Herramientas de gestión de activos aplicadas a la gestión de la pandemia COVID-19

Eduardo Candón Fernández, Antonio de la Fuente Carmona, Pablo Martínez-Galán Fernández, Pedro Moreu de León, Vicente Gonzalez-Prida 25 de abril de 2023

0

0

0

0

22 min. de lectura

Eduardo Candón Fernández
Grupo SIM (Sistemas Inteligentes de Mantenimiento), Departamento de Organización Industrial y Gestión de Empresas I, Escuela de Ingenieros, Universidad de Sevilla, Sevilla.
INGEMAN, Asociación para el Desarrollo de la Ingeniería de Mantenimiento, Sevilla, España.

Antonio de la Fuente Carmona
Grupo SIM (Sistemas Inteligentes de Mantenimiento), Departamento de Organización Industrial y Gestión de Empresas I, Escuela de Ingenieros, Universidad de Sevilla, Sevilla.
INGEMAN, Asociación para el Desarrollo de la Ingeniería de Mantenimiento, Sevilla, España.

 Pablo Martínez-Galán Fernández
Grupo SIM (Sistemas Inteligentes de Mantenimiento), Departamento de Organización Industrial y Gestión de Empresas I, Escuela de Ingenieros, Universidad de Sevilla, Sevilla.
INGEMAN, Asociación para el Desarrollo de la Ingeniería de Mantenimiento, Sevilla, España.

 Pedro Moreu de León
Grupo SIM (Sistemas Inteligentes de Mantenimiento), Departamento de Organización Industrial y Gestión de Empresas I, Escuela de Ingenieros, Universidad de Sevilla, Sevilla.
INGEMAN, Asociación para el Desarrollo de la Ingeniería de Mantenimiento, Sevilla, España.

 Vicente González- Prida
Grupo SIM (Sistemas Inteligentes de Mantenimiento), Departamento de Organización Industrial y Gestión de Empresas I, Escuela de Ingenieros, Universidad de Sevilla, Sevilla,

ABSTRACT

En este artículo se presentan herramientas prácticas de gestión para abordar el problema del diseño de la estrategia de desconfinamiento de la pandemia COVID-19. La estrategia no es sólo sobre el diseño, sino que también tiene mucho que ver con la implementación. En este artículo se desarrolla un sistema de control adecuado para seguir el curso de acción, especialmente en un escenario con incertidumbre sin precedentes. Esto se considera una necesidad para iniciar la implementación de la estrategia.

En el documento se observa la importancia de R, en primer lugar, como variable para monitorear y controlar la pandemia, para asegurar su disminución; y, en segundo lugar, como objetivo para anotar los riesgos asociados al reiniciar ciertas actividades después del confinamiento. La reducción del aumento potencial en el valor de R, cuando cualquier tipo de actividad se está reabriendo, guía la estrategia.

En términos de control, se aprovechan desarrollos actuales en el campo del mantenimiento predictivo (PdM). La aparición de la analítica predictiva y la introducción de reglas de prognosis pueden ser muy valiosas ahora, cuando se necesita tomar decisiones basadas en datos y predicciones. En el documento se presenta una forma novedosa e innovadora de estructurar el modelo de datos necesario para un sistema de control de este tipo.

Cualquier medida que se tome, según corresponda, afectará a la economía a corto plazo, y comprender el alcance de ese impacto por sector económico y escala de tiempo es bastante interesante. Este documento también proporciona una respuesta a esta preocupación.

El artículo se enfrenta a cómo tomar decisiones y cómo controlar el desempeño de las medidas propuestas y su impacto. Se propone un proceso completo (de extremo a extremo) que describe con gran detalle los retos de estas soluciones y la herramienta propuesta. Esta presenta dos pilares fundamentales:

• Planificación: Definición de actividades y su jerarquía en términos de riesgo en la contribución R.
• Control: Propuesta del sistema de monitorización y control sobre las medidas las establecidas, su cumplimiento y eficacia. Incluye la consideración de la incertidumbre de los datos y el cálculo del modelo R y la medida de sus parámetros básicos estableciendo una comparativa entre los datos registrados para distintos elementos de control.

