Recetas de modelado de datos para la epidemiología basada en aguas residuales de SARS-CoV-2

La epidemiología basada en aguas residuales se reconoce como uno de los pilares de monitoreo, proporcionando información esencial para la gestión de pandemias. En el centro de la metodología están los conceptos de modelado de datos tanto para comunicar los resultados del monitoreo como para analizar la señal. Debido al rápido desarrollo del campo, se emplea una variedad de conceptos de modelado, pero sin un marco coherente. Este artículo proporciona dicho marco, enfocándose en conceptos robustos y simples de fácil aplicación, en lugar de aplicar los últimos hallazgos, por ejemplo, del aprendizaje automático. Se demuestra que el preprocesamiento de datos, siendo lo más importante la normalización mediante biomarcadores y el espaciado temporal uniforme de los datos dispersos, es crucial. En términos de lo último, una reducción de muestreo a una serie con intervalos semanales es suficiente. Además, el suavizado de datos resultó ser esencial, no solo para la comunicación de la dinámica de la señal, sino también para regresiones, nowcasting y pronósticos. La correlación de la señal con indicadores epidémicos requiere regresión multivariante ya que la señal por sí sola no puede explicar la dinámica, pero - para este estudio de caso - la regresión lineal múltiple demostró ser una herramienta adecuada cuando el foco está en la comprensión e interpretación. También se demostró que la predicción a corto plazo (7 días) es precisa con modelos simples (suavizado exponencial o modelos autorregresivos), pero la precisión del pronóstico se deteriora rápidamente para períodos más largos.