medigraphic.com
Instituto Nacional de Salud Pública

2026, Number 3

<< Back Next >>

salud publica mex 2026; 68 (3)

Baseline forecasting model of dengue for the state of Jalisco, Mexico

García-Jiménez CI, Macías-Barragán JG, Nuño-Gradilla GJ, García-Morales M

Language: Spanish
References: 34
Page: 205-213
PDF size: 335.21 Kb.


ABSTRACT

Objective. To develop a forecasting baseline model for dengue cases. Materials and methods. A 2000- 2024 time series was analyzed using data from official sources, the predictive performance was evaluated with seasonal autoregressive integrated moving average (SARIMA) models. Results. Critical seasonal patterns were identified, with incidence peaks occurring in the final months of the year. The selected baseline SARIMA model explained 75% of the observed variance. Projections for 2025-2027 predict a continued high incidence. Notably, the inclusion of exogenous climatic variables (precipitation and temperature) did not significantly improve the model’s predictive power. Conclusion. The study concludes that dengue has become established as an endemic disease in the region. The proposed baseline model is a tool to further strengthen proactive health interventions.


REFERENCES

  1. Ibáñez-Bernal S, Gómez-Dantés H. Vectors of dengue in Mexico: acritical review. Salud Publica Mex. 1995;37(supl):s53-63 [citado febrero 9, 2026] Disponible en: https://pubmed.ncbi.nlm.nih.gov/8599149/

  2. Torres-Galicia I, Cortés-Poza D, Becker I. Dengue en México: análisisde dos décadas. Gac Med Mex. 2014;150(2):122-7 [citado febrero 9,2026]. Disponible en: https://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=49335

  3. Guzman MG, Halstead SB, Artsob H, Buchy P, Farrar J, Gubler DJ, et al.Dengue: a continuing global threat. Nat Rev Microbiol. 2010;8(S12):S7-16.https://doi.org/10.1038/nrmicro2460

  4. Cassab A, Morales V, Mattar S. Factores climáticos y casos de Dengueen Montería, Colombia: 2003-2008. Rev Salud Publica. 2011;13(1):115-28.https://doi.org/10.1590/S0124-00642011000100010

  5. Rúa-Uribe GL, Suárez-Acosta C, Chauca J, Ventosilla P, Almanza R. Modelizacióndel efecto de la variabilidad climática local sobre la transmisiónde dengue en Medellín (Colombia) mediante análisis de series temporales.Biomédica. 2013;33(supl 1):142-52. https://doi.org/10.7705/biomedica.v33i0.1444

  6. Perdomo-Balaguera EA. Factores climáticos y socioeconómicos relacionadoscon la incidencia del dengue en el departamento de Magdalena[tesis]. Colombia: Universidad del Magdalena, 2024 [citado noviembre9, 2026]. Disponible en: https://repositorio.unimagdalena.edu.co/handle/123456789/21149

  7. Morales-Suarez DE. Modelación longitudinal de casos de dengue enColombia, mediante modelos de conteo Poisson y ZIP de efectos mixtos[tesis]. Colombia: Universidad Nacional de Colombia, 2022 [citadonoviembre 9, 2026]. Disponible en: https://repositorio.unal.edu.co/handle/unal/82020

  8. Rubio-Palis Y, Pérez-Ybarra LM, Infante-Ruíz M, Comach G, Urdaneta-Márquez L. Influencia de las variables climáticas en la casuística de denguey la abundancia de Aedes aegypti (Diptera: Culicidae) en Maracay, Venezuela.Bol Malariol Salud Ambient. 2011;51(2):145-58 [consultado 9 de febrerode 2026]. Disponible en: https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1690-46482011000200004

  9. Hernández-González G. Modelo espacial bayesiano para la dinámica detransmisión de dengue en Puerto Rico para datos del 2014. InterSedes.2019;20(42):164-85. https://doi.org/10.15517/isucr.v20i42.41848

  10. Garibay-Chávez MG, Curiel-Ballesteros A. Demandas al sector saludante las manifestaciones del cambio climático en Jalisco. Rev Bio Cienc.2021;8. https://doi.org/10.15741/revbio.08.e884

