Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19

Abstract

Introducción: Los modelos epidemiológicos han sido ampliamente utilizados durante la pandemia de COVID-19, aunque la evaluación de su desempeño ha sido limitada. El objetivo del presente trabajo fue evaluar de forma retrospectiva un modelo SEIR para la predicción de casos a corto plazo (1 a 3 semanas), cuantificando su desempeño real y potencial, mediante la optimización de los parámetros del modelo. Métodos: Se realizaron proyecciones para cada día de la primera ola de casos (31 de julio de 2020 al 11 de marzo de 2021) en el municipio de General Pueyrredón (Argentina), cuantificando el desempeño del modelo en términos de incertidumbre, inexactitud e imprecisión. La evaluación se realizó con los parámetros originales del modelo (utilizados en proyecciones que fueron oportunamente publicadas), y luego variando distintos parámetros a fin de identificar valores óptimos. Resultados: El análisis del desempeño del modelo mostró que valores alternativos de algunos parámetros, y la corrección de los valores de entrada utilizando un filtro de “media móvil” para eliminar las variaciones semanales en los reportes de casos, habrían otorgado mejores resultados. El modelo con los parámetros optimizados logró disminuir desde casi 40% a menos de 15% la incertidumbre, con valores similares de inexactitud, y con una imprecisión levemente mayor. Discusión: Modelos epidemiológicos sencillos, sin grandes requerimientos para su implementación, pueden ser de utilidad para la toma de decisiones rápidas en localidades pequeñas o con recursos limitados, siempre y cuando se tenga en cuenta la importancia de su evaluación y la consideración de sus alcances y limitaciones.

Introduction: Epidemiological models have been widely used during the COVID-19 pandemic, although performance evaluation has been limited. The objective of this work was to thoroughly evaluate a SEIR model used for the short-term (1 to 3 weeks) prediction of cases, quantifying its actual past performance, and its potential performance by optimizing the model parameters. Methods: Daily case forecasts were obtained for the first wave of cases (July 31, 2020 to March 11, 2021) in the district of General Pueyrredón (Argentina), quantifying the model performance in terms of uncertainty, inaccuracy and imprecision. The evaluation was carried out with the original parameters of the model (used in the forecasts that were published), and also varying different parameters in order to identify optimal values. Results: The analysis of the model performance showed that alternative values of some parameters, and the correction of the input values using a “moving average” filter to eliminate the weekly variations in the case reports, would have yielded better results. The model with the optimized parameters was able to reduce the uncertainty from almost 40% to less than 15%, with similar values of inaccuracy, and with slightly greater imprecision. Discussion: Simple epidemiological models, without large requirements for their implementation, can be very useful for making quick decisions in small cities or cities with limited resources, as long as the importance of their evaluation is taken into account and their scope and limitations are considered.