Skip to main content

Modelo predictivo de evolución de la pandemia por COVID-19

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (3 votos, promedio: 4,67 de 5)
Cargando…

Desde el Dpto. de Innovación de Gfi España se ha desarrollado un modelo predictivo que nos permite pronosticar la evolución de la pandemia en los distintos países. En concreto se desarrollan dos tipos de modelos:

Corto Plazo – Modelo más preciso y se ajusta con los cambios dependiendo del día de la semana.

Medio/Largo Plazo- Este modelo predice la evolución de las cifras en base a las tendencias que se viene sucediendo desde el inicio de la pandemia.

Fundamentos

Se han utilizado modelos epidemiológicos de sistemas complejos. Los modelos epidemiológicos calculan los cambios en VARIABLES (número de infectados, fallecidos…) en base a una serie de PARÁMETROS. En concreto, el modelo utilizado es el modelo SIRD cuyas siglas marcan los 4 estados en los que se puede encontrar un individuo con respecto a la enfermedad: Susceptible, Infectado, Recuperado y Fallecido (Deceased, en inglés)

Los parámetros son porcentajes y miden el cambio de las variables en relación con el número de infectados actual, por ejemplo, una variación de 4 % de Recuperados quiere decir que por cada 100 infectados que había ayer se han recuperado 4. El modelo trata de predecir la evolución de estos parámetros a lo largo del tiempo. La creación de estos modelos entraña sin embargo una serie de retos:

Reto 1: No existen datos de susceptibles

No sabemos con certeza cuantas personas pueden ser contagiadas por el virus. El modelo propuesto incluye esta variable como parámetro.

Reto 2: Inestabilidad de los modelos

Los datos a los que se accede para el análisis son los datos públicos ofrecidos por las distintas organizaciones y gobiernos. El método de conteo varía y se producen errores. Gracias a la revisión diaria se consigue corregir a tiempo errores de estimación graves.

Reto 3: Acciones que produzcan cambios en el comportamiento de la pandemia

La respuesta de los gobiernos a la pandemia está siendo distinta en cada país además de que la pandemia no llega a la vez en todo el planeta. Se cuenta con modelos específicos por país.

Procedimiento

Para crear la herramienta, se han seguido los siguientes pasos

Obtención de datos

Los datos que se utilizan provienen de la Universidad John Hopkins que utiliza diversas fuentes para formar una base de datos de casos confirmados, recuperados y fallecidos.

Desarrollo de los modelos

Con todos los datos se crea un notebook en el que se realiza análisis exploratorio y los dos tipos de modelos, uno que usa análisis de series temporales usando tendencias y variaciones diarias, que será el utilizado para corto plazo mientas que para medio/largo plazo se utilizan modelos ARIMA.

Automatización del proceso

Se generan diversos archivos de lenguaje R de forma que se pueda ejecutar el código de todos los pasos de forma automática en servidor.

Creación del cuadro de mandos

Se crea una serie de visualizaciones que se alojan en un servidor dedicado.

Mejoras a futuro

Esta herramienta no es estática, sino que se plantean una serie de modificaciones para mejorarla:

  • Inclusión de más países: Actualmente hay 15 países, pero hay planes para incluir más.
  • Diagnóstico de países: Analizar el desarrollo de la pandemia por país para determinar a qué países ha afectado más.
  • Simulación de oleadas en base a comportamientos pasados. Si conocemos cómo se ha comportado anteriormente podemos simular que ocurriría si hubiese una nueva oleada de la enfermedad
Adrian Carrasco

Adrian Carrasco

Adrian Carrasco ha escrito 1 entradas


Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.