🦠 Alerta Temprana de Brotes — Fusión de Señales frente a Conteo de Casos

Cada día de anticipación es un día para preposicionar capacidad de pruebas, alertar a los clínicos sobre una presentación específica, activar planes de personal de refuerzo, pedir suministros adicionales o emitir avisos públicos antes de que los hospitales estén bajo presión. Los sistemas históricos de vigilancia sindrómica a menudo han detectado repuntes de enfermedades respiratorias una a tres semanas después de que las infecciones ya se estaban propagando; captar la misma señal incluso una semana antes puede ser la diferencia entre una respuesta coordinada y una reacción improvisada. La simulación cuantifica esto directamente: compara el día en que la puntuación fusionada cruza por primera vez el umbral de alarma con el día en que la señal de admisiones hospitalarias por sí sola habría cruzado un umbral equivalente, y reporta la brecha en días.

Cualquier alarma estadística intercambia sensibilidad por tasa de falsas alarmas, gobernada aquí por el control deslizante del umbral. Un umbral bajo detecta brotes reales antes pero también se dispara con ruido ordinario, costando credibilidad y recursos cada vez que los equipos de respuesta se movilizan en vano. Un umbral alto reduce las falsas alarmas pero retrasa la detección genuina, a veces más allá del punto en que la intervención temprana todavía importa. Como los datos de búsqueda y de farmacia son especialmente ruidosos y pueden estar impulsados por causas no epidémicas, como la cobertura mediática o enfermedades estacionales no relacionadas, los pesos y el umbral en un sistema real se ajustan con base en un largo historial de brotes y no-brotes pasados, y aun así se aceptan algunas falsas alarmas como el costo de detectar a tiempo los brotes reales.

Para cada señal, la simulación toma una pendiente móvil de 7 días: (valor de hoy menos valor de hace 7 días) dividido entre 7. Mantiene un registro causal y creciente de esa pendiente desde el inicio del brote hasta "hoy" y calcula la media y la desviación estándar de la pendiente usando solo los datos vistos hasta el momento, sin mirar nunca hacia el futuro, exactamente como tendría que hacerlo un panel en vivo. La pendiente de cada día se expresa como una puntuación z: (pendiente menos la media histórica) dividido entre la desviación estándar histórica. La puntuación fusionada es el promedio ponderado de las puntuaciones z de las tres señales, usando los pesos normalizados de los controles deslizantes. Se dispara una alarma el primer día en que la puntuación fusionada supera el umbral, y ese día de cruce se compara con el día en que la puntuación z de admisiones hospitalarias por sí sola cruzaría el mismo umbral.

El ILINet de los CDC y los conjuntos FluSight / COVID-19 Forecast Hub combinan datos de visitas ambulatorias, admisiones hospitalarias, vigilancia de aguas residuales y, cada vez más, datos de búsqueda y de venta minorista en estimaciones combinadas del presente ("nowcasts"), de forma muy similar a la puntuación de fusión de aquí. Google Flu Trends (2008–2015) intentó usar solo el volumen de búsquedas para estimar la actividad de la gripe casi en tiempo real y notablemente sobreestimó la temporada de 2013, en parte porque nunca se fusionó con señales más lentas pero más fiables de la realidad sobre el terreno, y su modelo no se reentrenó a medida que el comportamiento de búsqueda cambiaba — una advertencia exactamente sobre el riesgo de falsas alarmas descrito arriba. Los sistemas modernos generalmente siguen el enfoque de fusión multiseñal que demuestra esta simulación: nunca confíes en un solo indicador adelantado ruidoso, pero tampoco lo ignores.