Modelos estadísticos para las predicciones de la COVID-19 en Cuba

RESUMEN

RESUMEN Introducción: Los estudios basados en modelos estadísticos juegan un papel importante para las predicciones sobre la COVID-19. Objetivo: Realizar un análisis de modelación estadística combinando 6 modelos de pronósticos para predecir la aparición de casos positivos diarios, activos y fallecidos por COVID-19 en Cuba. Métodos: Se utilizaron los datos reportados diariamente del 11 de marzo al 25 de mayo publicados en el sitio web CUBADEBATE. A los modelos propuestos se les calculó el desempeño mediante los estadísticos MAE, RMSE, MAPE y ME así como el análisis de residuales. Resultados: Los modelos A y B dan una tendencia constante de 8 y 9 casos positivos respectivamente para el día 22 de julio. El modelo C indica una ligera disminución de los casos con 4 ese mismo día y el modelo D una tendencia al aumento con 19 casos. . El modelo E refleja un mínimo de 126 casos el día 3 de junio y luego un aumento de los casos hasta alcanzar el 22 de julio un valor de 374 casos activos hospitalizados. En el modelo F se apreció una tendencia a mantenerse constante el número de fallecidos por encima de 80 casos en la primera quincena de julio. Conclusiones: Los 6 modelos estudiados cumplen con las pruebas estadísticas, de desempeño y residuales. Sus datos proporcionan un pronóstico para la COVID-2019, representando una herramienta válida.

ABSTRACT

ABSTRACT Introduction: Studies based on statistical models play an important role for predictions about COVID-19. Objective: To carry out a statistical modeling analysis combining 6 forecast models to predict the appearance of daily positive cases, active and deceased by COVID-19 in Cuba. Method: Data reported daily from March 11 to May 25 from the CUBADEBATE website were used, which were processed and analyzed. The performance of the models was calculated Mean absolute error (MAE), root of the mean square error (RMSE), percent of mean absolute error (MAPE) and the mean error (ME) as well as the residual analysis. Results: Models A and B gave a constant trend between 8 and 9 cases of until July 22. Model C indicated a decrease in cases with 4 that same day and model D indicated a raise to 19 cases. Model E indicated a minimum of 126 cases on June E and then a raise to 374 hospitalized cases. Deceases cases had a constant tendency in deceases numbers above of 80 cases in first 15 days of July. Conclusions: The 6 models studied meet the statistical , performance and residual tests. Their data provides a forecast for COVID2019, representing a valid tool.