Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases

Autores
Pereyra Irujo, Gustavo Adrian; Velázquez, Luciano; Perinetti, Andrea
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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.
EEA Balcarce
Fil: Pereyra Irujo, Gustavo Adrian. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Balcarce. Instituto de Innovación para la Producción Agropecuaria y el Desarrollo Sostenible; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Innovación para la Producción Agropecuaria y el Desarrollo Sostenible; Argentina
Fil: Velázquez, Luciano. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina
Fil: Perinetti, Andrea. Universidad Nacional de Mar del Plata. Escuela Superior de Medicina; Argentina
Fuente
Medicina (Buenos Aires) 83 (4) : 558-568 (jul.-ago. 2023)
Materia
COVID-19
Epidemiología
Técnica de Predicción
Epidemiology
Forecasting
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/17706

id INTADig_af0853d2aebf532fc25eb6d8107cff8c
oai_identifier_str oai:localhost:20.500.12123/17706
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 casesPereyra Irujo, Gustavo AdrianVelázquez, LucianoPerinetti, AndreaCOVID-19EpidemiologíaTécnica de PredicciónEpidemiologyForecastingIntroducción: 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.EEA BalcarceFil: Pereyra Irujo, Gustavo Adrian. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Balcarce. Instituto de Innovación para la Producción Agropecuaria y el Desarrollo Sostenible; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Innovación para la Producción Agropecuaria y el Desarrollo Sostenible; ArgentinaFil: Velázquez, Luciano. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; ArgentinaFil: Perinetti, Andrea. Universidad Nacional de Mar del Plata. Escuela Superior de Medicina; ArgentinaFundación Medicina (Buenos Aires)2024-05-13T10:59:11Z2024-05-13T10:59:11Z2023-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/17706https://www.medicinabuenosaires.com/indices-de-2020/volumen-83-ano-2023-n4/1669-9106Medicina (Buenos Aires) 83 (4) : 558-568 (jul.-ago. 2023)reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2025-09-29T13:46:31Zoai:localhost:20.500.12123/17706instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2025-09-29 13:46:32.142INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
title Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
spellingShingle Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
Pereyra Irujo, Gustavo Adrian
COVID-19
Epidemiología
Técnica de Predicción
Epidemiology
Forecasting
title_short Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
title_full Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
title_fullStr Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
title_full_unstemmed Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
title_sort Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 = Quantitative evaluation of a SEIR model for forecasting COVID-19 cases
dc.creator.none.fl_str_mv Pereyra Irujo, Gustavo Adrian
Velázquez, Luciano
Perinetti, Andrea
author Pereyra Irujo, Gustavo Adrian
author_facet Pereyra Irujo, Gustavo Adrian
Velázquez, Luciano
Perinetti, Andrea
author_role author
author2 Velázquez, Luciano
Perinetti, Andrea
author2_role author
author
dc.subject.none.fl_str_mv COVID-19
Epidemiología
Técnica de Predicción
Epidemiology
Forecasting
topic COVID-19
Epidemiología
Técnica de Predicción
Epidemiology
Forecasting
dc.description.none.fl_txt_mv 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.
EEA Balcarce
Fil: Pereyra Irujo, Gustavo Adrian. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Balcarce. Instituto de Innovación para la Producción Agropecuaria y el Desarrollo Sostenible; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Innovación para la Producción Agropecuaria y el Desarrollo Sostenible; Argentina
Fil: Velázquez, Luciano. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina
Fil: Perinetti, Andrea. Universidad Nacional de Mar del Plata. Escuela Superior de Medicina; Argentina
description 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.
publishDate 2023
dc.date.none.fl_str_mv 2023-07
2024-05-13T10:59:11Z
2024-05-13T10:59:11Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12123/17706
https://www.medicinabuenosaires.com/indices-de-2020/volumen-83-ano-2023-n4/
1669-9106
url http://hdl.handle.net/20.500.12123/17706
https://www.medicinabuenosaires.com/indices-de-2020/volumen-83-ano-2023-n4/
identifier_str_mv 1669-9106
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Fundación Medicina (Buenos Aires)
publisher.none.fl_str_mv Fundación Medicina (Buenos Aires)
dc.source.none.fl_str_mv Medicina (Buenos Aires) 83 (4) : 558-568 (jul.-ago. 2023)
reponame:INTA Digital (INTA)
instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str INTA Digital (INTA)
collection INTA Digital (INTA)
instname_str Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv tripaldi.nicolas@inta.gob.ar
_version_ 1844619188015988736
score 12.559606