Resumen
overview.RmdResumen de MicroHub
MicroHub es un panel local de pronóstico de enfermedades infecciosas diseñado para ayudar a equipos de salud pública a generar, comparar y exportar pronósticos probabilísticos sin trabajar directamente en el código fuente de los modelos. Está construido como una aplicación R Shiny y se puede ejecutar localmente con Docker Desktop.
La herramienta apoya un flujo de trabajo práctico de pronóstico:
- Cargar datos de vigilancia.
- Configurar ajustes de pronóstico en tiempo real.
- Ejecutar uno o más modelos individuales de pronóstico.
- Comparar gráficas de modelos e intervalos de incertidumbre.
- Crear un pronóstico de ensamble.
- Descargar resultados de pronóstico listos para un hub.
Carga de Datos y Ajustes
La pestaña Data Upload & Settings es el punto de partida para cada pronóstico. Los datos cargados deben incluir:
| Columna | Descripción |
|---|---|
date |
Fecha de la semana epidemiológica |
target_group |
Subgrupo poblacional, ubicación o estrato de reporte |
value |
Conteo observado, tasa, admisiones u otra medida objetivo |
Los ajustes compartidos se aplican a todos los modelos:
- Forecast Date: la fecha de referencia del pronóstico.
- Data to Drop: semanas recientes que se excluyen por retrasos de reporte o actualizaciones esperadas.
- Forecast Horizon: número de semanas hacia adelante para pronosticar.
- Local Seasonality: zona estacional usada por modelos que incluyen estructura estacional.
- Forecast Output: si se conservan todos los horizontes formateados o solo los horizontes de pronóstico no negativos.
Visualización
Las gráficas de MicroHub muestran los datos recientes usados por el modelo, observaciones recientes excluidas por el ajuste de descarte de datos, datos comparables del año anterior, la mediana del pronóstico e intervalos de predicción. Estas gráficas están pensadas para apoyar la revisión de modelos, la interpretación y la discusión antes de descargar resultados.
Modelos de Pronóstico
MicroHub incluye varias familias de modelos para que las personas participantes puedan comparar referencias simples y transparentes con modelos estadísticos más flexibles.
| Componente | Propósito |
|---|---|
| Regular Baseline | Pronóstico de referencia conservador basado en valores observados recientes y cambios históricos de una semana a otra. |
| Optimal Baseline | Línea base que usa comportamiento reciente para reflejar mejor los niveles de corto plazo. |
| Seasonal Baseline | Línea base que incorpora patrones estacionales recurrentes. |
| Copycat | Modelo de emparejamiento de trayectorias que proyecta hacia adelante a partir de patrones epidémicos históricamente similares. |
| INFLAenza | Modelo bayesiano de series de tiempo que usa R-INLA para pronósticos probabilísticos calibrados. |
| newGBQR | Modelo de regresión cuantílica con gradient boosting que aprende características de temporalidad estacional y tendencia reciente. |
| CalCopycat | Modelo en desarrollo que extiende Copycat con calibración histórica. |
| FourCAT | Modelo de aprendizaje profundo en desarrollo que usa características temporales estilo Transformer y puntos de control preentrenados. |
Pronósticos de Ensamble
Después de ejecutar al menos dos modelos individuales, la pestaña Ensemble puede combinar los resultados seleccionados en un solo pronóstico. El ensamble usa la mediana entre las predicciones de los modelos seleccionados para cada cuantil, horizonte y grupo objetivo. Las personas usuarias también pueden incluir un pronóstico de modelo externo si sigue la plantilla requerida.
Descargas
La pestaña Download permite previsualizar y exportar pronósticos generados como un archivo CSV. Los resultados están diseñados para apoyar flujos de trabajo de pronóstico compatibles con hubverse. MicroHub también puede exportar las gráficas generadas como un PDF de varias páginas para revisión, reportes o discusión.
Pronósticos Retrospectivos
La pestaña Retrospective apoya flujos de trabajo orientados a evaluación. Las personas usuarias pueden cargar datos históricos, elegir semanas de referencia pasadas, seleccionar modelos y ejecutar pronósticos como si se hubieran producido en tiempo real. Los resultados se agrupan como archivos descargables para inspección o evaluación posterior.
Enfoque del Taller
Estos materiales del taller enfatizan el uso práctico de MicroHub: poner en marcha la aplicación, preparar datos de entrada válidos, entender los ajustes de pronóstico, ejecutar y comparar modelos, crear pronósticos de ensamble y descargar resultados que puedan integrarse en flujos colaborativos de pronóstico.