Modelación de enfermedades infecciosas mediante métodos estadísticos predictivos: aplicación a datos de leptospirosis

LLOP MARIA JOSE; LLOP PAMELA; LÓPEZ, MARÍA SOLEDAD; GÓMEZ, ANDREA; MÜLLER, GABRIELA

Congreso; 1er Encuentro Virtual de Jóvenes Investigadores e Investigadoras de la Asociación de Universidades Grupo Montevideo (AUGM); 2020

La leptospirosis es una enfermedad infecciosa sensible a las condiciones hidro-climáticas. Particularmente la región noreste de Argentina presenta una incidencia considerable, dadas sus condiciones hidrológicas ya que en ella se encuentran importantes ríos como el Paraná y el Uruguay. La implementación de métodos estadísticos es una herramienta útil para predecir brotes de Leptospirosis, incorporando covariables hidro-climáticas, y consecuentemente ayudar a mejorar la respuesta de los sistemas de salud en las áreas afectadas.En este trabajo se realiza un estudio comparativo de diferentes métodos estadísticos (paramétricos, no paramétricos y semiparamétricos) aplicados en la predicción de brotes de leptospirosis en tres importantes ciudades de la provincia de Santa Fe y Entre Ríos (Argentina). Para alcanzar este objetivo se utiliza el número de casos de leptospirosis observados mensualmente durante el período 2009-2018 en las ciudades de Paraná, Santa Fe y Rosario, así como covariables hidroclimáticas que están relacionadas con los brotes.Los métodos estadísticos clásicos utilizados en el análisis de series de tiempo son los autorregresivos. El más general de ellos es el Modelo Autorregresivo Integrado de Medias Móviles (ARIMA). El mismo modela la variable respuesta linealmente en función de sus valores pasados y de varios valores pasados de un término estocástico. Una extensión de este modelo es el Modelo Autorregresivo Integrado de Medias Móviles con Covariables (ARIMAX). Por otro lado, los métodos no paramétricos resultan una alternativa más flexible cuando los datos no cumplen los requerimientos de linealidad del modelo de los métodos autorregresivos. En este trabajo se utilizan particularmente estimadores para series de tiempo por núcleos: Un estimador clásico con un núcleo y un método alternativo que involucra dos núcleos, uno que controla la diferencia entre los valores de la serie y otro que controla las distancias entre los tiempos. Como método semiparamétrico se utiliza el Modelo de Regresión Parcialmente Lineal Semi-funcional (SFPLR). Este es un método muy flexible que involucra dos términos, uno que modela linealmente las covariables y otro que modela no paramétricamente la variable respuesta. Este método considera una muestra de curvas (datos funcionales) que resultan de fraccionar la serie de tiempo total en períodos de tiempo más cortos (por ejemplo, años) e incorpora al modelo un dato funcional en lugar de varios valores pasados de la serie. Además, como las covariables están incluidas en el término paramétrico del modelo, el mismo no presenta problemas de dimensionalidad. Para evaluar el desempeño predictivo de estos métodos se utilizan dos criterios de eficiencia: el error cuadrático medio y el criterio de Nash-Sutcliffe. Los resultados indican que los métodos semiparamétricos y no paramétricos resultan más eficientes al predecir el número de casos de leptospirosis. Particularmente en las ciudades de Santa Fe y Paraná, el método semifuncional tuvo un mejor desempeño mientras que en la ciudad de Rosario el método no paramétrico con dos núcleos reveló mejores resultados.Concluimos que los métodos más flexibles como los semiparamétricos y no paramétricos presentan ventajas sobre los métodos paramétricos y son una herramienta útil para predecir brotes de leptospirosis.