Predicción de infectados por Covid-19 en el Perú por el modelo de media móvil integrada autorregresiva
-
Published:2022-08-01
Issue:1
Volume:21
Page:1-9
-
ISSN:2617-6033
-
Container-title:Ciencia & Desarrollo
-
language:
-
Short-container-title:CYD
Author:
Aro Huanacuni Alex YounORCID
Abstract
Durante el brote del virus Covid-19, varios investigadores han estudiado diversos modelos matemáticos de pronóstico de infecciones y muertes; así como, la tasa de contagio del virus. En la actualidad sigue vigente el virus con algunas variantes y conocer su comportamiento es de mucha importancia para desarrollar acciones efectivas en el control de la situación actual y futura de la epidemia. El objetivo fue predecir la cantidad de infectados acumulados por Covid-19, de 38 días, a partir de 23 de diciembre del 2021, utilizando los datos registrados en la Organización Mundial de la Salud (OMS), del caso Perú, y realizando entrenamientos del modelo de media móvil integrada autorregresiva (ARIMA) en el software Python 3. Los modelos más óptimos obtenidos con datos reales de número de casos infectados y muertes diarias por Covid-19, según los parámetros estadísticos EMPA y R2 fueron ARIMA(3,0,1) en la predicción de casos diarios con EMPA=0,178 y R2=0,804 y ARIMA(3,1,1), con EMPA= 0,243 y R2=0,579, en la predicción de muertes diarias. En los cinco modelos aplicados en el periodo de predicción, se estimó un promedio de 53518 personas infectadas por Covid-19.
Publisher
Universidad Nacional Jorge Basadre Grohmann
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference24 articles.
1. Adhikari, S. P., Meng, S., Wu, Y., Mao, Y., Ye, R., Wang, Q., Sun, C., Sylvia, S., Rozelle, S., Raat, H., & Zhou, H. (2020). A scoping review of 2019 Novel Coronavirus during the early outbreak period: Epidemiology, causes, clinical manifestation and diagnosis, prevention and control. Infectious Diseases of Poverty, 1–12. https://doi.org/10.21203/rs.2.24474/v1 2. Agrawal, U., Katikireddi, S. V., McCowan, C., Mulholland, R. H., Azcoaga-Lorenzo, A., Amele, S., Fagbamigbe, A. F., Vasileiou, E., Grange, Z., Shi, T., Kerr, S., Moore, E., Murray, J. L. K., Shah, S. A., Ritchie, L., O'Reilly, D., Stock, S. J., Beggs, J., Chuter, A., … Sheikh, A. (2021). COVID-19 hospital admissions and deaths after BNT162b2 and ChAdOx1 nCoV-19 vaccinations in 2·57 million people in Scotland (EAVE II): a prospective cohort study. The Lancet Respiratory Medicine, 9(12), 1439–1449. https://doi.org/10.1016/s2213-2600(21)00380-5 3. Awan, T. M., & Aslam, F. (2020). Prediction of daily COVID-19 cases in European countries using automatic ARIMA model. Journal of Public Health Research, 9(3), 227–233. https://doi.org/10.4081/jphr.2020.1765 4. Ayele, A. W., Zewdie, M. A., & Bayko, T. (2020). Modeling and Forecasting the Global Daily Incidence of Novel Coronavirus Disease ( COVID-19 ): An Application of Autoregressive Moving Average ( ARMA ) Model. International Journal of Public Health and Safety, 5(April). 5. Barandalla, I., Alvarez, C., Barreiro, P., de Mendoza, C., González-Crespo, R., & Soriano, V. (2021). Impact of scaling up SARS-CoV-2 vaccination on COVID-19 hospitalizations in Spain. International Journal of Infectious Diseases, 112, 81–88. https://doi.org/10.1016/j.ijid.2021.09.022
|
|