Data-Driven Hybrid Model of SARIMA-CNNAR For Tuberculosis Incidence Time Series Analysis in Nepal

Este estudio presenta un modelo híbrido SARIMA-CNNAR que, al combinar el modelado de tendencias estacionales lineales con la detección de patrones no lineales, logra predecir con mayor precisión la incidencia mensual de tuberculosis en Nepal que otros enfoques existentes, ofreciendo una herramienta valiosa para la planificación de recursos de salud pública.

Lo esencial

¡Hola! Imagina que este artículo es como una receta de cocina muy especial que los autores han creado para predecir el futuro de una enfermedad llamada Tuberculosis (TB) en Nepal.

Aquí te explico de qué trata, usando analogías sencillas:

🏥 El Problema: La "Tormenta" de la Tuberculosis

En Nepal, la tuberculosis es como una tormenta que no para de crecer. Durante los últimos 10 años (de 2015 a 2024), el número de casos ha subido casi un 70%. Es como si una pequeña lluvia se hubiera convertido en un diluvio. Además, esta "lluvia" tiene un patrón: siempre cae más fuerte en ciertas épocas del año (como en primavera y verano), pero a veces hay tormentas inesperadas, como la que ocurrió durante la pandemia de COVID-19.

Los médicos y el gobierno necesitan saber cuánta "lluvia" va a caer el próximo año para tener paraguas (medicamentos), botas (personal médico) y refugios (camas de hospital) listos. Si no saben cuándo llega la tormenta, se mojan y la gente sufre más.

🧠 La Solución: Un "Equipo de Dos" (El Modelo Híbrido)

Antes, los expertos intentaban predecir esto usando dos herramientas separadas, como si fueran dos cocineros trabajando solos:

1. SARIMA (El Cronómetro): Es como un reloj muy preciso. Es bueno para predecir cosas que se repiten siempre igual, como las estaciones del año. Pero es un poco "rígido"; no entiende bien los cambios locos o las sorpresas.
2. CNNAR (El Detective Inteligente): Es una inteligencia artificial (una red neuronal) que actúa como un detective. Es muy buena para encontrar patrones ocultos y cosas raras que el reloj no ve, como cambios bruscos en el comportamiento de la enfermedad.

El truco del estudio: Los autores decidieron casar a estos dos. Crearon un modelo híbrido llamado SARIMA-CNNAR.

• La analogía: Imagina que el Reloj (SARIMA) te dice: "Sabemos que en mayo siempre llueve mucho". Pero el Detective (CNNAR) mira los datos y dice: "¡Espera! Este mayo va a llover más de lo normal porque hubo un cambio en el sistema de salud".
• Al unirlos, obtienen la precisión del reloj para lo normal y la intuición del detective para lo inesperado.

🏆 ¿Quién Ganó la Carrera?

Los autores probaron su nuevo "Equipo de Dos" contra otros competidores famosos en el mundo de las predicciones:

• Un reloj solo (SARIMA).
• Un detective solo (CNNAR).
• Otros modelos modernos como LSTM (una red neuronal muy compleja), XGBoost (un algoritmo de aprendizaje automático) y Prophet (una herramienta de Facebook).

El resultado: ¡El Equipo Híbrido ganó por mucho!

• Fue el más preciso (cometió menos errores).
• Fue el mejor entendiendo tanto los patrones normales como las sorpresas.
• Mientras que el reloj solo falló mucho al intentar predecir el futuro (porque no entendió los cambios bruscos), el equipo híbrido logró acertar casi todo.

🔮 ¿Qué nos dice sobre el futuro (2025)?

Gracias a este modelo, los expertos pueden mirar hacia el 2025 y decir:

• "Oye, prepárate para una ola grande en marzo, abril y mayo".
• "Y otra ola en julio y agosto".
• "Pero en septiembre y octubre, la lluvia bajará un poco".

Esto es como tener un pronóstico del tiempo de 12 meses de antelación.

🎒 ¿Por qué es importante esto?