Palabras clave: Número reproductivo básico, Número reproductivo efectivo, Control de COVID-19, Análisis de riesgo de COVID-19, Monitorización de la condición.

1. INTRODUCCIÓN

Al llegar al final de la fase de confinamiento, es esencial tener una estrategia para afrontar la fase de recuperación con las mejores garantías posibles. Estudios anteriores demostraron que la saturación en los hospitales podía modelarse sobre la base del parámetro R. Este se considera en este documento como el parámetro clave para diseñar estrategias de fase de recuperación o desescalada. Para proponer una estrategia eficaz, el parámetro R tendrá que ser conocido, monitoreado y controlado.

Pero la incertidumbre y la falta de conocimiento preciso son los principales impedimentos para ayudar al control de la pandemia de COVID 19. Esta crisis no es un problema de tecnología de la información (IT) o un desafío de modelado matemático, es una catástrofe cuyos impactos deben minimizarse optimizando la gestión.

En este caso el objetivo es el control de la pandemia, pero el reto principal es optimizar la gestión que podemos hacer en cada momento con el conocimiento y la información que tenemos. Los principios de gestión más simples se pueden resumir y relacionar con el problema de cómo gestionar la recuperación de la siguiente manera:

• La evaluación coste-riesgo-beneficio es el elemento principal de cualquier decisión. Para la gestión de la recuperación de la pandemia, el riesgo se compone de la alta probabilidad de recaídas y su gravedad de consecuencias. Consecuencias incluyendo no sólo infectados y víctimas, sino también la saturación del Servicio de Salud. El parámetro R está surgiendo día a día como el mejor indicador de riesgo (corto, medio y largo plazo).
• La gestión siempre se puede mejorar, aún más, siempre debe mejorarse. Este es el principio de mejora continua que se acepta universalmente. En este momento, la gestión de crisis de COVID19 tiene un enorme margen de mejora, porque no hay ninguna experiencia previa en el mundo.
• Por lo tanto, es necesario recordar el ciclo básico Plan-do-check-act (Ciclo de Deming). En este trabajo proponemos una herramienta de planificación (el “plan”, de medidas y actividades) y una herramienta para comprobar (el “check”, de parámetros y método de control).
• Jerarquización. No todas las opciones posibles tienen la misma relevancia en términos de optimización de la recuperación.

Para iniciar la fase de recuperación y devolver al país a su "nueva" normalidad, se necesita una herramienta para monitorear y controlar cómo evoluciona la pandemia. De lo contrario, las recaídas podrían ocurrir sin darnos cuenta y podría perderse un tiempo esencial para detener la recaída. En el presente trabajo, se propone un sistema de control que permite la detección, diagnóstico y pronóstico de un comportamiento anormal pandémico.

Una vez que se propone una herramienta para controlar la evolución de la pandemia, el trabajo procede a diseñar la estrategia posterior al confinamiento. La metodología seleccionada para diseñar una estrategia para la apertura secuencial de actividades minimizará el riesgo del impacto potencial de estas actividades en R. Para ello, se evaluará el número de contactos, la intensidad de los mismos y el potencial de modificación de cada una de las actividades para evitarlos. Sobre la base de esta evaluación, se establecen estrategias para cada nivel de riesgo, minimizando la posibilidad de contagio.

La actual crisis de salud pública va acompañada de una situación económica preocupante y la estrategia diseñada para el desconfinamiento será un paso crítico para minimizar el impacto económico. Basándonos en la estrategia de incorporar actividades de acuerdo a su riesgo, medimos la evolución de la economía en términos de producción del PIB disponible hasta que la "normalidad" económica se recupere alrededor de mayo de 2021.

La estructura del artículo es la siguiente: En primer lugar, se presenta una introducción a R y sus principales características relacionadas. En segundo lugar, se desarrolla un modelo para medir, monitorear y controlar la evolución de la pandemia. Por último, la estrategia para la reincorporación de las actividades económicas se desarrolla en función de su nivel de riesgo y del impacto que tiene en la economía.

