Developing early warning systems using predictive models to identify Lassa fever threats in Ondo State, Nigeria

Resumen Técnico: Desarrollo de Sistemas de Alerta Temprana para la Fiebre de Lassa en el Estado de Ondo, Nigeria

Planteamiento del Problema
La fiebre de Lassa (LF), una enfermedad hemorrágica grave causada por el virus de Lassa, sigue siendo una carga persistente para la salud pública en África Occidental, particularmente en Nigeria. El estado de Ondo ha sido identificado como un importante foco de infección, ya que representa más del 30% de los casos nacionales confirmados. La enfermedad exhibe un patrón estacional distintivo, con brotes que típicamente alcanzan su punto máximo durante la estación seca (diciembre–marzo) debido al aumento del contacto entre humanos y el reservorio de roedores Mastomys natalensis. A pesar de los esfuerzos de vigilancia existentes, desafíos como la subnotificación, el diagnóstico erróneo debido al solapamiento de síntomas con la malaria y la detección tardía dificultan una respuesta eficaz ante los brotes. El estudio aborda la necesidad crítica de un sistema de alerta temprana eficaz, capaz de pronosticar los patrones de brotes para guiar la toma de decisiones de salud pública y la asignación de recursos de manera proactiva en el estado de Ondo.

Metodología
El estudio empleó un enfoque de pronóstico de series temporales utilizando datos de vigilancia semanal de casos confirmados de fiebre de Lassa recolectados de forma rutinaria en el estado de Ondo, que abarcan 382 semanas desde enero de 2018 hasta abril de 2025. Los datos fueron obtenidos del Centro de Control y Prevención de Enfermedades de Nigeria (NCDC).

1. Partición de Datos: El conjunto de datos se dividió en un conjunto de entrenamiento (70%) para la estimación de parámetros y un conjunto de prueba (30%) para la evaluación del modelo.
2. Selección del Modelo: Los investigadores utilizaron el modelo de Media Móvil Integrada Autorregresiva Estacional (SARIMA), diseñado específicamente para capturar tanto el comportamiento de tendencia como el estacional en datos de series temporales. Dada la naturaleza semanal de los datos y la estacionalidad anual de la fiebre de Lassa, se estableció un periodo estacional ($s$) de 52 semanas.
3. Identificación y Estimación del Modelo: Se utilizó la función auto.arima() en R para automatizar la selección de modelos candidatos basada en el Criterio de Información de Akaike (AIC). Se compararon seis modelos candidatos.
4. Métricas de Evaluación: La precisión del modelo se evaluó mediante el Error Cuadrático Medio (RMSE), el Error Absoluto Medio (MAE) y el Error Cuadrático Medio (MSE).
5. Diagnósticos: La adecuación del modelo seleccionado se verificó mediante el análisis de residuos, incluyendo comprobaciones de normalidad y la prueba de Ljung-Box para asegurar la ausencia de autocorrelación significativa en los residuos.

Resultos Clave

• Modelo Óptimo: El modelo ARIMA(3,0,2)(1,0,1)[52] fue identificado como el modelo de mejor ajuste, logrando los valores más bajos en todas las métricas de error (RMSE, MAE, MSE) y el valor de AIC más bajo entre los candidatos.
• Desempeño del Modelo: Las comprobaciones diagnósticas confirmaron que los residuos estaban aproximadamente distribuidos normalmente y dispersos aleatoriamente alrededor de cero, sin una autocorrelación significativa (prueba de Ljung-Box $p > 0.05$), lo que indica que el modelo capturó eficazmente la estructura temporal de los datos.
• Horizonte de Pronóstico: El modelo se utilizó para generar un pronóstico de 34 semanas (de la semana 19 a la 52 de 2025).
  • El pronóstico predice un promedio de aproximadamente 4 casos de fiebre de Lassa por semana.
  • El modelo proyecta una tendencia de transmisión relativamente estable sin aumentos catastróficos, con la mayoría de los valores pronosticados situándose entre 5 y 15 casos por semana.
  • Picos Estacionales: El pronóstico indica que es probable que los picos de transmisión ocurran entre la semana 48 y la 52 del año, alineándose con el patrón histórico de la estación seca.
• Validación Visual: Las comparaciones entre los valores ajustados y los datos del conjunto de prueba demostraron que el modelo reprodujo con éxito los principales picos estacionales y la tendencia epidémica general de la fiebre de Lassa en la región.

Significancia y Reivindicaciones
El artículo sostiene que el modelo SARIMA desarrollado proporciona un marco estadísticamente robusto para comprender la dinámica de transmisión de la fiebre de Lassa en el estado de Ondo. Al capturar tanto las variaciones a corto plazo como los patrones estacionales a largo plazo, el modelo ofrece una herramienta fiable para anticipar probables brotes.

Los autores enfatizan que los hallazgos respaldan el desarrollo de sistemas de alerta temprana proactivos. Específicamente, el estudio sugiere que:

• La transmisión de la fiebre de Lassa en el estado de Ondo probablemente persistirá en niveles moderados con picos estacionales predecibles.
• Los responsables de las políticas de salud pública pueden utilizar estos pronósticos para fortalecer la vigilancia y optimizar la asignación de recursos antes de los periodos de pico (específicamente a finales de año).
• El modelo sirve como un paso fundamental hacia la operacionalización de algoritmos predictivos para el control de brotes en tiempo real, pasando de un análisis retrospectivo a una planificación de salud pública con visión de futuro.

El estudio concluye que, si bien el modelo predice una transmisión moderada bajo condiciones estables, la naturaleza estacional recurrente de la enfermedad requiere una preparación continua e intervenciones dirigidas durante los periodos de alto riesgo identificados.