Use of epidemiological models to improve the forecasting of infections during a pandemic

Abstract

[ES] Objetivo: Esta investigación propone una estrategia basada en el uso de los modelos epidemiológicos tipo SIR (susceptibles, infectados y recuperados) para mejorar los pronósticos de la tasa de contagios durante las primeras etapas de un brote pandémico. Métodos: Se utilizan datos de la pandemia COVID-19 en Chile durante el 2020, se comparan cinco métodos de proyección de uso frecuente en la literatura: (i) la hipótesis del paseo aleatorio, que sirve de benchmark o estimación de referencia, (ii) un modelo AutoRegressive Integrated Moving Average, (iii) la función de probabilidad Weibull, (iv) la estimación mínimo-cuadrática y (v) un modelo de vectores autorregresivo. Los dos últimos enfoques incorporan como variables explicativas las propias estimaciones de la tasa de contagio extraídas de modelos tipo SIR (en cinco de sus versiones más simples). Resultados: La evaluación de la calidad de pronósticos muestra que el uso de la información del modelo SIR reduce el error cuadrático de proyección en las estrategias MCO y VAR con respecto a las metodologías alternativas que no aprovechan la información que proviene de los modelos teóricos. Este resultado es robusto a diferentes horizontes temporales. Conclusiones: El estudio concluye que los modelos epidemiológicos, estilo SIR, contienen información relevante para pronosticar las tendencias subyacentes de la tasa de contagios en el corto plazo. Esto implica que las autoridades sanitarias, que hacen seguimiento a la evaluación de una pandemia, además de basar sus previsiones en los datos oficiales, pueden utilizar información indirecta proveniente de modelos teóricos estructurales que han sido previamente calibrados o estimados