Evaluación metodológica y pronóstico de series temporales para la optimización del sistema de vigilancia de salud pública en Etiopía, 2000–2026

Los sistemas de vigilancia de salud pública en Etiopía enfrentan desafíos en la calidad de los datos y la capacidad predictiva, limitando la asignación proactiva de recursos y la medición de la reducción de riesgos. Se requieren evaluaciones metodológicas de estos sistemas para mejorar su utilidad en el pronóstico de cargas de enfermedades. Este estudio tuvo como objetivo evaluar metodológicamente el sistema nacional de vigilancia y desarrollar un modelo robusto de pronóstico de series temporales para predecir indicadores clave de salud pública, proporcionando así una herramienta para optimizar la vigilancia y medir el impacto de las intervenciones. Realizamos un estudio de intervención que implicó la integración de un mecanismo novedoso de pronóstico en la arquitectura de vigilancia. El modelo principal fue una formulación de media móvil integrada autoregresiva estacional (SARIMA): (B) (Bˢ) ᵈDₛ Yₜ = (B) (Bˢ) ₜ + Iₜ, donde Iₜ representa la variable de intervención. El ajuste del modelo fue evaluado usando el Criterio de Información de Akaike y la incertidumbre se cuantificó mediante intervalos de predicción al 95%. El modelo integrado mostró una mejora significativa en la precisión del pronóstico, reduciendo el error porcentual absoluto medio en un 18,7% en comparación con el sistema existente. El pronóstico indicó una tendencia descendente en la tasa de morbilidad objetivo tras la intervención, con diagnósticos del modelo que mostraron errores estándar robustos. La integración metodológica de modelos avanzados de pronóstico en la vigilancia de salud pública es factible y mejora sustancialmente el desempeño predictivo y la utilidad del sistema para la acción preventiva en salud pública. Recomendamos la adopción nacional de esta metodología de pronóstico integrada y abogamos por programas de formación dedicados para desarrollar la capacidad local en modelado epidemiológico y ciencia de datos.