2. NÚMEROS REPRODUCTIVOS BÁSICOS Y EFECTIVOS, R₀ & R

El número reproductivo básico (R₀) es una métrica epidemiológica intuitiva que describe la contagiosidad de un agente infeccioso. Definido como el número esperado de casos generados directamente por un caso en una población donde todos los individuos son susceptibles a la infección (Fraser et al. , 2009) . Es posible estimar un valor R0 a partir de tres parámetros que caracterizan el contagio (Dietz, 1993):

• La tasa de contacto (𝑅_𝐶); y
• La probabilidad de infección por contacto entre una persona susceptible y una persona o vector infeccioso (𝑅_𝑖)
• La duración media de la infección después de que una persona se infecta ( 𝑇_𝑖𝑑).

Aunque hay modelos que describen los ciclos de transmisión con un medidor adicional que hace que el modelado sea más complejo, en este documento consideraremos la ecuación básica para determinar el valor R₀ como:

𝑅₀  = 𝑅_𝐶 × 𝑅_𝑖 ×  𝑇_𝑖𝑑                                   (1)

𝑅₀ es una propiedad bastante compleja, que depende específicamente del modelo utilizado para calcularla, de la población en estudio (ya que se refiere a sus características demográficas y modalidades de contacto), el receptor, el patógeno, y con frecuencia su cepa específica (Ridenhour, Kowalik y Shay, 2018). Por lo tanto, al estimar, informar y aplicar R₀ a la toma de decisiones, esto debe hacerse con mucha precaución, porque esta métrica básica está lejos de ser simple (Delamater et al. , 2019) .

Una vez que una pandemia está en marcha, es necesario medir el número de casos secundarios generados por un caso infeccioso. Esto se define como el número reproductivo efectivo, R, que por lo tanto dependerá de 𝑅₀. A falta de medidas de control,

𝑅  = 𝑅₀ × 𝐹_𝑆                                                                 (2)

donde 𝐹_𝑆 es la proporción de la población susceptible. Durante una epidemia, R disminuye debido al agotamiento de las personas susceptibles en la población y la implementación de medidas de control específicas. Para detener un brote, R debe mantenerse por debajo de 1 (Lipsitch et al. , 2003) , como se explica y demuestra más adelante.

La fracción de población susceptible (F_S) es una variable muy interesante para el control de la pandemia y muy difícil de medir, que dependerá de la posibilidad de hacer pruebas a una muestra representativa de la población. Dado que la fracción de la población susceptible será muy alta en comparación con los otros grupos de personas (expuestas, infectadas y recuperadas), se supone en estas condiciones que todos los individuos siempre son susceptibles a la infección. Bajo esta consideración sucede que R₀=R.

Independientemente de los valores de la duración media de contagio (𝑇_𝑖𝑑) y la fracción de susceptible (𝐹_𝑆), la transmisión se produce principalmente a través de un contacto prolongado y cercano con muy alta probabilidad de infección. Personas con exposición a un caso confirmado, miembros del hogar, aquellos que mantienen contacto frecuente, y las personas que han viajado juntas o compartido una comida, se encuentran en el mayor riesgo de infección (Rivers et al. , 2020) . Por lo tanto, es importante que la velocidad de contacto 𝑅_𝐶 se modele teniendo en cuenta dos factores: el número de contactos (𝑁_𝐶) y la intensidad de contacto ( 𝐶_𝐼) con:

𝑅_𝐶  = 𝑁_𝐶 × 𝐶_𝐼                                                               (3)

El número reproductivo efectivo (R) se estima casi siempre retrospectivamente a partir de datos seroepidemiológicos o mediante el uso de modelos matemáticos teóricos (Li, Blakeley y Smith, 2011). Aunque a veces se han utilizado enfoques basados en datos (Heffernan, Smith y Wahl, 2005), la mayoría de las contribuciones se refieren a modelos matemáticos, principalmente utilizando ecuaciones diferenciales ordinarias (Dietz, 1993), con dependencia de numerosas decisiones tomadas por el modelador (Keeling y Grenfell, 2000).

