Predicción y Sistemas de Alerta Temprana para Brotes de Dengue: Revisión Narrativa Actualizada

Área de la Ciencia:

• Salud Pública
• Epidemiología
• Ciencia de Datos

Sus antecedentes:

• La fiebre del dengue representa una amenaza significativa para la salud mundial, lo que requiere sistemas eficaces de predicción y alerta.
• La literatura existente presenta diversas metodologías para pronosticar brotes de dengue.

Objetivo del estudio:

• Revisar y sintetizar sistemáticamente los hallazgos sobre los sistemas de predicción y alerta de brotes de dengue.
• Identificar metodologías, variables clave, rendimiento y limitaciones de los sistemas actuales.

Principales métodos:

• Un proceso de revisión de cinco etapas que incluye encuesta de literatura, definición del alcance temático, revisión exploratoria, categorización, análisis crítico y síntesis narrativa.
• Selección de 14 artículos sobre predicción y 7 sobre sistemas de alerta.
• Análisis de modelos estadísticos, de aprendizaje automático y de aprendizaje profundo.

Principales resultados:

• Las variables meteorológicas y climáticas son las más utilizadas, seguidas de los datos epidemiológicos y entomológicos.
• Los modelos Random Forest y Long Short-Term Memory muestran una alta precisión predictiva para pronósticos a corto plazo (hasta 1 semana).
• Los sistemas de alerta temprana avanzados (por ejemplo, EWARS-TDR, ADSEWS) integran múltiples fuentes de datos para plazos de entrega más largos (hasta 13 semanas) en comparación con los métodos clásicos.

Conclusiones:

• Si bien los modelos avanzados son prometedores, persisten los desafíos en la calidad y disponibilidad de los datos, la reproducibilidad de los modelos y la implementación.
• Se necesita más investigación y desarrollo para mejorar la aplicación práctica de estos sistemas en la salud pública.
• La integración de diversas fuentes de datos y técnicas de modelado avanzadas puede mejorar la vigilancia y las respuestas al dengue.