Accuracy of COVID-19 propagation forecast in Colombia

Precisión del pronóstico de la propagación del COVID-19 en Colombia

Main Article Content

Jorge Enrique Díaz Pinzón

Abstract

Introduction: the new Coronavirus (COVID-19) has been declared by the World Health Organization as a public health emergency of international concern (PHEIC). Cases have been reported on all continents. The first case was confirmed in Colombia on March 6 2020. Objective: to present the accuracy of a forecast of the dynamics of COVID-19 in Colombia. Methodology: the database including people infected with Covid-19 was used to develop the research. This information corresponds to the period between March 6 and April 14 2020.  The Brown´s model method was used for the predictive analysis in the SPSS v.25 statistical package. Results: it was observed that the prediction error value was very low and corresponds to a mean absolute percentage error (MAPE) of 0.03%, followed by a mean absolute deviation (MAE) of 0.95, hence, in both cases the quality of prediction had a high degree of reliability. Conclusions: in the last decades, the use of mathematical models has been developed at a representative degree, providing a major impetus for illustrating effective scenarios of infectious disease prevention and control.

Keywords:

Downloads

Download data is not yet available.

Article Details

Author Biography

Jorge Enrique Díaz Pinzón

. Ingeniero. Magister en Gestión de la Tecnología Educativa, Especialista en

Administración de la Informática Educativa. Docente de matemáticas e

Investigador. Secretaría de Educación de Soacha, Cundinamarca, Colombia.

orcid.org/0000-0002-8870-7769

References

Organización Mundial de la Salud. OMS. Preguntas y respuestas sobre la enfermedad por coronavirus (COVID-19) [Internet]. 2020 [citado 2020 marzo 26]. Recuperado de: https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-public/q-a-coronaviruses

Ministerio de Salud y protección Social. Orientaciones para el tamizaje de viajeros procedentes de zonas con circulación del nuevo coronavirus (covid-19) [Internet]. 2020 [citado 2020 marzo 26]. Recuperado de: https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/asif04-guia-tamizaje-poblacional-puntos-entrada-coronavirus.pdf

ISCIII. Informe sobre la situación de COVID-19 en España. 2020 [Internet]. 2020 [citado 2020 marzo 26]. Recuperado de: https://www.isciii.es/QueHacemos/Servicios/VigilanciaSaludPublicaRENAVE/EnfermedadesTransmisibles/Paginas/InformesCOVID-19.aspx

Chaccour, C. COVID-19: Cinco respuestas de salud pública diferentes ante la epidemia [Internet]. 2020 [citado 2020 marzo 26]. Disponible en: https://www.isglobal.org/healthisglobal/-/custom-blog-portlet/covid-19-cinco-respuestas-de-salud-publica-diferentes-ante-la-epidemia/2877257/0

Montesinos, O. Hernández, C. Modelos matemáticos para enfermedades infecciosas [Internet]. 2020 [citado 2020 mar 26]. Recuperado de: https://www.scielosp.org/pdf/spm/2007.v49n3/218-226

Manterola, C; Santander, C; Otzen, T. Cómo valorar e interpretar un artículo sobre pronóstico. Rev Chil Cir. 2013;65(1):77-84. doi: http://dx.doi.org/10.4067/S0718-40262013000100015

IBM. Modelos personalizados de suavizado exponencial [Internet]. 2010 [citado 2020 marzo 26]. Recuperado de: https://www.ibm.com/support/knowledgecenter/es/SSLVMB_sub/statistics_mainhelp_ddita/spss/trends/idh_idd_exp_smooth_crit.html

Modelos de pronóstico. Suavización Exponencial Doble Método de Brown

Ajuste a la Tendencia [Internet]. 2020 [citado 2020 abril 04]. Recuperado de: http://modelosdepronosticos.info/metodo_de_suavizacion_exponencial_doble_metodo_de_brown.html

Coutin, M, Gisele. Pronósticos de mortalidad por enfermedades no transmisibles seleccionadas. Rev Cubana Hig Epidemiol. 2008;46(3):1-14

Ramos, D. Bacca, A. Importancia de la planeación de la demanda en una empresa del sector industrial [Internet]. 2014 [citado 2020 abril 7]. Recuperado de: https://core.ac.uk/download/pdf/143448212.pdf

Villareal, F. Introducción a los Modelos de Pronósticos [Internet]. 2016 [citado 2020 abril 7]. Recuperado de: https://www.matematica.uns.edu.ar/uma2016/material/Introduccion_a_los_Modelos_de_Pronosticos.pdf

Betancourt, D. F. Medición del error en pronósticos de demanda [Internet]. 2016 [citado 2020 abril 13]. Recuperado de: https://ingenioempresa.com/medicion-error-pronostico/

Galindo-Uribarri, S; Rodríguez- Meza, M; Cervantes-Cota, J. Las matemáticas de las epidemias: caso México 2009 y otros. Ciencia Ergo Sum. 2009;20(3):238-246.

Navarro-Robles, E. Martínez-Matsushita, L; López-Molina, R; Fritz-Hernández, F; Flores-Aldana, B; Mendoza-Pérez, J. Modelo para estimación del comportamiento epidémico de la influenza A (H1N1) en México [Internet]. 2011 [citado 2020 abril 04]. Recuperado de: https://scielosp.org/article/rpsp/2012.v31n4/269-274/

BMJ 2020. Modelos de predicción para el diagnóstico y pronóstico de la infección por covid-19: revisión sistemática y valoración crítica. [Internet]. 2020 [citado 2020 abril 23]. Recuperado de: https://www.bmj.com/content/369/bmj.m1328

Van Calster B, McLernon DJ, van Smeden M, Wynants L, Steyerberg EW. Calibration: the Achilles heel of predictive analytics. BMC medicine. 2019;17(1):230. http://dx.doi.org/10.1186 / s12916-019-1466-7

Steyerberg E. Clinical prediction models. A practical approach to development, validation, and updating. United State: Springer; 2009.

Riley RD, Ensor J, Snell KI, Debray TP, Altman DG, Moons KG, et al. External validation of clinical prediction models using big datasets from e-health records or IPD meta-analysis: opportunities and challenges. BMJ. 2016;353:i3140. http://dx.doi.org/10.1136/bmj. i3140

Citado por