Local Influenza Forecasts Outperform State-Level Forecasts in the United States

Resumen Técnico: Los pronósticos locales de influenza superan a los pronósticos a nivel estatal en los Estados Unidos

Planteamiento del problema
El pronóstico preciso de enfermedades infecciosas es esencial para la planificación de la salud pública; sin embargo, existe una brecha crítica en la traducción de los conocimientos nacionales y estatales a la escala local. En los Estados Unidos, la mayoría de los pronósticos de influenza se generan a nivel estatal, lo que puede enmascarar una sustancial heterogeneidad subestatal en la dinámica de la enfermedad. Esta limitación es particularmente pronunciada en estados grandes (p. ej., Texas, California), donde las áreas metropolitanas experimentan trayectorias epidémicas distintas impulsadas por diferencias demográficas, de movilidad e infraestructura sanitaria. En consecuencia, los tomadores de decisiones en estados grandes a menudo dependen de pronósticos altamente agregados que pueden no reflejar las realidades locales, mientras que aquellos en estados más pequeños se benefician de proyecciones geográficamente más precisas. La pregunta central abordada es si los pronósticos de influenza generados utilizando datos locales de Áreas de Servicios de Salud (HSA, por sus siglas en inglés) son más precisos que aquellos derivados únicamente de datos a nivel estatal cuando se evalúan a escala local.

Metodología
El estudio utilizó estimaciones semanales del porcentaje de visitas a Departamentos de Emergencia (DE) atribuibles a la influenza del Programa Nacional de Vigilancia Sindrómica (NSSP) de los CDC. El análisis se centró en 173 Áreas de Servicios de Salud (HSA) metropolitanas grandes de 31 estados, excluyendo regiones con poblaciones inferiores a 250,000 para mitigar el ruido estocástico asociado con muestras más pequeñas.

• Modelos de pronóstico: El motor principal de pronóstico fue un modelo de Regresión de Cuantiles de Gradient Boosting (GBQR), seleccionado por su sólido desempeño en las evaluaciones recientes de FluSight de los CDC. Este modelo genera distribuciones predictivas completas a través de cuantiles. Para fines comparativos, los autores también implementaron un modelo ARIMA automatizado y un modelo de base de cuantiles.
• Diseño experimental: Se generaron pronósticos retrospectivos para las temporadas de influenza 2022–2023, 2023–2024 y 2024–2025. Los modelos fueron entrenados con datos de las otras dos temporadas más las observaciones disponibles hasta la fecha del pronóstico dentro de la temporada objetivo. Los pronósticos se produjeron semanalmente desde octubre hasta marzo para horizontes de 1 a 4 semanas.
• Métricas de evaluación: El desempeño se evaluó al nivel de HSA utilizando tres métricas estándar:
  1. Cobertura del intervalo de predicción del 95%: Evaluando la calibración probabilística.
  2. Error Absoluto Medio (MAE): Evaluando la precisión del pronóstico puntual.
  3. Puntuación de Intervalo Ponderada Media (MWIS): Una métrica compuesta que evalúa tanto la precisión como la cuantificación de la incertidumbre.
• Análisis de predictores: Para identificar dónde el pronóstico local ofrece el mayor valor, los autores emplearon un Modelo Lineal Generalizado (GLM) para analizar la relación entre la mejora del pronóstico (diferencia en MWIS entre los modelos locales y estatales) y las características regionales. Los predictores incluyeron la proporción de población de la HSA respecto al total del estado, la proporción de la población de la HSA que vive en áreas urbanas y el número de Áreas Estadísticas Metropolitanas (MSA) dentro de un estado.

Resultos clave

• Superioridad de los pronósticos locales: Los pronósticos locales (a nivel de HSA) superaron consistentemente a los pronelos estatales en todos los horizontes. En los horizontes de 1, 2 y 3 semanas, los pronósticos locales lograron valores de MWIS más bajos en el 98.8%, 90.8% y 78.6% de las HSA, respectivamente.
• Magnitud de la mejora: La puntuación de intervalo ponderada media para los pronósticos locales fue, en promedio, un 39.2% menor que los pronósticos basados en el estado en el horizonte de una semana, disminuyendo a un 19.6% y 11.4% en los horizontes de dos y tres semanas, respectivamente.
• Calibración: Los pronósticos locales demostraron una mejor calibración. En el horizonte de una semana, los modelos locales lograron una tasa de cobertura media de 0.91 en comparación con el 0.59 de los modelos estatales (con un objetivo de 0.95). Esta brecha persistió, aunque se redujo, en los horizontos más largos.
• Impulsores de la mejora: El análisis del GLM reveló que la ventaja de desempeño del pronóstico local fue más pronunciada en:
  • HSA que representan una parte menor de la población total de su estado.
  • HSA altamente urbanizadas.
  • Estados subdivididos en un mayor número de MSA (indicando una mayor fragmentación subestatal).
• Variación geográfica: Las ganancias proyectadas fueron mayores en estados fragmentados y con múltiples áreas metropolitanas como California y Texas, y partes del sureste, mientras que las regiones homogéneas y escasamente pobladas mostraron beneficios más limitados.

Significancia y afirmaciones
El artículo afirma que el modelado a escala fina puede mejorar sustancialmente la precisión de los pronósticos, particularmente para la influenza en jurisdicciones medianas a grandes dentro de estados heterogéneos. Los autores argumentan que los pronósticos locales no solo son factibles, sino que son consistentemente más precisos que las proyecciones estatales cuando se aplican a áreas locales.

La importancia de estos hallazgos radica en su potencial para mejorar la preparación y respuesta de la salud pública. Las decisiones relativas a la gestión de la capacidad de respuesta sanitaria, la divulgación dirigida y la comunicación de riesgos se toman a menudo a nivel local o regional. Al proporcionar pronósticos que capturan la dinámica epidémica local en lugar de promedios estatales suavizados, los funcionarios de salud pública pueden recibir orientación más oportuna y accionable. El estudio sugiere que la inversión dirigida en la capacidad de pronóstico local es más probable que genere retornos significativos en estados grandes y demográficamente diversos, donde el tiempo y la intensidad de la epidemia varían significativamente entre regiones.

Limitaciones
Los autores señalan varias limitaciones:

• El análisis se restringe a las HSA con poblaciones >250,000; el desempeño en jurisdicciones más pequeñas o rurales puede diferir debido al aumento del ruido estocástico.
• El análisis de regresión utilizó variables de estructura poblacional interpretables en lugar de maximizar la precisión predictiva mediante aprendizaje automático complejo, lo que podría omitir interacciones de orden superior.
• La comparación asume que los pronósticos estatales se aplican directamente a las áreas locales sin recalibración, lo que puede no reflejar todas las prácticas operativas.
• El estudio se centra en el porcentaje de visitas a los DE, que sirve como un indicador normalizado de la dinámica, pero no es una medida directa de la carga de la enfermedad (p. ej., hospitalizaciones o muertes).