Predicción a largo plazo del número acumulado de muertes en Brasil, China, Alemania, Italia, España, Estados Unidos: una aplicación a los modelos con forma de S de COVID-19

Resumen

Este trabajo tiene como objetivo ajustar el modelo de regresión no lineal de Gompertz y Bertalanffy para las muertes acumuladas por COVID-19 en seis países Brasil, Estados Unidos, Alemania, Italia, China y España. Empleó tres medidas de rendimiento diferentes en el proceso de capacitación, coeficiente de determinación ajustado , Criterio de información de Akaike (AIC) y Cuadrado medio residual (RMS). El error de porcentaje absoluto medio (MAPE) y el criterio de error relativo (RE) se utilizaron para seleccionar el mejor modelo en el conjunto de datos de prueba. En el conjunto de datos de entrenamiento, el modelo de Bertalanffy fue el que mejor describió el crecimiento de muertes para China, mientras que el modelo de Gompertz fue el mejor para Brasil, Alemania, Italia, España y los Estados Unidos. Por el contrario, el modelo Bertalanffy fue el mejor para España en el conjunto de datos de prueba, según MAPE y RE. Según el modelo de Gompertz, 214,100 CI (175,929; 267,008) personas morirán en Brasil, que alcanzará un máximo de 1,577 con un intervalo de predicción [1,367; 1,819] de nuevas muertes diarias en su pico de enfermedad. Los modelos no lineales estudiados describieron la curva de crecimiento del número de muertes satisfactoriamente, proporcionando parámetros con interpretaciones prácticas. Se encontró evidencia de que Brasil puede superar a los Estados Unidos con respecto al número total de muertes. La predicción del tiempo a corto y largo plazo, así como el punto de inflexión de cada país, se presentan y comparan con otros modelos predictivos de la literatura.