medigraphic.com
ISSN 1561-3003 (Digital)

2020, Número 1

<< Anterior Siguiente >>

Rev Cubana Hig Epidemiol 2020; 57 (1)


Modelos estadísticos para las predicciones de la COVID-19 en Cuba

Prades EE, Marín SD

Idioma: Español
Referencias bibliográficas: 15
Paginas: 1-13
Archivo PDF: 595.5 Kb.


RESUMEN

Introducción: Los estudios basados en modelos estadísticos juegan un papel importante para las predicciones sobre la COVID-19.
Objetivo: Realizar un análisis de modelación estadística combinando 6 modelos de pronósticos para predecir la aparición de casos positivos diarios, activos y fallecidos por COVID-19 en Cuba.
Métodos: Se utilizaron los datos reportados diariamente del 11 de marzo al 25 de mayo publicados en el sitio web CUBADEBATE. A los modelos propuestos se les calculó el desempeño mediante los estadísticos: MAE, RMSE, MAPE y ME así como el análisis de residuales.
Resultados: Los modelos A y B dan una tendencia constante de 8 y 9 casos positivos respectivamente para el día 22 de julio. El modelo C indica una ligera disminución de los casos con 4 ese mismo día y el modelo D una tendencia al aumento con 19 casos. . El modelo E refleja un mínimo de 126 casos el día 3 de junio y luego un aumento de los casos hasta alcanzar el 22 de julio un valor de 374 casos activos hospitalizados. En el modelo F se apreció una tendencia a mantenerse constante el número de fallecidos por encima de 80 casos en la primera quincena de julio.
Conclusiones: Los 6 modelos estudiados cumplen con las pruebas estadísticas, de desempeño y residuales. Sus datos proporcionan un pronóstico para la COVID-2019, representando una herramienta válida.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. WHO Ebola Response Team. Ebola virus disease in West Africa-the first 9 months of the epidemic and forward projections. N Engl J Med 2014; 371:1481-95. DOI: https://10.1056/NEJMoa1411100

  2. Harun Yonar AY, Mustafa Agah T, Melike T. Modeling and Forecasting for the number of cases of the COVID-19 pandemic with the Curve Estimation Models, the Box-Jenkins and Exponential Smoothing Methods. Eurasian Journal of Medicine and Oncology. 2020;4(2):160-165.

  3. Díaz-Pinzóna JE. Precisión del pronóstico de la propagación del COVID-19 en Colombia. REPERT MED CIR. 2020;29(Núm. Supl.1):27-33.

  4. Liangrong P, Wuyue Y, Dongyan Z, Changjing Z, Liu H. Epidemic analysis of COVID-19 in China by dynamical modeling. medRxiv 2020.02.16.20023465. DOI: https://doi.org/10.1101/2020.02.16.20023465

  5. Funk S, Ciglenecki I, Tiffany A, Gignoux E, Camacho A, Eggo RM, et al. The impact of control strategies and behavioural changes on the elimination of Ebola from Lofa County, Liberia. Philos Trans R Soc Lond B Biol Sci 2017;372:20160302. DOI: https://doi.org/10.1098/rstb.2016.0302

  6. Kucharski AJ, Camacho A, Checchi F, Waldman R, Grais RF, Cabrol JC, et al. Evaluation of the benefits and risks of introducing Ebola community care centers, Sierra Leone. Emerg Infect Dis 2015;21:393-99. DOI: https://dx.doi.org/10.3201/eid2103.141892

  7. Camacho A, Kucharski A, Aki-Sawyerr Y, White MA, Flasche S, Baguelin M, Pollington T, Carney JR, Glover R, Smout E, Tiffany A, Edmunds WJ, Funk S. Temporal Changes in Ebola Transmission in Sierra Leone and Implications for Control Requirements: a Real-time Modelling Study. PLoS Curr. 2015 Feb 10;7:ecurrents.outbreaks.406ae55e83ec0b5193e30856b9235ed2. DOI: https://10.1371/currents.outbreaks.406ae55e83ec0b5193e30856b9235ed2

  8. Chaolin Huang YW, Xingwang Li, Lili Ren, Jianping Zhao, Yi Hu, Li Zhang, Guohui Fan JX, et al. Clinical features of patients infected with 2019 novel coronavirus in wuhan, china. The Lancet 2020; 395(10223): 497-506. DOI: https://doi.org/10.1016/S0140-6736(20)30183-5

  9. Cooper BS, Pitman R, Edmunds WJ, Gay NJ. Delaying the international spread of pandemic influenza. PLoS Med 2006;3(e212). DOI: https://doi.org/10.1371/journal.pmed.0030212

  10. López Fernández R, Yanes Seijo R, Suárez Surí P, Avello Martínez R, Gutiérrez Escobar M, Alvarado Flores R. Modelo estadístico predictivo para el padecimiento de pie diabético en pacientes con diabetes mellitus tipo II. Medisur [Internet]. 2016 Feb [citado 2020 Abr 19] ; 14(1): 42-52. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1727-897X2016000100009&lng=es

  11. Benvenuto D, Giovanetti M, Vassallo L, Angeletti S, Ciccozzi M. Application of the ARIMA model on the COVID-2019 epidemic dataset. Data in Brief. 2020 abr 1;29. DOI: https://doi.org/10.1016/j.dib.2020.105340

  12. Artículos de salud. Cubadebate. Sitio web en Internet. 2020. [Citado: 23/04/2020]. Disponible en: Disponible en: http://www.cubadebate.cu/categoria/temas/salud-medicina/WebSISE .

  13. Pontificia Universidad Católica Madre y Maestra. Capítulo 18: Pronóstico. Sitio web internet. Disponible en: http://webappst.pucmm.edu.do/websise/estudiante/materias/201620171/ST-ADM-413-T-003/Cap.%2018%20pronostico.pdf

  14. Alarcón MJ. Calificación del método de pronóstico de Torres (Segunda parte). Poliantea (Bogotá). 2009; 5(9): 175-201. DOI: https://10.15765/plnt.v5i9.278

  15. Dehesh T, Mardani-Fard H, Dehesh P. Forecasting of COVID-19 Confirmed Cases in Different Countries with ARIMA Models. medRxiv; 2020. DOI: https://10.1101/2020.03.13.20035345




2020     |     www.medigraphic.com