Estimación del infra-reporte en datos de recuentos. Aplicación a la CoVID-19.

El fenómeno de el infra-reporte en el contexto de la investigación biomédica es un hecho conocido y ha sido ampliamente estudiado.

Estudiamos la serie temporal Y_1,...,Y_n de los recuentos diarios de personas infectadas a partir de la información disponible ( en diferentes países/regiones la información es diferente, debido a la falta de protocolos para la recolección de datos)  usando una modificación de la metodología propuesta en Fernández-Fontelo et.al. (2016) Under-reported data analysis with INAR-hidden Markov chains

Statistics in Medicine (2016), VOL 35, Issue 26, 4875-4890), donde se propone un mecanismo muy simple para modelar el fenómeno del infra-reporte.   El procedimiento se describe con detalles en el citado artículo, y en https://underreported.cs.upc.edu/technicals/the-model/.

La idea es que, aunque observamos la serie   Y_1, ....,Y_n, hay un proceso oculto ${X_n}$ ( el número real diario de individuos con las mismas características clínicas de las observaciones, que no es observable puesto que no se hacen tests diarios a toda la población de interés)  con una estructura auto-regresiva de orden 1, para datos enteros y con innovaciones Poisson:  Po-INAR(1).  

En la charla explicaré cómo es el modelo básico, y qué modificaciones hemos tenido que hacer para que el modelo se ajuste razonablemente a los datos que tenemos, y mostraré ejemplos con datos de la pandemia en algunas regiones de España y en Uruguay.