Predicción de nuevos casos de sífilis adquirida en Brasil utilizando los modelos de Promedio Móvil Integrado Autorregresivo (SARIMA) y Memoria de Largo Plazo y Corto Plazo (LSTM).

Resumen

Introducción: La sífilis adquirida es un desafío para la salud pública y los modelos predictivos pueden apoyar su manejo. Este estudio estimó nuevos casos en Brasil utilizando el modelo Media Móvil Integrada Autorregresiva Estacional (SARIMA), el modelo de Memoria a Largo-Corto Plazo (LSTM) y la media aritmética entre ellos. Métodos: Se analizaron los datos del Sistema de Información de Enfermedades de Notificación Obligatoria (SINAN) con respecto a las notificaciones mensuales entre 2014 y 2023. La validación utilizó el Error Porcentual Absoluto Medio (MAPE), el Error Cuadrático Medio (RMSE) y el Error Absoluto Medio (MAE). Resultados: La serie mostró una tendencia creciente y estacionalidad anual. Fue no estacionaria (ADF p = 0,659) y exhibió autocorrelación (Ljung-Box p < 0,001). Se compararon los modelos SARIMA(0,1,2)(0,0,1)[12] y LSTM. Ambos modelos presentaron residuos aleatorios (Ljung-Box: SARIMA p = 0,068; LSTM p = 0,321). Las métricas fueron cercanas, con una ligera ventaja para SARIMA (RMSE 2,232 vs 2,422; MAE 1,891 vs 1,922; MAPE 10%). La media aritmética obtuvo mejores resultados en todos los índices de error e independencia del ruido. Las predicciones de SARIMA se estabilizan en 19.800 casos a partir de marzo de 2025, mientras que las predicciones de LSTM disminuyen a 18.960 en el mismo período. Se observó una tendencia creciente en todos los segmentos de la población y autocorrelación solo por región. Conclusiones: Ambos modelos fueron adecuados para estimar casos de sífilis adquirida, sin diferencia significativa en la precisión, y la media aritmética aumentó aún más la confiabilidad de las predicciones.