Modelación y predicción de la fasciolosis en villa clara, Cuba

Abstract

El objetivo de la investigación consistió en modelar y pronosticar el comportamiento de la fasciolosis total en la provincia Villa Clara, Cuba hasta el año 2020. La investigación abarcó el periodo comprendido entre enero del 2004 hasta junio del 2015. Se utilizaron dos metodologías: la Metodología Objetiva Regresiva (ROR) y la regresión con variables Dummy. Se elaboraron tres modelos, el primero fue el de la variable climática que mayor influencia tuvo en la fasciolosis utilizando variables dummy, segundo una modelación utilizando variables Dummy de la fasciolosis, y un tercer modelo, con el empleo de la metodología ROR utilizando como variables independientes las predichas en los modelos anteriores. Se obtuvieron coeficientes de correlación entre el valor real y el pronóstico de R=0,99 para el modelo 1, con un error de 0,88 ºC para el modelo 2, R=0,92 con un error de 89,08 casos, y para el tercer modelo R=0,94 con un error de 76,37. La tendencia de la fasciolosis es positiva al aumento en 7,91 casos, donde un aumento de temperatura mínima de un grado trajo aparejado, una disminución de la fasciolosis en 3,8 casos, por lo que para el año 2020 deben presentarse valores superiores a los del 2015 si se mantiene la tendencia al aumento de la fasciolosis, con valores inferiores a los 300 casos. Se concluye que la tendencia para la temperatura mínima y la fasciolosis fue significativa al aumento hasta el año 2020. El modelo 3 fue el de menores errores. Debe prestarse atención esmerada a los planes de prevención de esta enfermedad para disminuir el impacto que esta pueda tener en la población.

Modeling of a Positive Case of Covid-19 Through Regressive Objective Regression Without Doing PCR

“…When analyzing the predictions for the confirmed cases to COVID-19 in the Teaching Polyclinic "Marta Abreu" without doing PCR through the Objective Regressive Regression, we can appreciate that the mathematical model has followed what happened in reality, this is the most important result, which coincides with results obtained in previous years for other entities and living organisms González et al, (Fimia et al, 2017;Osés et al, 2017;Fimia et al, 2019), agreeing also, with other models applied for COVID-19 in other countries (Prem et al, 2020). By analyzing the concordance between the Actual value of the Patient Order Number (No) and the non-standardized predicted value, it allowed to determine the actual and predicted value of the number of the positive patient without doing PCR.…”

“…The Regressive Objective modeling (ROR) is based on a combination of Dummy variables with ARIMA modeling, where only two Dummy variables are created and the trend of the series is obtained; it requires few cases to be used and also allows using exogenous variables that make it possible to model and forecast in the long term, depending on the exogenous variable; it has given better results than ARIMA in some variables, such as HIV modeling, entities of viral etiology/arbovirosis and parasitic entities (Osés & Grau, 2011;Fimia et al , 2017;Osés et al, 2020).…”

“…Infectious diseases have historically had a great impact on morbidity and mortality (Gubler, 2002), which surely led to the prediction of the evolution of epidemics for centuries (Osés et al, 2017).…”