En este trabajo, se propone un modelo SEIR, como el resuelto en Crespo et al., 2020a, para un modelado de pandemia post-confinamiento, donde S, E, I y R son para las poblaciones: Susceptible, Expuesta, Infecciosa y Recuperada, respectivamente. Siguiendo las ecuaciones diferenciales resueltas en Crespo et al., 2020a, el parámetro R es el elemento clave al que hay que prestar atención. Como se concluyó en la sección anterior, para controlar la tasa pandémica de infección, debe cumplirse 𝑅 < 1, con

(4)

dónde 𝑁_𝐶  es el número de nuevos casos que se diagnostican cada día,  𝛾  es la inversa  del  tiempo  de  duración  de  la  infección  (𝛾 = 1⁄𝑇_𝑖𝑑)  e  𝐼  la población infecciosa. Por lo tanto, para supervisar el número R, se deben supervisar las tres variables: 𝑁_𝐶, 𝛾 e 𝐼. 𝑁_𝐶 e 𝐼 se tomarán de la información proporcionada por el servicio nacional de salud correspondiente. La estimación debe mejorarse en la medida de lo posible con el tiempo, incorporando no sólo datos precisos para más casos de infectados, sino también mediante la evolución del conocimiento de la investigación médica y el potencial de propagación de las personas infectadas, que está mejorando significativamente por semana. El aumento de R a corto plazo (días) se convertirá en escenarios de alta presión al sistema de salud a medio plazo (meses).

Para aplicar un plan para una fase de desescalada posterior al confinamiento, deben establecerse herramientas para supervisar el estado de la pandemia, y también deben estar listos los modelos para predecir su futura evolución potencial y las consecuencias para el sistema de salud. Además del hecho de que el número R representa el estado de la pandemia y su evolución potencial a un nivel de intervención dado (Flahault et al. , 2006) (Crespo et al. , 2020a), un punto muy importante es que todas las medidas de reapertura pueden evaluarse en términos de su "contribución a R" (Rivers et al. their “R , 2020) . Además, cualquier medida de incumplimiento y/o mal funcionamiento de la medida aumentará el valor esperado de R. En resumen, es posible emplear R para monitorear la pandemia y diseñar, y controlar, medidas a incluir en diferentes escenarios de fases de recuperación.

3. SISTEMA DE MONITORIZACIÓN Y CONTROL, BASADO EN R

Como se ha mencionado anteriormente, debe haber un sistema de control centrado en R, y en la implementación de mecanismos para el seguimiento e integración de variables sobre las actividades y recursos que contribuyen a él. Este sistema de control asumirá la función de repositorio único de información y coordinación de gobierno.

Este documento adapta una metodología preexistente que se está aplicando con éxito para monitorear y controlar activos complejos y críticos de ingeniería (Guillén et al. , 2016, Ferrero et al. , 2019) . Los fundamentos de esta propuesta son:

• Proporcionar una estructura clara de datos/información para el monitoreo relacionado con los problemas de detección, diagnóstico y pronóstico;
• Ofrecer un método claro para la definición precisa de los descriptores y las reglas de interpretación, que están vinculadas con diferentes decisiones y horizontes temporales, formalizando el conocimiento experto dentro del proceso de monitorización.

Para describir la implementación práctica de este sistema de control para la supervisión de R, la Figura 1 es una propuesta UML sobre cómo estructurar los datos e integrar los flujos de información. A tal fin, se proponen cinco bloques diferentes de conformidad con las normas internacionales. Cada uno de los cinco bloques se considera un nivel de información, los dos primeros son fuentes de recursos y variables de actividades, que se procesan en medidores en el bloque 3, el bloque 4 se centra en R y otras definiciones de predictores, y el último está orientado a estandarizar el análisis y guiar la toma de decisiones.

