Para predecir el número de casos confirmados y muertes por COVID-19 en Chile, los investigadores compararon diferentes metodologías de 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.
“Analizamos distintos modelos de series de tiempo: ARIMA, suavizado exponencial, modelos de espacio de estados, el enfoque bayesiano y el modelo GLARMA y concluimos que, a partir del conjunto de datos utilizado en esta investigación, el modelo más apropiado, es el modelo de series de tiempo ARIMA para predecir el número de casos confirmados de COVID-19, mientras que para predecir el número de muertes por COVID-19 en Chile, el enfoque más adecuado es el método tendencia amortiguada, el cual es una generalización del método de suavizamiento exponencial”, explica el Dr. Ferreira.
Estos métodos de estimación presentados en este estudio serán útiles para los investigadores que deseen estudiar las características de propagación de la pandemia por COVID-19, y por ende aportar en la realización de políticas de salud oportunas y eficientes por parte de los gobiernos.
“El siguiente paso será desarrollar 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”, finaliza el Dr. Ferreira.
Más información sobre la investigación: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0245414
