Dinámica temporal y pronóstico de los casos de Salmonella no tifoidea humana confirmados por laboratorio en Malasia, 2018-2024: implicaciones para la vigilancia

La Salmonella no tifoidea (NTS) es una de las principales causas de enfermedades transmitidas por alimentos en Malasia. El modelado de series temporales puede caracterizar los patrones temporales, aunque las perturbaciones estructurales, la dinámica no lineal y la variabilidad regional pueden afectar el rendimiento del modelo. Este estudio tuvo como objetivo caracterizar la estacionalidad de la NTS en Malasia, evaluar la estabilidad temporal y explorar enfoques basados en modelos para la vigilancia.

Se analizaron los casos mensuales de NTS humanos confirmados por laboratorio, provenientes de las bases de datos de vigilancia de los laboratorios nacionales para el periodo 2018-2024, mediante modelos de series temporales, incluidos los modelos autorregresivos integrados de media móvil (ARIMA) con términos de Fourier y un modelo híbrido exploratorio de ARIMA y memoria a corto y largo plazo (LSTM). Se utilizó el análisis de series temporales interrumpidas para evaluar la estabilidad estructural. Las anomalías se identificaron mediante intervalos de predicción del 95 % y el modelado estratificado permitió evaluar la heterogeneidad regional.

Los casos de NTS mostraron patrones estacionales anuales recurrentes de intensidad moderada, con variación temporal durante el periodo de estudio. Se produjo un descenso significativo en marzo de 2020 (β=-62,24 casos, p=0,001), seguido de una recuperación gradual (β=2,71 casos/mes, p<0,001), lo que sugiere una alteración marcada relacionada con la pandemia de la enfermedad por coronavirus 2019 y una posterior tendencia positiva postintervención. El modelo ARIMA(0,1,1)-Fourier (K=1) superó a los modelos ARIMA convencionales, de referencia y de suavizado exponencial (error cuadrático medio, 42,9 frente a 51,37-108,79). El modelo híbrido ARIMA-LSTM proporcionó una mejora adicional modesta, particularmente durante los periodos de alta incidencia de casos. La detección de anomalías basada en modelos identificó desviaciones de los patrones esperados que coincidieron con los meses documentados como asociados a brotes. La heterogeneidad regional en la dinámica temporal sugirió la necesidad de estrategias de vigilancia adaptadas a los patrones epidemiológicos locales.

Los modelos parsimoniosos capturaron la mayoría de los patrones temporales en los casos de NTS, con ganancias solo modestas mediante enfoques más complejos. Las estrategias de modelado específicas del contexto, la detección de anomalías basada en modelos y los marcos de vigilancia escalonados pueden respaldar una vigilancia de NTS más proactiva en Malasia.