Figura 1. Diagrama simple UML del sistema de monitoreo y control propuesto

En la tabla 1, mostrada a continuación, se define el contenido y la función de cada uno de los bloques que componen el diagrama UML, con sus elementos principales y los resultados obtenidos para el control de la pandemia

Tabla 1. Descripción del sistema de monitorización y control, y un caso de uso

4. HERRAMIENTA DE PLANIFICACIÓN: UN PLAN PARA LA DESESCALADA DEL CONFINAMIENTO BASADO EN R

Esta sección proporciona una estrategia, una manera de proceder con una reapertura escalonada de las actividades, que se basa en modelar el riesgo, y el tiempo previsto para el establecimiento de medidas eficaces de mitigación de riesgos que impidan la propagación del virus. Dos características de una actividad, con un impacto directo en R, conducirán el curso de la acción (Rivers et al. , 2020) : La tasa de contacto (𝑅_𝐶) de la actividad y la probabilidad de infección por contacto entre una persona susceptible y una persona infecciosa (𝑅_𝑖) durante el tiempo que se lleva a cabo la actividad. Además, la tasa de contacto se caracterizará por: la intensidad de contacto (𝐶_𝐼) y el número esperado de contactos (𝑁_𝐶) que se supone que debe tener el infectado durante esa actividad.

La matriz de riesgo clasifica las actividades por su relación de contagio y potencial de modificación. Reducir el riesgo al reabrir las actividades es la clave del éxito. El eje x de la matriz representa el potencial de modificación (𝑅_𝑖), y el eje Y la tasa de contacto (𝑅_𝐶), como la intensidad de contacto (𝐶_𝐼) multiplicado por el número de contactos (𝑁_𝐶). Se evalúan cada una de las actividades recogidas en el CNAE (Clasificación Nacional de Actividades Económicas). La evaluación cualitativa de estos factores, basada en el criterio de los expertos se define en Crespo et al. , 2020c. En la Tabla 2, se asigna un valor para los diferentes niveles. Los valores se utilizan posteriormente para rellenar la matriz de riesgo resultado del análisis.

Dependiendo de la ubicación en la matriz, el riesgo de la actividad cambia y por lo tanto cambia la probabilidad de que el riesgo se mitigue en el corto plazo. Por lo tanto, se pueden formular las reglas para la estrategia de reapertura.

Intensidad de contacto (𝑪𝑰)

Número de contactos (𝑵𝑪)

Potencial de modificación (𝑹𝒊)

Tabla 2. Criterios de evaluación de las variables de control

En cada cuadrícula de la matriz, se pueden ubicar y numerar las actividades del CNAE que tengan el nivel de riesgo correspondiente. Esta es una manera de cuantificar las actividades en las que la estrategia de apertura gradual tiene efecto (véase la Figura 2). Véase detalladamente el nivel de riesgo medido para cada actividad sectorial en Crespo et al. , 2020c.

Figura 2. Número de actividades por posición de matriz de riesgo

El resultado obtenido muestra cuatro niveles de riesgo, en los que el 17,84%, el 52,35%, el 13,39% y el 16,42% corresponden al % de las actividades en cada nivel de riesgo. Cuanto menor sea el nivel de riesgo de actividad, menor será el tiempo de recuperación completa.

La estrategia de reactivación, con el menor impacto posible, y gradual, en R, se presentará ahora para todos los sectores económicos. Cuantos más contactos involucra la actividad (𝑅_𝐶) y/o cuanto más difícil es implementar medidas para prevenir la infección (𝑅_𝑖), la recuperación de la actividad será más lenta y progresiva. En la Figura 3 se muestra una propuesta para la recuperación escalonada de las actividades según su ubicación en la matriz de riesgo, a partir del día en que se eliminen las medidas de confinamiento (𝑇_𝐷𝐶).

