Implementación de un modelo de pronóstico de series de tiempo para estiman exceso de muertes en Brasil en 2020
DOI:
https://doi.org/10.59681/2175-4411.v16.2024.1003Palabras clave:
Serie de tiempo, modelo predictivo, Demasiadas muertes, Subnotificación de muertes por COVID-19Resumen
Objetivos: Comprender el comportamiento de la pandemia de Covid-19 en el escenario nacional y describir cómo afectó la tasa de mortalidad. Métodos: Implementar un modelo predictor, utilizando conceptos de modelado ARIMA y datos extraídos de la base de datos del Sistema Único de Salud, para estimar el número de muertes causadas por COVID-19 en Brasil durante 2020. Resultados: se estima que el COVID-19 ha contribuido, en promedio, a un superávit de 713 muertes diarias. Conclusión: incluso considerando los registros de muertes por COVID-19 sobre el resultado de la predicción, se observa que la combinación está por debajo de la curva real, lo que indica que hay subregistro de muertes causadas por esta enfermedad durante el año 2020 en Brasil.
Citas
PHELAN AL, KATZ R, GOSTIN LO. The novel coronavirus originating in Wuhan, China: challenges for global health governance. JAMA. 2020;323(8):709-10. DOI: https://doi.org/10.1001/jama.2020.1097
CUCINOTTA D, VANELLI M. WHO declares COVID-19 a pandemic. Acta Bio Medica: Atenei Parmensis. 2020;91(1):157.
HALEEM A, JAVAID M, VAISHYA R. Effects of COVID-19 pandemic in daily life. Current medicine research and practice. 2020;10(2):78. DOI: https://doi.org/10.1016/j.cmrp.2020.03.011
Morato MM, Bastos SB, Cajueiro DO, Normey-Rico JE. An optimal predictive control strategy for COVID-19 (SARS-CoV-2) social distancing policies in Brazil. Annual re- views in control. 2020;50:417-31. DOI: https://doi.org/10.1016/j.arcontrol.2020.07.001
Orellana JDY, da Cunha GM, Marrero L, Moreira RI, da Costa Leite I, Horta BL. Ex- cesso de mortes durante a pandemia de COVID-19: subnotificação e desigualdades regionais no Brasil. Cadernos de Saúde Pública. 2021;37(1):e00259120. DOI: https://doi.org/10.1590/0102-311x00259120
SHUMWAY RH, STOFFER DS. Time series analysis and its applications. New York: Springer; 2000. DOI: https://doi.org/10.1007/978-1-4757-3261-0
CHATFIELD C. The analysis of time series: an introduction. New York: Chapman and hall/CRC, Routledge, 7th edition; 2019.
Brownlee J. Introduction to time series forecasting with python: how to prepare data and develop models to predict the future. Machine Learning Mastery; 2017.
Box GEP, Jenkins GM, Reinsel GC, Ljung GM. Time series analysis: forecasting and control. Wiley; 5th edition; 2015.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Lucas F. Mateus, Fabricio Ourique, Analucia Schiaffino Morales, Millena Nayara da Silva
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