  11. Montoya-González AA, Ortiz-Beltrán FG, Santa-Guzmán LF. Modelobayesiano para el estudio de la enfermedad del dengue en el departamentode Atlántico, Colombia, años 2010 a 2013. Perspectiva Geográfica.2017;22(2). https://doi.org/10.19053/01233769.7603

  12. Poma-Ccora ML, Garma-Perez B. Determinantes de Casos de Dengueen el Perú, Periodo 2010-2019 [tesis]. Perú: Universidad Nacionalde Huancavelica. 2021 [consultado 9 de febrero de 2026]. Disponible en:https://apirepositorio.unh.edu.pe/server/api/core/bitstreams/4579f3bc-5611-41c1-8689-c5b62a13b2c6/content

  13. Alvarado-Prado R, Nieto-López E. Factores socioeconómicos yambientales asociados a la incidencia de dengue: estudio ecológico enCosta Rica, 2016. Revista Costarricense de Salud Pública. 2019;28(2):227-38 [citado febrero 9, 2026]. Disponible en: https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S1409-14292019000200227

  14. Vázquez-Castellanos JL, Canales-Muñoz JL, Nápoles-Camacho MA,Castillo-Morán MA, Ureña-Carrillo LE. Factores de riesgo a nivel familiare individual durante la transmisión epidémica de dengue en Guadalajara,Jalisco, México. Salud Jalisco. 2018;5(Esp):28-36 [citado febrero 9, 2026].Disponible en: https://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=82838

  15. Vázquez-Castellanos JL, Canales-Muñoz JL, Nápoles-CamachoMA, Castillo-Morán MA, Ureña-Carrillo LE. Estudio del primer granbrote epidémico de dengue en Guadalajara, Jalisco, México, octubrede 1988. Salud Jalisco. 2018;5(Esp):8-19 [citado febrero 9, 2026].Disponible en: https://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=82832

  16. Hernández-Uribe AM, López-Barrientos NM, Sánchez-Navarro D,Ulloa-López GA, García-Suárez AK, Rico-Buenrostro SR. Análisis epidemiológicode dengue en México y Jalisco. Salud Jalisco. 2021;8(2):113-8[citado febrero 9, 2026]. Disponible en: https://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=101315

  17. Arredondo-Garcia JL, Escalera CGAL, Lugo-Gerez JJ, Osnaya-RomeroN, Perez-Guillen G, Medina-Cortina H. Panorama epidemiológico dedengue en México 2000-2019. Revista Latinoamericana de InfectologíaPediátrica. 2020;33(2):78-83. https://doi.org/10.35366/94418

  18. Mendoza-Cano O, Danis-Lozano R, Trujillo X, Huerta M, MónicaRíos-Silva, Lugo-Radillo A, et al. Spatial patterns and clustering of dengueincidence in Mexico: Analysis of Moran’s index across 2,471 municipalitiesfrom 2022 to 2024. PLoS ONE. 2025;20(5):e0324754-4. https://doi.org/10.1371/journal.pone.0324754

  19. Sáez-Sáez V. Estudio correlativo entre dengue, precipitación y temperaturadel aire, período 1995 a 2002. Municipio Libertador. DistritoCapital. Venezuela. Terra Nueva Etapa. 2006;22(32):123-55 [citado febrero9, 2006]. Disponible en: https://www.redalyc.org/pdf/721/72103205.pdf

  20. Chen X, Moraga P. Assessing dengue forecasting methods: a comparativestudy of statistical models and machine learning techniques in Riode Janeiro, Brazil. Trop Med Health. 2025;53(1). https://doi.org/10.1186/s41182-025-00723-7

  21. Johansson MA, Apfeldorf KM, Dobson S, Devita J, Buczak AL, BaugherB, et al. An open challenge to advance probabilistic forecasting for dengueepidemics. Proc Natl Acad Sci. 2019:26;116(48):24268-74. https://doi.org/10.1073/pnas.1909865116

