viernes, 17 de abril de 2026
O traballo foi elaborado por Iván Area (Universidade de Vigo e actualmente na Aneca) e Juan J. Nieto (Universidade de Santiago de Compostela) xunto a Xurxo Hervada e MarÃa Jesús Purriños (Sergas) e vén de ser publicado na revista Alexandria Engineering Journal baixo o tÃtulo Determination in Galicia of the required beds at intensive care units. O punto de partida para o deseño do método desenvolvido, indican os seus responsables, “foi a estimación inicial do comportamento da onda usando modelos compartimentais”. Unha vez obtida esta previsión, detallan, realizouse unha estimación de camas en base a unha porcentaxe dos datos acumulados dos 15 dÃas previos á data de interese. “É algo obvio: o número de persoas que ingresan na UCI depende dos casos dos dÃas previos”, apuntan os investigadores. Unha vez disposta esta ferramenta, engaden, “a vantaxe de ter unha estimación do número de casos diarios moi aproximada permitiu ter estimacións bastante próximas á realidade do número de camas de UCI necesarias”.
A xestión das camas de UCI, apuntan os investigadores, “trátase dun problema de enorme complexidade e repercusión”, lembrando como “o custe de cada cama é de máis de 1000 euros diarios, ten unha enorme repercusión económica”. Ao tempo, engaden, “un número insuficiente de camas implica a non dispoñibilidade de camas de UCI a persoas coa covid-19 ou doutras doenzas”. Por este motivo recalcan “a importancia de coñecer de antemán as necesidades de recursos en camas UCI, xa que non se poden improvisar, pois son camas que requiren parataxe moi especÃfico anexo (respiradores, monitores, etc) e recursos humanos formados no seu uso, ademais do espazo fÃsico necesario, moi superior a unha cama normal”. “Ou se prepara de antemán ou se fracasa en cubrir a demanda”, subliñan respecto a esta cuestión.
Liña de continuidade
Ademais de idear este procedemento para poder ter con antelación unha estimación do número de camas de UCI necesarias, Iván Area e Juan José Nieto forman parte do grupo de investigadores que adiantou como serÃa a expansión da pandemia da covid-19 en Galicia ao seu inicio. Baseándose na análise dos datos de Wuhan, o grupo integrado por Nieto, Area, Delfim Torres e Faiçal Ndaïrou, das universidades de Vigo e Aveiro estes últimos, realizou unha serie de simulacións que situaban o máximo número de casos da pandemia arredor do 5 de abril. “Esa predición, con máis dun mes de antelación comprobouse certa no seu dÃa”, apuntan. A análise, baseada nun modelo matemático, engaden, “foi central para poder anticipar o número de camas necesarias”.
Este órgano está formado por 12 expertos de recoñecido prestixio, tanto a nivel galego como internacional, nos ámbitos cientÃfico, tecnolóxico, empresarial e das polÃticas públicas. Na actualidade a Comunidade despunta en ámbitos como a biotecnoloxÃa, a intelixencia artificial ou a computación cuántica e acada numerosos fitos. O obxectivo deste consello asesor é apoiar e asesorar ao Executivo autonómico nas súas polÃticas públicas de I+D+i para seguir acadando éxitos e posicionando Galicia como un territorio de referencia nesta materia. As persoas que forman parte deste organismo, ademais do conselleiro, e a directora da Axencia Galega de Innovación, Carmen Cotelo, son cinco no eido da investigación, tres no das polÃticas públicas e catro no ámbito da innovación, empresa e emprendemento.
Galicia consolida a súa posición como a comunidade española que máis logrou reducir en 2024 as emisións netas de gases de efecto invernadoiro (GEI) con respecto a 1990, ano de referencia a nivel comunitario para as polÃticas en materia de clima. En concreto, a baixada rexistrada neste perÃodo foi do 68,5% fronte ao 12,8% no que se sitúa a media nacional. Os últimos datos oficiais dispoñibles volven situar a Galicia á cabeza da clasificación nacional en canto a redución de emisións netas. No perÃodo 1990-2024 Galicia logrou reducir en máis de dous terzos as súas emisións netas e tamén é a comunidade española que lidera a baixada de emisións GEI interanual, cun 9,8% menos que en 2023.
