Modelación matemática y estadística de las notificaciones de infectados por viruela símica en Colombia

Abstract

Debido al rebrote de viruela símica en el año 2022, cuando aún no se superaban totalmente las consecuencias dejadas por la pandemia del Covid-19, surge un gran interés por investigar y monitorear el comportamiento de esta enfermedad resurgente. En este trabajo de investigación, se modelan los datos acumulados del número de infectados diarios por viruela símica en Colombia mediante modelos matemáticos, estadísticos y computacionales. Se ajustan a los datos cuatro tipos de modelos: un modelo SARIMA de la teoría de series de tiempo, un modelo autorregresivo neuronal de la teoría de aprendizaje de máquinas y dos modelos matemáticos, el modelo de crecimiento logístico y el modelo SIR; también se explorarán algunas mezclas de modelos desde un enfoque híbrido con el fin de evaluar si mejoran las predicciones y si disminuyen las métricas de precisión. Basado en dichas métricas se selecciona el modelo que mejor se ajusta a las notificaciones de casos. Los modelos obtenidos permiten entender el comportamiento de la viruela símica y provee información relevante para la toma de decisiones con respecto a la enfermedad.

Due to the resurgence of monkeypox in 2022, when the consequences left by the Covid-19 pandemic had not been fully overcome, it is of great interest to research and monitor the behavior of this resurgent disease. In this research work, the cumulative notifications of the daily infected cases by monkeypox in Colombia are modeled through some mathematical, statistical and computational models. Four types of models are fitted to the data: a SARIMA model from time series theory, an autoregressive neural network model from machine learning theory, and two mathematical models, the logistic growth model and the SIR model; Some mixtures of models from a hybrid approach will be explored in order to evaluate if they improve predictions and decrease accuracy metrics. Based on these metrics, the model that best fits the cumulative notifications is selected. The models allow us to understand the behavior of monkeypox data and provide relevant information for decision making regarding the disease.