Analysis of the Epidemiological Characteristics of Tuberculosis in Shenyang City, Liaoning Province, and Construction of a Time Series Model

Resumen Técnico: Análisis de la Epidemiología de la Tuberculosis y Modelado de Series Temporales en Shenyang

Planteamiento del Problema
La tuberculosis (TB) sigue siendo un desafío crítico de salud pública en China; sin embargo, las investigaciones existentes suelen centrarse en tendencias macro a nivel nacional o provincial, dejando un vacío en los análisis epidemiológicos detallados y a largo plazo para ciudades específicas del noreste de China. Además, existe una falta de evaluaciones cuantitativas sobre las fluctuaciones de la incidencia de la enfermedad antes y después de la pandemia de COVID-19, así como una escasez de modelos predictivos aplicables adaptados a esta región. Este estudio aborda estas brechas analizando las características epidemiológicas de la tuberculosis pulmonar (TBP) en Shenyang de 2015 a 2024 y desarrollando un modelo de series temporales robusto para pronosticar las tendencias de incidencia futuras.

Metodología
El estudio utilizó un análisis retrospectivo de los datos de vigilancia del "Sistema de Información para la Gestión de la Tuberculosis" (un subsistema del Sistema de Información de la China CDC), que abarca 38,928 casos nuevos de TBP reportados en Shenyang entre 2015 y 2024.

1. Epidemiología Descriptiva: Los autores analizaron las tendencias temporales, las características demográficas (sexo, edad, ocupación) y los patrones de distribución espacial. El análisis espacial consistió en el emparejamiento de las tasas de incidencia con mapas vectoriales de límites administrativos para generar mapas codificados por colores por capas para 13 distritos/condados utilizando ArcGIS.
2. Modelado de Series Temporales: Se construyeron dos modelos distintos utilizando datos de incidencia mensual de 2015 a 2023:
   • Suavizado Exponencial Aditivo de Holt–Winters: Seleccionado entre las variantes simples estacional, aditiva y multiplicativa basándose en métricas de ajuste (RMSE, MAE, MAPE, $R^2$).
   • Media Móvil Integrada Autorregresiva Estacional (SARIMA): El modelo óptimo se identificó mediante pruebas de estacionariedad (prueba ADF), identificación de parámetros mediante gráficos ACF/PACF y la minimización de los valores AIC y BIC.
3. Validación del Modelo: Ambos modelos fueron validados con datos mensuales reales de enero a diciembre de 2024. Las comprobaciones diagnósticas incluyeron el análisis de residuos (prueba Q de Ljung–Box, gráficos ACF/PACF y gráficos Q–Q) para asegurar que los residuos constituyeran ruido blanco y siguieran una distribución normal.
4. Pronóstico: El modelo superior se utilizó para proyectar las tasas de incidencia mensual de TBP para 2025–2027.

Resultados Clave

• Tendencias Epidemiológicas: La tasa de incidencia reportada global en Shenyang mostró una tendencia descendente fluctuante, disminuyendo de 46.91 por 100,000 en 2015 a 61.11 por 100,000 en 2024 (nota: el resumen indica una disminución de 2019 a 2020, mientras que la discusión señala una disminución general de 2015 a 2024, con un rebote específico post-pandemia). Se observó una distribución bimodal estacional significativa, con picos en primavera (marzo–abril) e invierno (noviembre–diciembre).
• Impacto de la Pandemia: En comparación con 2019, la tasa de incidencia en 2020 disminuyó un 15.46% (según el resumen) o un 27.03% (según la discusión), marcando la caída más pronunciada del periodo de estudio. Esto se atribuyó a la reducción del contacto humano y la reasignación de recursos médicos durante la pandemia. De 2021 a 2024, los casos fluctuaron y tendieron al aumento, probablemente debido a la relajación de las restricciones y al retraso en la detección de casos.
• Disparidades Demográficas:
  • Sexo: Los hombres representaron el 71.02% de los casos.
  • Edad: La mayor carga cambió con el tiempo; antes de 2021, el grupo de 18 a 35 años era el más afectado, mientras que de 2021 en adelante, los individuos de ≥60 años se convirtieron en el grupo de mayor incidencia.
  • Ocupación: Las amas de casa y los desempleados constituyeron la mayor proporción (73.53%), seguidos por los agricultores (14.26%).
• Heterogeneidad Espacial: Se identificaron disparidades regionales significativas. El distrito de Yuhong tuvo la incidencia media más alta (79.33 por 100,000), mientras que los distritos de Liaozhong y Heping tuvieron las más bajas. Las tendencias variaron según el distrito, con algunos mostrando tendencias decrecientes y otros (por ejemplo, Yuhong, Faku, Kangping) mostrando tendencias crecientes.
• Desempeño del Modelo:
  • El modelo SARIMA(0,1,1)(0,1,1)$_{12}$ demostró un desempeño superior en comparación con el modelo aditivo de Holt–Winters. Logró un MAE menor (6.5765 frente a 6.7783) y un MAPE menor (15.0731% frente a 15.1449%), y capturó mejor las fluctuaciones a corto plazo y los cambios extremos.
  • Ambos modelos superaron el diagnóstico de residuos, confirmando su validez para la predicción a corto plazo.
  • Los pronósticos para 2025–2027 indican una tendencia de disminución gradual continua con fluctuaciones estacionales estables.

Contribuciones Clave

• Datos Epidemiológicos Regionales: El estudio proporciona el primer análisis sistemático y a largo plazo (2015–2024) de la epidemiología de la TB específicamente para Shenyang, llenando un vacío en los datos a nivel de ciudad del noreste de China.
• Cuantificación del Impacto de la Pandemia: Evalúa cuantitativamente la supresión de la incidencia de la TB durante la pandemia y el subsiguiente rebote, ofreciendo evidencia empírica de los efectos combinados de las medidas de prevención y las interrupciones del sistema de salud.
• Modelado Predictivo: El estudio establece y valida un modelo SARIMA como una herramienta fiable para pronosticar las tendencias de la TB en este contexto urbano específico, superando al modelo de Holt–Winters en la captura de fluctuaciones complejas.
• Base para Estrategias Focalizadas: Al identificar grupos de alto riesgo específicos (ancianos, desempleados/amas de casa, agricultores) y regiones de alta incidencia, el estudio ofrece una base basada en datos para adaptar las estrategias de prevención y control.

Significancia y Reivindicaciones
Los autores afirman que esta investigación delinea con precisión el patrón evolutivo de la incidencia de la TB en Shenyang, caracterizado por una disminución inicial seguida de una fluctuación e incremento post-pandemia. El estudio sostiene que sus hallazgos:

1. Complementan los datos epidemiológicos empíricos de las ciudades del noreste de China.
2. Proporcionan una base teórica para realizar análisis epidemiológicos y pronósticos de tendencias en Shenyang y ciudades similares.
3. Ofrecen una base científica para desarrollar estrategias de prevención y control focalizadas, particularmente para poblaciones de alto riesgo y regiones con incidencia creciente.
4. Demuestran que el modelo SARIMA es una herramienta valiosa e interpretable para que las autoridades de salud pública anticipen las futuras cargas de TB y asignen recursos de manera efectiva.

Los autores mantienen un tono modesto respecto a las limitaciones, reconociendo que los modelos no incorporaron factores externos como el clima o la movilidad de la población y que los intervalos de confianza de la predicción se amplían con el tiempo. Sugieren que el trabajo futuro podría explorar modelos híbridos (por ejemplo, LSTM), pero enfatizan la utilidad actual del modelo SARIMA establecido para la planificación rutinaria de la salud pública.