Durante un año, investigadores de la Región del Bío Bío llevaron a cabo un estudio en el cual analizaron el comportamiento y las tendencias de la pandemia por Covid-19 en Chile. Específicamente, estudiaron el comportamiento del número de casos confirmados y el número de muertes por el virus, en el período específico entre el 2 de marzo hasta el 14 de julio de 2020.
La investigación, que fue publicada en la prestigiosa revista científica Plos One el 29 de abril pasado y que cuenta con revisión de pares, se titula Prediction of confirmed cases of and deaths caused by Covid-19 in Chile through time series techniques: A comparative study (Predicción de casos confirmados y muertes por Covid-19 en Chile mediante técnicas de series de tiempo: un estudio comparativo”, en español), y fue llevada a cabo por Claudia Barría-Sandoval y Katherine Benz-Parra de la Universidad de las Américas, Guillermo Ferreira de la Universidad de Concepción (UdeC), y Pablo López-Flores del Servicio de Salud de Concepción.
En conversación con INTERFERENCIA, Ferreira -doctor quien también es académico del Departamento de Estadística de la UdeC- explicó que “estamos socializando este trabajo y una de las ventajas de obtener proyecciones válidas o creíbles es ayudar en la toma de decisiones de políticas públicas en salud. Por ejemplo, indicación de cuarentenas, avances o retrocesos en el Plan Paso a Paso, intervención específica de inmunización, entre otras cosas que las proyecciones te permiten actuar”.
“Una de las ventajas de obtener proyecciones válidas o creíbles es ayudar en la toma de decisiones de políticas públicas en salud. Por ejemplo, indicación de cuarentenas, avances o retrocesos en el Plan Paso a Paso", dr. Guillermo Ferreira.
En ese sentido, el académico expresó que se encuentran en conversaciones con el Servicio de Salud de Concepción para observar el modelo que usan ellos actualmente y ver si el suyo puede aportar a precisar las predicciones.
Para predecir el número de casos confirmados y muertes por Covid-19 en Chile, los investigadores compararon diferentes metodologías que usan series de tiempo, una de las herramientas más populares para analizar y predecir datos secuencialmente. Estas metodologías permiten predecir tendencias, rupturas en la estructura, ciclos y valores no observados.
predicciones.jpeg
“Esta idea nació de una conversación que tuvimos con unos colegas de la región. Empezamos a trabajar a comienzos del año pasado, viendo esta crisis sanitaria de la que no había registro. Uno podría haberla asimilado con la influenza u otras crisis, pero esta tiene características únicas y ninguno de los países estaba preparado para esta situación sanitaria tan terrible. Así, conversando sobre este tema, notamos que tampoco habían modelos matemáticos que justamente absorbieran esta incertidumbre de cómo controlar y predecir el número de contagios. Esa fue la motivación de llevar a cabo este trabajo”, explicó Ferreira.
En esa línea, el experto en estadística describe que “utilizamos métodos que tienen más de 50 años de prueba. Estos se utilizan con frecuencia para estudiar el comportamiento de registros que se están midiendo en forma secuencial, en este caso diarios. Entonces para el número de casos confirmados por Covid-19, el mejor modelo que encontramos es el modelo ARIMA (modelo autorregresivo integrado de promedio móvil) que anda bastante bien y captura toda la tendencia de los casos confirmados. Mientras que para las muertes producto de la pandemia, detectamos que el método tendencia amortiguada, el cual es una generalización del método de suavizamiento exponencial, es el que se ajusta mejor a estas muertes”.
En el caso del modelo ARIMA, se trata de un modelo estadístico que utiliza variaciones y regresiones de datos estadísticos con el fin de encontrar patrones para una predicción hacia el futuro, siendo un modelo dinámico de series temporales, es decir, las estimaciones futuras vienen explicadas por los datos del pasado y no por variables independientes.
muertes.jpeg
“En el trabajo revisamos varios modelos, los más utilizados en matemática aplicada, con respecto a involucrar la incertidumbre que existe en esta pandemia. Predecir en este contexto, en el que no sabes si van a aumentar o disminuir los casos confirmados o las muertes, se utilizan estos modelos estadísticos. Tras utilizar varias metodologías concluimos que estos dos modelos son los más precisos”, apuntó Ferreira.
“En el trabajo revisamos varios modelos, los más utilizados en matemática aplicada, con respecto a involucrar la incertidumbre que existe en esta pandemia. Con eso concluimos que los modelos más adecuados son RIMA (modelo autorregresivo integrado de promedio móvil) para los casos confirmados y el método tendencia amortiguada, para muertes”.
El investigador también destacó que “hay otros modelos que se están utilizando. Por ejemplo, hay técnicas de Machine Learning, de aprendizaje automático, que también sirven para modelar este tipo de tendencias pero la diferencia está en que esas técnicas requieren más datos, más covariables para obtener una proyección aceptable. La ventaja nuestra es que estos modelos son bastante simples y están probados hace bastante tiempo en la literatura científica”.
Aún así, Ferreira afirmó que “el siguiente paso será desarrollar estas técnicas de aprendizaje automático para modelar el comportamiento de estas curvas, sujeto a la disponibilidad de grandes volúmenes de datos. Además, un análisis estadístico puede ser útil para encontrar relaciones entre la propagación del virus y los determinantes biopsicosociales de la salud chilena”.
Comentarios
Añadir nuevo comentario