Ejercicios de MicroHub

Ejercicios de MicroHub

Use estos ejercicios para practicar el paso desde una pregunta de pronóstico en salud pública hasta un resultado de pronóstico en MicroHub.

Ejercicio 1: Pronósticos de Hospitalizaciones por Influenza

Escenario

Es 7 de enero de 2026. Las admisiones hospitalarias relacionadas con influenza contribuyen de manera importante a la carga general de influenza en Estados Unidos. Los pronósticos precisos pueden ayudar a los equipos de salud pública a planificar personal, comunicaciones e intervenciones durante la temporada de virus respiratorios 2025-2026, mientras COVID-19, VSR (virus sincicial respiratorio) y otros patógenos respiratorios siguen circulando.

La División de Influenza de los CDC de EE. UU. le pidió producir pronósticos de corto plazo de hospitalizaciones por influenza para la semana que termina el 10 de enero de 2026. Tiene datos semanales desde febrero de 2022 hasta el 3 de enero de 2026 para cinco estados: Delaware, Florida, Georgia, Maryland y North Carolina.

Datos

Descargue exercise-1-flu-hospitalizations.zip desde la página Descargas y descomprímalo antes de cargar el CSV en MicroHub.

El archivo incluye:

• date: fecha de cierre de la semana
• target_group: estado
• population: población estatal
• value: admisiones hospitalarias relacionadas con influenza

Su Tarea

Usando MicroHub, produzca pronósticos de hospitalizaciones por influenza de cuatro semanas para los cinco estados, comenzando con la semana que termina el 10 de enero de 2026.

1. Abra MicroHub y cargue exercise-1-flu-hospitalizations.csv.
2. Confirme que MicroHub reconoce correctamente date, target_group, population y value.
3. Configure la fecha de pronóstico como 7 de enero de 2026.
4. Configure el horizonte de pronóstico en 4 semanas.
5. Seleccione Estados Unidos como el país para la estacionalidad.
6. Ejecute todos los modelos de pronóstico disponibles.
7. Compare las gráficas de modelos para los cinco estados.
8. Cree un pronóstico de ensamble con los modelos en los que más confíe.
9. Descargue el resultado del pronóstico, el reporte y las gráficas de visualización.

Preguntas

• ¿Qué estados muestran el aumento más claro en admisiones hospitalarias recientes?
• ¿Qué modelo parece responder con más fuerza a la tendencia reciente?
• ¿Dónde discrepan más los modelos?
• ¿Qué pronósticos se sentiría más cómodo compartiendo con un equipo de planificación en salud pública, y por qué?

Ejercicio 2: Pronosticar con Anomalías Recientes de Reporte

Escenario

Tiene datos objetivo semanales para tres grupos, etiquetados A, B y C. Estos grupos pueden representar jurisdicciones, grupos de edad u otro conjunto de poblaciones que un equipo de salud pública esté monitoreando.

Los casos parecen estar aumentando de acuerdo con lo esperado para esta época del año. Sin embargo, en las semanas más recientes, los conteos reportados parecen más bajos de lo esperado. Esto puede reflejar descensos reales, retrasos de reporte, datos incompletos u otra anomalía reciente. Su objetivo es decidir cuántos datos recientes excluir antes de producir pronósticos y comparar qué tan sensibles son los modelos a esa decisión.

Datos

Descargue exercise-2-data.zip desde la página Descargas y descomprímalo antes de cargar los CSV en MicroHub.

El ZIP incluye:

• exercise-2-2025-12-15.csv
• exercise-2-2024-02-01.csv

Cada archivo incluye:

• date: fecha de cierre de la semana
• target_group: etiqueta del grupo
• population: población del grupo
• value: casos reportados

Su Tarea

Comience con exercise-2-2025-12-15.csv.

1. Abra MicroHub, cargue el archivo y explore las visualizaciones para los tres grupos objetivo.
2. Confirme la fecha de pronóstico y seleccione la zona estacional que mejor corresponda a los datos.
3. Pruebe varios ajustes de descarte de datos dentro de su grupo. Decida cuántas semanas recientes descartar antes de pronosticar.
4. Ejecute cada modelo individual de pronóstico usando la parametrización predeterminada.
5. Cambie parámetros seleccionados de los modelos y compare cómo responden los pronósticos.

Luego repita el mismo flujo de trabajo con exercise-2-2024-02-01.csv. Mientras trabaja, considere qué parte de la temporada del brote representa el conjunto de datos y cómo ese momento puede afectar el comportamiento y la confiabilidad del pronóstico.

Preguntas

• Para cada conjunto de datos, ¿cuántas semanas de datos descartó, y por qué?
• ¿Cómo cambiaron los pronósticos cuando cambió el número de semanas descartadas?
• ¿Algunos modelos respondieron con más fuerza que otros cuando descartó semanas adicionales?
• ¿Qué observó al variar los parámetros del modelo?
• ¿Algunos parámetros tuvieron más impacto en las predicciones que otros?
• ¿Cómo afectó el momento del conjunto de datos exercise-2-2024-02-01.csv su confianza en los pronósticos?