tasa de infección en el Valle del Cauca aumente considerablemente en septiembre, ya que las restricciones se levantaron el 1 de septiembre a nivel nacional. Por lo tanto, considerando los resultados de este estudio, las autoridades sanitarias deben asegurar que las tasas de infección diarias no superen el 4% y que se disponga de recursos adicionales. Un escenario sin restricciones y con una tasa de infección del 10% colapsaría el sistema hospitalario en 20 días.

Aunque los gobiernos locales han utilizado anteriormente modelos de predicción similares para informar la toma de decisiones, es importante destacar las limitaciones de nuestro análisis. En primer lugar, hay un número limitado de estudios nacionales e internacionales de los que extraer datos para poblar el modelo. Por lo tanto, hemos extraído datos de estudios internacionales, que pueden no representar adecuadamente el contexto colombiano. En segundo lugar, aunque el modelo CORE prioriza a los pacientes por los tiempos de espera, no tiene en cuenta los cambios en el estado de salud durante la espera. En tercer lugar, el modelo no considera el posible aumento de la demanda de recursos hospitalarios en el Valle del Cauca de las regiones vecinas con capacidad limitada, ya que se reabren las fronteras regionales dentro de Colombia. Además, no se consideraron las limitaciones adicionales de recursos, como el personal médico, el equipo de protección personal y los medicamentos. Además, es importante señalar que estos resultados no simulan el efecto de las intervenciones públicas dirigidas a grupos de población específicos. Por ejemplo, se espera que el hecho de permitir que el sector de la construcción reanude sus actividades tenga un efecto diferente en la tasa de infecciones en comparación con los trabajos de oficina. Los trabajadores de la construcción suelen trabajar al aire libre y los de las oficinas suelen estar confinados a espacios cerrados más pequeños. Por lo tanto, se espera que la tasa de infección sea mayor si se permite que los trabajadores de oficina, que pueden trabajar más fácilmente desde su casa, regresen. Sin embargo, la construcción exige múltiples actividades, bienes y proveedores de servicios complementarios. Por ello, la labor futura incluye la elaboración de modelos de políticas públicas en las que participen diferentes sectores económicos, a fin de determinar la mejor manera de reabrir la economía y, al mismo tiempo, asegurar que se disponga de suficientes recursos hospitalarios.

Los modelos de predicción son instrumentos importantes para comprender las posibles repercusiones de la aplicación de medidas preventivas para hacer frente a los problemas de salud, como la pandemia de COVID-19. Sin embargo, su capacidad suele limitarse a la calidad y la disponibilidad de los datos. En este caso, utilizamos el modelo COVID-19 CORE durante las diferentes fases de la pandemia y en diferentes entornos internacionales. Si bien se reconocen las limitaciones asociadas a este modelo predictivo, el grupo de trabajo integrado por la Universidad de Toronto, la Pontificia Universidad Javeriana y representantes del gobierno del Valle del Cauca, desarrolló un proceso de toma de decisiones que implicaba análisis predictivos iterativos que se basaban en la disponibilidad de nuevos datos y en las lecciones aprendidas. Para comprender mejor este proceso, incluimos predicciones previas durante las primeras etapas de la pandemia. Aunque el objetivo de este estudio no incluía el análisis de estos datos, los proporcionamos para que el lector pueda observar cómo el modelo se utilizó de manera iterativa para producir estimaciones más matizadas que los responsables de la toma de decisiones utilizaron para fortalecer las políticas específicas que se promulgaron.

Aunque las tasas de infección parecen haberse reducido en el Valle del Cauca y en Colombia, es fundamental que los encargados de adoptar decisiones y los representantes del Gobierno sigan utilizando estos instrumentos para predecir posibles escenarios, concretamente después de introducir políticas como la supresión de las restricciones de distanciamiento social. Nuestros resultados muestran que si la tasa de infección diaria aumenta más del 8% en septiembre-octubre, y no se restablecen rápidamente las restricciones, el sistema de atención de la salud podría colapsar rápidamente debido a la falta de UCI y de camas de hospital.

1)Why was this study conducted?

This study was conducted to provide Valle del Cauca with high-quality evidence that would allow for timely decision-making and efficient resource allocation of scarce hospital resources during the COVID-19 pandemic.

2) What were the most relevant results of the study?

The adaptation of the Ontario model to the Colombian context allowed predicting the effects of moderate and more severe pandemic scenarios. The implementation of physical distancing measures and the expansion of the hospital capacity were vital to ensure availability of ICU beds and ventilators for COVID patients.

3) What do these results contribute?

Iterative economic and statistical modelling can be used to inform resource allocation during a health crisis such as the COVID-19 pandemic.