Imagina que eres el jefe de un hospital en Nepal. Con este modelo:

1. Sabes cuándo comprar: Si el modelo dice que en mayo habrá muchos casos, puedes pedir más pruebas de diagnóstico y medicamentos ahora, antes de que se acaben.
2. Sabes cuándo contratar: Puedes programar turnos extra para los médicos en los meses de "tormenta".
3. Evitas el caos: En lugar de correr desesperados cuando llega la enfermedad, la esperas con los brazos abiertos y todo listo.

💡 En resumen

Este estudio es como haber creado un GPS de alta tecnología para la salud pública en Nepal. En lugar de conducir a ciegas esperando a que la tuberculosis llegue, ahora tienen un mapa que les dice exactamente por dónde va a pasar la enfermedad y cuándo será más fuerte.

Es una mezcla perfecta de matemáticas clásicas (el reloj) e inteligencia artificial moderna (el detective) para salvar vidas y organizar mejor los recursos en un país donde cada gota de ayuda cuenta.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo de investigación en español, estructurado según los componentes solicitados:

Resumen Técnico: Modelo Híbrido SARIMA-CNNAR para el Análisis de Series Temporales de Incidencia de Tuberculosis en Nepal

1. Planteamiento del Problema

La tuberculosis (TB) representa un desafío de salud pública mayor en Nepal, con tasas de incidencia significativamente superiores a las estimaciones globales. A pesar de la existencia de estrategias nacionales, la planificación de recursos y la intervención temprana se ven obstaculizadas por la falta de herramientas de pronóstico precisas adaptadas al contexto local.

• Brechas identificadas: Los modelos existentes suelen desarrollarse en entornos de ingresos altos y no generalizan bien a contextos de bajos recursos con patrones epidemiológicos distintos. Además, los enfoques previos a menudo se basan en redes neuronales feed-forward simples que no capturan adecuadamente las dependencias secuenciales ni los patrones locales en datos temporales, o bien utilizan modelos lineales puros (como SARIMA) que fallan ante rupturas estructurales complejas (como las causadas por la pandemia de COVID-19).
• Objetivo: Desarrollar y validar un modelo híbrido que combine la modelización lineal estacional con la detección de patrones no lineales para predecir la incidencia mensual de TB en Nepal.

2. Metodología

El estudio empleó un diseño de series temporales retrospectivo utilizando datos nacionales de incidencia de TB desde enero de 2015 hasta diciembre de 2024 (120 meses), obtenidos del Centro Nacional de Control de la Tuberculosis (NTCC) de Nepal.

• Preprocesamiento de Datos:

  • Imputación de valores faltantes (2.4%) mediante filtrado de Kalman.
  • Detección y tratamiento de valores atípicos mediante el método del Rango Intercuartílico (IQR).
  • Normalización Min-Max para los componentes de redes neuronales.
  • Análisis de estacionariedad mediante la prueba ADF (Augmented Dickey-Fuller), confirmando la necesidad de diferenciación estacional y no estacional.

• Arquitectura del Modelo Híbrido (SARIMA-CNNAR):
  El enfoque combina dos componentes complementarios:

  1. Componente Lineal (SARIMA): Modela la tendencia, la estacionalidad y los componentes lineales de la serie. Se seleccionó el modelo óptimo SARIMA(1,1,1)(1,1,1)[12] mediante búsqueda de cuadrícula y criterios de información (AIC/BIC).
  2. Componente No Lineal (CNNAR): Se aplica a los residuos del modelo SARIMA. Utiliza una Red Neuronal Convolucional Auto-Regresiva (CNNAR) para extraer características temporales locales y capturar patrones no lineales que el modelo lineal no pudo explicar.
  3. Fórmula Híbrida: $y_t = \text{SARIMA}(y_t) + \text{CNNAR}(y_t - \text{SARIMA}(y_t))$.

• Modelos de Comparación (Benchmarks):
  Se comparó el modelo híbrido contra:

  • Modelos individuales: SARIMA y CNNAR.
  • Modelos de vanguardia: LSTM (Long Short-Term Memory), Facebook Prophet y XGBoost.

