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

Accuracy of COVID-19 propagation forecast in Colombia

Introducción: el nuevo Coronavirus (COVID-19) ha sido clasificado por la Organización Mundial de la Salud como una emergencia en salud pública de importancia internacional (ESPII). Se han reconocido casos en todos los continentes. El 6 de marzo de 2020 se confirmó el primer caso en Colombia. Objetivo: presentar la precisión de un pronóstico de la dinámica de transmisión del COVID-19 en Colombia. Metodología: para desarrollar la investigación se utilizó la base de datos de las personas infectadas con el Covid-19, esta información corresponde al período 6 de marzo al 14 de abril de 2020.  Para su análisis de predicción se manejó el método modelo de Brown, utilizando el paquete estadístico SPSS v.25. Resultados: se apreció que el error de pronóstico fue muy bajo y correspondió al MAPE (error porcentual medio absoluto), con un 0,03%, seguido del MAD (desviación media absoluta), con un valor de 0,95, es decir que en ambos casos la predicción obtuvieron un alto grado de confiabilidad. Conclusiones: el uso de modelación matemática se ha desarrollado en grado representativo en las últimas décadas y son de gran impulso para ilustrar escenarios eficaces de prevención y control de enfermedades infectocontagiosas.

1. 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
2. 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
3. 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
4. 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
5. 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
6. 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
7. 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
8. Modelos de pronóstico. Suavización Exponencial Doble Método de Brown
9. Ajuste a la Tendencia [Internet]. 2020 [citado 2020 abril 04]. Recuperado de: http://modelosdepronosticos.info/metodo_de_suavizacion_exponencial_doble_metodo_de_brown.html
10. Coutin, M, Gisele. Pronósticos de mortalidad por enfermedades no transmisibles seleccionadas. Rev Cubana Hig Epidemiol. 2008;46(3):1-14
11. 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
12. 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
13. Betancourt, D. F. Medición del error en pronósticos de demanda [Internet]. 2016 [citado 2020 abril 13]. Recuperado de: https://ingenioempresa.com/medicion-error-pronostico/
14. 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.
15. 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/
16. 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
17. 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
19. Steyerberg E. Clinical prediction models. A practical approach to development, validation, and updating. United State: Springer; 2009.
20. 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