Evaluación de covariables exógenas en un modelo de series temporales para la predicción de eventos de Dengue en Cali, Valle del Cauca
Loading...
Date
2025
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
Este trabajo evalúa si la incorporación de covariables exógenas mejora la predicción semanal de casos de dengue en Cali (Colombia). Se construyeron y compararon cuatro modelos de series de tiempo: SARIMA univariado (A) y tres SARIMAX con predictores exógenos (B: meteorología semanal agregada de NASA POWER; C: índices de búsqueda en Google Trends; y D: Combina B y C). El periodo de datos fue 2007-2024; la validación fuera de muestra se realizó año a año para 2021-2024 mediante un esquema rolling-origin con ventana móvil. El ajuste consideró transformación Box-Cox y selección automática de órdenes; la evaluación incluyó métricas puntuales (MAE, RMSE, MAPE, MASE), desempeño probabilístico (coberturas 80/95 % e interval score) y pruebas de contraste: Diebold-Mariano contra una línea base seasonal naive estacional y Ljung Box sobre residuos. En 2021-2022 los modelos con exógenas redujeron errores y mostraron DM favorables frente a snaive, evidenciando valor añadido en regímenes estacionales “típicos”. En 2023, año epidémico atípico, el rendimiento se degradó y la línea base igualó o superó a los modelos, apuntando a la necesidad de capturar no linealidades y cambios de régimen. En 2024 se recuperó la calibración (altas coberturas) a costa de intervalos más anchos, lo que sugiere incertidumbre ampliada tras el quiebre de 2023. Globalmente, clima y búsquedas aportan señales complementarias (físico-biológica y conductual), y su integración es la vía más prometedora para un sistema de alerta temprana robusto; metodológicamente se recomienda modelar umbrales/no linealidades, incorporar forzantes de gran escala (ENSO) y reentrenar tras años extremos.