• Evaluación y Validación:

  • División de datos: 90% entrenamiento (2015-2023) y 10% prueba (2024).
  • Métricas: Error Absoluto Medio (MAE), Raíz del Error Cuadrático Medio (RMSE), Error Porcentual Absoluto Medio (MAPE) y Coeficiente de Determinación ($R^2$).
  • Análisis de sensibilidad: Variación de hiperparámetros y pruebas de robustez ante rupturas estructurales.

3. Contribuciones Clave

1. Primera Validación Híbrida en Nepal: Es el primer modelo validado específicamente para la predicción de TB en Nepal, adaptado a su diversidad geográfica y dinámica poblacional.
2. Arquitectura Innovadora: Implementación exitosa de CNNAR (en lugar de LSTM o redes feed-forward) para capturar patrones locales temporales con menor riesgo de sobreajuste en series de datos limitados.
3. Análisis de Rupturas Estructurales: Identificación y manejo de tres puntos de ruptura significativos vinculados a la pandemia de COVID-19 (abril 2020, octubre 2021, junio 2022), demostrando la capacidad del modelo híbrido para adaptarse a cambios abruptos en la tendencia.
4. Marco Reproducible: Se proporciona un marco metodológico transferible a otras enfermedades infecciosas y países de ingresos bajos y medios con sistemas de datos similares.

4. Resultados

• Tendencia Epidemiológica: La incidencia mensual promedio de TB aumentó un 68.4%, pasando de 2,048 casos en 2015 a 3,447 en 2024. Se observaron picos estacionales consistentes en marzo-mayo y julio-agosto.
• Rendimiento del Modelo Híbrido:
  • El modelo SARIMA-CNNAR superó a todos los demás en el conjunto de prueba.
  • Métricas de Prueba: MAPE = 7.26%, $R^2$ = 0.79, RMSE = 294.31.
• Comparación con Otros Modelos:
  • SARIMA (Solo): MAPE 10.99%, $R^2$ 0.39 (Desempeño pobre debido a la incapacidad de capturar no linealidades y rupturas).
  • CNNAR (Solo): MAPE 7.7%, $R^2$ 0.73.
  • LSTM: MAPE 7.52%, $R^2$ 0.75.
  • XGBoost: MAPE 8.51%, $R^2$ 0.66.
  • Prophet: MAPE 10.49%, $R^2$ 0.45.
• Robustez: El análisis de sensibilidad mostró una variación de métricas menor al 5% ante cambios en los parámetros, confirmando la estabilidad del modelo.
• Pronóstico 2025: El modelo proyecta la continuidad de los patrones estacionales con picos esperados en los primeros meses del año, aunque con una ligera subestimación sistemática en los picos máximos (sesgo positivo en los residuos de prueba).

5. Significado e Implicaciones

• Planificación de Salud Pública: El modelo ofrece una herramienta de alerta temprana robusta para las autoridades sanitarias de Nepal. Permite la asignación proactiva de recursos (medicamentos, reactivos de diagnóstico, personal) antes de los picos estacionales previstos (marzo-mayo).
• Superioridad Metodológica: Demuestra que la combinación de modelos estadísticos lineales (eficaces para la estacionalidad regular) con arquitecturas de aprendizaje profundo convolutivas (eficaces para patrones complejos y no lineales) es superior a los enfoques monolíticos en contextos epidemiológicos complejos.
• Adaptabilidad: Aunque calibrado para Nepal, el marco metodológico es escalable a otras enfermedades estacionales (dengue, influenza) y a otros entornos de bajos recursos, facilitando la toma de decisiones basada en datos en la salud global.
• Limitaciones y Futuro: Se reconoce un sesgo de subestimación en los picos máximos, lo que sugiere la necesidad futura de funciones de pérdida asimétricas o la integración de variables exógenas (clima, movilidad) para refinar la precisión en escenarios de crisis.

En conclusión, este estudio establece un nuevo estándar para la predicción de enfermedades infecciosas en Nepal, demostrando que los modelos híbridos pueden capturar la complejidad de la dinámica de transmisión de la TB mejor que las técnicas tradicionales o de aprendizaje profundo aisladas.