Uso de los modelos epidemiológicos para mejorar el pronóstico de los contagios durante una pandemia

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

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.

Objective This research proposes a strategy based on the use of SIR-type epidemiological models (susceptible, infected and recovered) to improve the forecasts of the infection rate during the early stages of a pandemic outbreak.

Methods Data from the COVID-19 pandemic in Chile during 2020 are used, five projection methods frequently used in the literature are compared: (i) the random walk hypothesis, which serves as a Benchmark or reference estimate, (ii) ) an AutoRegressive Integrated Moving Average model, (iii) the Weibull probability function, (iv) the least-squares estimation and (v) an autoregressive vector model. The last two approaches incorporate as explanatory variables the contagion rate estimates themselves extracted from SIR-type models (in five of their simplest versions).

Results The evaluation of the quality of forecasts shows that the use of the information from the SIR model reduces the quadratic error of projection in the OLS and VAR strategies with respect to alternative methodologies that do not take advantage of the information that comes from the theoretical models. This result is robust to different time horizons.

Conclusions The study concludes that the epidemiological models, SIR style, contain relevant information to forecast the underlying trends in the infection rate in the short term. This implies that health authorities, which monitor the evaluation of a pandemic, in addition to basing their forecasts on official data, can use indirect information from structural theoretical models that have been previously calibrated or estimated.