Figura 3. Estrategia de desescalada basada en el riesgo (% de recuperación de actividad a lo largo del tiempo, m=mes)

En el escenario menos crítico, la transmisión del virus es muy baja, la intensidad de contacto es baja y hay muchas medidas posibles que pueden prevenir el contagio (distanciamiento físico, controles de ingeniería y administrativos, EPI, etc.), cuando R<1 y comienza el desconfinamiento (𝑇_𝐷𝐶), las actividades de estos sectores se pueden reactivar plenamente (100%). Sin embargo, en el escenario más crítico, donde la transmisión podría ser muy alta, por alta intensidad de contacto y cuando cómo única medida para prevenir el contagio es sólo posible el uso de EPI, en 𝑇_𝐷𝐶, independientemente de que sea R<1, la actividad no se recupera, 6 meses desde 𝑇_𝐷𝐶 se puede reactivar una apertura gradual del 20%, siempre y cuando R no alcance el nivel de alarma, tras 8 meses se recupera el 50% de la actividad, el 80% después de 10 meses y finalmente el 100% de la actividad normal cuando ha pasado un año desde la apertura del confinamiento.

5. RESULTADO

La actual crisis de salud pública va acompañada de una situación económica preocupante y la estrategia diseñada para el desconfinamiento será un paso crítico para minimizar el impacto económico. El impacto depende, entre otros factores, del nivel de intervención en el que se implementa el plan de reapertura gradual (Crespo et al. , 2020b).

A partir del análisis de riesgo realizado y teniendo en cuenta el impacto en el PIB de cada una de las actividades analizadas, se realiza un análisis coste-riesgo- beneficio de esta estrategia de desescalada del confinamiento y cómo afecta a la economía del país.

La Figura 7 muestra la recuperación de seis sectores económicos nacionales en un horizonte de un año.

Figura 9. Recuperación por sector.

Teniendo en cuenta la estrategia de desescalada basada en el riesgo propuesta, la Figura 10 muestra la evolución del PIB nacional desde la liberación del confinamiento hasta la recuperación completa. Se distinguen tres áreas de

riesgo a lo largo del período de recuperación. A medida que se incorporan actividades que entrañan un mayor riesgo, debe haber una mayor vigilancia en cuanto al cumplimiento de las medidas de prevención y un mayor control de un posible aumento del contagio, con el fin de llevar a cabo intervenciones basadas en los distintos casos. Hay que mencionar que el primer gran aumento del PIB se debe a la entrada de la industria después del confinamiento. El segundo pico se debe a la incorporación de actividades de bajo riesgo, por lo que se produce de forma rápida y finalmente, el tercer pico se alcanza de una manera más gradual y prolongada a lo largo del tiempo, ya que corresponden a actividades de riesgo medio y alto. Como se mencionó anteriormente, alcanzar el 100% de la evolución del PIB indica que el país está listo para volver a la situación normal. Dada una demanda similar a la que existía antes de la pandemia, alcanzaría un nivel similar de PIB. En general, ante la disminución de la demanda, no se alcanzará el valor del PIB prepandémico, aunque todos los sectores pueden funcionar con el 100% de su capacidad.

