ABSTRACT
RESUMEN Introducción: Los estudios basados en modelos estadísticos juegan un papel importante para las predicciones sobre la COVID-19. Objetivo: Realizar un análisis de modelación estadística combinando 6 modelos de pronósticos para predecir la aparición de casos positivos diarios, activos y fallecidos por COVID-19 en Cuba. Métodos: Se utilizaron los datos reportados diariamente del 11 de marzo al 25 de mayo publicados en el sitio web CUBADEBATE. A los modelos propuestos se les calculó el desempeño mediante los estadísticos: MAE, RMSE, MAPE y ME así como el análisis de residuales. Resultados: Los modelos A y B dan una tendencia constante de 8 y 9 casos positivos respectivamente para el día 22 de julio. El modelo C indica una ligera disminución de los casos con 4 ese mismo día y el modelo D una tendencia al aumento con 19 casos. . El modelo E refleja un mínimo de 126 casos el día 3 de junio y luego un aumento de los casos hasta alcanzar el 22 de julio un valor de 374 casos activos hospitalizados. En el modelo F se apreció una tendencia a mantenerse constante el número de fallecidos por encima de 80 casos en la primera quincena de julio. Conclusiones: Los 6 modelos estudiados cumplen con las pruebas estadísticas, de desempeño y residuales. Sus datos proporcionan un pronóstico para la COVID-2019, representando una herramienta válida.
ABSTRACT Introduction: Studies based on statistical models play an important role for predictions about COVID-19. Objective: To carry out a statistical modeling analysis combining 6 forecast models to predict the appearance of daily positive cases, active and deceased by COVID-19 in Cuba. Method: Data reported daily from March 11 to May 25 from the CUBADEBATE website were used, which were processed and analyzed. The performance of the models was calculated: Mean absolute error (MAE), root of the mean square error (RMSE), percent of mean absolute error (MAPE) and the mean error (ME) as well as the residual analysis. Results: Models A and B gave a constant trend between 8 and 9 cases of until July 22. Model C indicated a decrease in cases with 4 that same day and model D indicated a raise to 19 cases. Model E indicated a minimum of 126 cases on June E and then a raise to 374 hospitalized cases. Deceases cases had a constant tendency in deceases numbers above of 80 cases in first 15 days of July. Conclusions: The 6 models studied meet the statistical , performance and residual tests. Their data provides a forecast for COVID2019, representing a valid tool.