Previsión de COVID-19 mediante modelo de series temporales en pacientes de una clínica de salud rural

Resumen

Introducción: Los modelos de series temporales son herramientas valiosas para anticipar valores futuros de la COVID-19 basándose en patrones históricos.

Objetivo: Prever la COVID-19 mediante modelo de series temporales en pacientes de una clínica de la zona rural del Ecuador.

Métodos: El estudio fue de nivel predictivo. La población de estudio incluyó pacientes con diagnóstico de COVID-19 atendidos en la clínica. La variable de interés fue el número de casos de COVID-19, y se utilizaron variables relacionadas con el tiempo y los parámetros del modelo de series temporales (alfa, gamma y delta) para las predicciones. Se creó un modelo de series temporales, cuya validación utilizó la prueba Ljung-Box y otras pruebas de bondad de ajuste.

Resultados: Los resultados revelaron un R cuadrado estacionaria de -2,190 y un R cuadrado de 0,658, lo que sugirió una adecuada capacidad del modelo para capturar la tendencia. El RMSE (Error Cuadrático Medio) fue de 8,271, indicando una precisión razonable de las predicciones, mientras que el MAPE (Error Porcentual Absoluto Medio) fue de 18,970, representando una precisión relativa aceptable. El MaxAPE (Máximo Error Porcentual Absoluto) alcanzó el 49,501, y el MAE (Error Absoluto Medio) y el MaxAE (Máximo Error Absoluto) fueron de 4,783 y 14,850, respectivamente.

Conclusiones: Los parámetros del modelo de suavizado exponencial indicaron que las observaciones pasadas tuvieron un impacto moderado en el nivel y la tendencia del modelo, mientras que la estacionalidad apenas afectó la predicción. Los valores de significancia sugirieron que estos parámetros no eran estadísticamente significativos en este contexto.