  22. DeAntonio R, Amaya-Tapia G, Ibarra-Nieto G, Huerta G, Damaso S,Guignard A, et al. Incidence of dengue illness in Mexican people aged 6months to 50 years old: A prospective cohort study conducted in Jalisco.PLOS ONE. 2021;16(5):e0250253. https://doi.org/10.1371/journal.pone.0252636

  23. Sanchez-Tejeda G, Benitez-Valladares D, Correa-Morales F, Toledo-Cisneros J, Espinoza E, Hussain-Alkhateeb L, et al. Early warning andresponse system for dengue outbreaks: Moving from research tooperational implementation in Mexico. PLOS global public health.2023;20;3(9):e0001691-1. https://doi.org/10.1371/journal.pgph.0001691

  24. Mejía H. La otra epidemia: el fracaso del combate al dengue,¿Cómo se construyó la investigación periodística acerca de la primeracrisis sanitaria de la 4T? [tesis]. Jalisco: Universidad de Guadalajara,2024 [citado agosto 24, 2024]. Disponible en: https://hdl.handle.net/20.500.12104/110623

  25. MIDE Jalisco. Casos de dengue. Jalisco: Gobierno de Jalisco, 2024 [citadoagosto 24, 2024]. Disponible en: https://mide.jalisco.gob.mx/mide/panelCiudadano/detalleIndicador/772?dimension=&tema=&dependencia=&nivel=&periodo=&sentido=&sortBusqueda=1&vista=1&palabraClave=Casos+de+Dengue&format=&max=10&offset=0&subsistema=1&accionRegreso=busqueda

  26. Secretaría de Salud de México. Histórico Boletín Epidemiológico.Ciudad de México: Secretaría de Salud, 2024 [citado agosto 24, 2024].Disponible en: https://www.gob.mx/salud/acciones-y-programas/historicoboletin-epidemiologico

  27. Box GEP, Jenkins GM. Time series analysis: Forecasting and control.San Francisco: Holden-Day, 1970.

  28. Hyndman RJ, Koehler AB. Another look at measures of forecastaccuracy. Int J Forecast. 2006;22(4):679-88. https://doi.org/10.1016/j.ijforecast.2006.03.001

  29. Szostek K, Mazur D, Drałus G, Kusznier J. Analysis of the Effectivenessof ARIMA, SARIMA, and SVR Models in Time Series Forecasting: A CaseStudy of Wind Farm Energy Production. Energies. 2024;17(19):4803.https://doi.org/10.3390/en17194803

  30. García-Jiménez CI, Macías-Barragán JG, Nuño-Gradilla GJ, García-Morales M. Anexos para artículo: Modelo base de pronósticos deldengue para el estado de Jalisco, México. https://doi.org/10.6084/m9.figshare.31267858

  31. Morin CW, Comrie AC, Ernst K. Climate and dengue transmission:evidence and implications. Environmental health perspectives.2013;121(11-12):1264-72. https://doi.org/10.1289/ehp.1306556

  32. Estallo EL, Ludueña-Almeida FF, Introini MV, Zaidenberg M, AlmirónWR. Weather Variability Associated with Aedes (Stegomyia) aegypti(Dengue Vector) Oviposition Dynamics in Northwestern Argentina. PLOSONE. 2015;10(5):e0127820. https://doi.org/10.1371/journal.pone.0127820

  33. Johansson MA, Reich NG, Hota A, Brownstein JS, Santillana M.Evaluating the performance of infectious disease forecasts: A comparisonof climate-driven and seasonal dengue forecasts for Mexico. ScientificReports. 2016;6(1). https://doi.org/10.1038/srep33707

  34. Pérez-Castellanos N, Casas-Alvarez J, Cárdenas-León A, Robles-FregosoAD, Guardado-Becerra A, Salcido-Ledesma J. Morbilidad sentida de enfermedadpor virus del dengue en el Centro Universitario de Tonalá. Actade Ciencia en Salud. 2017;(3):32-8. https://doi.org/10.32870/acs.v0i3.39




2020     |     www.medigraphic.com