Figura 10. Evolución del PIB potencial nacional

REFERENCIAS

• Códigos CNAE. Available at: https://www.cnae.com.es/lista-actividades.php
• Crespo Márquez, A. and Group, S. R. (2020a) A COVID-19 Recovery Strategy Based on the Health System Capacity Modeling. Implications on Citizen Self-management. Available at: https://idus.us.es/handle/11441/95407.
• Crespo Márquez, A. and Group, S. R. (2020b) ‘Strategies for COVID-19 Pandemic Recovery. Applying Engineering Asset Management Principles’. Available at: https://idus.us.es/handle/11441/94965.
• Crespo Márquez, A. and Group, S. R. (2020c) ‘Understanding R-based planning decisions and control for COVID-19 recovery’. Available at: https://idus.us.es/handle/11441/96049.
• Delamater, P. L. et al. (2019) ‘Elimination of nonmedical immunization exemptions in California and school-entry vaccine status’, Pediatrics. American Academy of Pediatrics, 143(6). doi: 10.1542/peds.2018-3301.
• Dietz, K. (1993) ‘The estimation of the basic reproduction number for infectious diseases’, Statistical Methods in Medical Research, 2(1), pp. 23– 41. doi: 10.1177/096228029300200103.
• Ferrero Bermejo, J. et al. (2019) ‘A review of the use of artificial neural network models for energy and reliability prediction. A study of the solar PV, hydraulic and wind energy sources’, Applied Sciences (Switzerland), 9(9). doi: 10.3390/app9091844.
• Flahault, A. et al. (2006) ‘Strategies for containing a global influenza pandemic’, Vaccine. Elsevier, 24(44–46), pp. 6751–6755. doi: 10.1016/j.vaccine.2006.05.079.
• Fraser, C. et al. (2009) ‘Pandemic potential of a strain of influenza A (H1N1): Early findings’, Science. NIH Public Access, 324(5934), pp. 1557–1561. doi: 10.1126/science.1176062.
• Guillén, A. J. et al. (2016) ‘A framework for effective management of condition based maintenance programs in the context of industrial development of E-Maintenance strategies’, Computers in Industry, 82, pp. 170–185. doi: 10.1016/j.compind.2016.07.003.
• Heffernan, J. M., Smith, R. J. and Wahl, L. M. (2005) ‘Perspectives on the basic reproductive ratio’, Journal of the Royal Society Interface. Royal Society, pp. 281–293. doi: 10.1098/rsif.2005.0042.
• https://www.ey.com/Publication/vwLUAssets/ey-informe-sector-moda-en- espana-covid-19/$FILE/ey-informe-sector-moda-en-espana-covid-19.pdf
• Keeling, M. J. and Grenfell, B. T. (2000) ‘Individual-based Perspectives on R 0’, J. theor. Biol, 203, pp. 51–61. doi: 10.1006/jtbi.1999.1064.
• Li, J., Blakeley, D. and Smith, R. J. (2011) ‘The Failure of R0’, Computational and Mathematical Methods in Medicine, 2011, pp. 1–17. doi: 10.1155/2011/527610.
• Lipsitch, M. et al. (2003) ‘Transmission dynamics and control of severe acute respiratory syndrome’, Science. American Association for the Advancement of Science, 300(5627), pp. 1966–1970. doi: 10.1126/science.1086616.
• Liu, Y. et al. (2020) ‘Viral dynamics in mild and severe cases of COVID-19’, The Lancet Infectious Diseases. Lancet Publishing Group. doi: 10.1016/S1473-3099(20)30232-2.
• Ministerio de Sanidad, Consumo y Bienestar Social - Professionals - Enfermedad por nuevo coronavirus, COVID-19 (no date). Available at: https://www.mscbs.gob.es/en/profesionales/saludPublica/ccayes/alertasActu al/nCov-China/home.htm
• National coronavirus response: A road map to reopening | American Enterprise Institute - AEI. Available at: https://www.aei.org/research- products/report/national-coronavirus-response-a-road-map-to-reopening/
• Ridenhour, B., Kowalik, J. M. and Shay, D. K. (2018) ‘ Unraveling R 0 : Considerations for Public Health Applications ’, American Journal of Public Health. American Public Health Association, 108(S6), pp. S445–S454. doi: 10.2105/ajph.2013.301704r.
• Rivers, C. et al. (2020) Public Health Principles for a Phased Reopening During COVID-19: Guidance for Governors 2 AUTHORS.
• Salvador Palau, A. et al. (2020) ‘Collaborative Prognostics in Social Asset Networks’, in Value Based and Intelligent Asset Management. Springer International Publishing, pp. 329–349. doi: 10.1007/978-3-030-20704-5_15.
• Trilla, A. (2020) ‘One world, one health: The novel coronavirus COVID-19 epidemic’, Medicina Clínica (English Edition). Elsevier BV, 154(5), pp. 175– 177. doi: 10.1016/j.medcle.2020.02.001.