Scenario	Quarantine	Growth rate (R0)	Free ward beds for COVID patients (On May 16)	Free ICU beds for COVID patients (On May 16)
1	Total	1.3	505	126
2	None - no restrictions	1.3	0 (capacidad agotada en 30 días)	(capacidad agotada en 27 días)
3	None - no restrictions	2.0	0 (capacidad agotada en 21 días)	0 (capacidad agotada en 20 días)
4	Partial restrictions	1.5	210	45
5	Partial restrictions + additional beds (650 UCI y 650 ward beds)	1.5	982	522

Scenario	Quarantine (as of May 11)	Daily infection rate (%)	Free ward beds for COVID-19 patients (by June 11)	Free ICU beds (total) for COVID-19 patients (by June 11)
1	Maintained	8	1,636	644
2	None	8	823 (fully occupied by June 16th)	222 (fully occupied by June 15th)
3	None	15	0 (Fully occupied by June 6th)	0 (Fully occupied by June 5th)
4	Partial	10	1,319	491
5	Partial + additional beds (100 for ICU)	10	1,319	591

1) ¿Por qué se realizó este estudio?

Este estudio fue desarrollado para obtener evidencia clínica y económica que facilitara la toma de decisiones y la distribución eficiente de recursos hospitalarios limitados durante la pandemia de COVID-19.

2) ¿Cuáles fueron los resultados más relevantes del estudio?

La adaptación del modelo de Ontario al contexto colombiano permitió evaluar escenarios hipotéticos de la pandemia. Los resultados proponen que la implementación de medidas de distanciamiento social y la expansión a la capacidad hospitalaria son fundamentales para evitar la escasez de recursos necesarios para tratar a los pacientes de COVID-19.

3) ¿Qué aportan estos resultados?

Los modelos económicos y estadísticos son herramientas fundamentales para los tomadores de decisiones durante una crisis de salud global.

Numero de pruebas PCR requeridas para los diferentes escenarios

Fecha	Escenario A: Numero de casos esperados acumulados de COVID 19 si la cuarentena decreció en Julio 1	Numero de pruebas requeridas desde julio 1st a agosto 1st en el escenario A	Escenario B: Numero de casos esperados acumulados de COVID 19 con restricciones parciales (al 4%)	Numero de pruebas requeridas desde junio 20 a agosto 1st en el escenario B	Escenario C: Numero de casos esperados acumulados de COVID 19 con restricciones parciales (al 8%)	Numero de pruebas requeridas desde junio 20 a agosto 1st en el escenario C	Escenario D: Numero de casos esperados acumulados de COVID 19 sin restricciones (al 10%)	Numero de pruebas requeridas desde junio 20 a agosto 1 en el escenario D
20/06/2020	9,658		9,658		9,658		9,658
1/08/2020	15,920	62,620	24,050	149.92	37,372	277,140	116,018	1,063,600
Fecha	Escenario E: Numero de casos esperados acumulados de COVID 19 si la cuarentena decreció en Julio 1	Numero de pruebas requeridas desde septiembre 1 a octubre 15 en el escenario E	Escenario F: Numero de casos esperados acumulados de COVID 19 con restricciones parciales (al 4%)	Numero de pruebas requeridas desde septiembre 1 a octubre 15 en el escenario F	Escenario G: Numero de casos esperados acumulados de COVID 19 con restricciones parciales (al 8%)	Numero de pruebas requeridas desde septiembre 1 a octubre 15 en el escenario G	Escenario H: Numero de casos esperados acumulados de COVID 19 sin restricciones (al 10%)	Numero de pruebas requeridas desde septiembre 1 a octubre 15 en el escenario H
1/09/2020	47,444		47,444		47,444		47,444
15/10/2020	67,694	202,500	80,389	329,450	101,489	540,450	208,502	1,610,580

Nota: todas las estimaciones del numero de pruebas requeridas asumen una tasa de positividad del 10%

Escenario	Cuarentena	Tasa de crecimiento (R0)	Camas libres en salas para pacientes COVID (en mayo 16)	Camas libres en UCI para pacientes COVID (en mayo 16)
1	Total	1.3	505	126
2	Ninguna - sin restricciones	1.3	0 (capacidad agotada en 30 días)	(capacidad agotada en 27 días)
3	Ninguna - sin restricciones	2.0	0 (capacidad agotada en 21 días)	0 (capacidad agotada en 20 días)
4	restricciones parciales	1.5	210	45
5	restricciones parciales + camas adicionales (650 UCI y 650 camas de reserva)	1.5	982	522

Escenario	Cuarentena (como en mayo 11)	Tasa de infection diaria (%)	Camas de reserve en salas para pacientes COVID (para junio 11)	Camas libres en UCI para pacientes COVID (para junio 11)
1	Mantenido	8	1,636	644
2	Ninguno	8	823 (Ocupación total en junio 16)	222 (Ocupación total en junio 15)
3	Ninguno	15	0 (Ocupación total en junio 6)	0 (Ocupación total en junio 5)
4	Parcial	10	1,319	491
5	Parcial + camas adicionales (100 for UCI)	10	1,319	591