Evaluación de modelos de series temporales para la previsión de la demanda de emergencias sanitarias

• Autores: José Díaz Hierro, José Jesús Martín Martín, Ángel Vilches Arenas, María del Puerto López del Amo González, José María Patón Arévalo, Clara Varo González
• Localización: Emergencias: Revista de la Sociedad Española de Medicina de Urgencias y Emergencias, ISSN 1137-6821, Vol. 24, Nº. 3 (Junio), 2012, págs. 181-188
• Idioma: español
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen

  • Objetivo: Evaluar las ventajas de la utilización conjunta de 6 modelos de series temporales para mejorar la gestión de la demanda a corto plazo de llamadas de emergencias sanitarias.

    Método: Se ha analizado la demanda de emergencias sanitarias en el Servicio Provincial de Málaga entre 2004 y 2008 mediante 6 modelos desarrollados con software estándar, tres modelos de descomposición y tres econométricos, que consideran meses estivales y valores atípicos, casos de gripe y número de pernoctaciones como variables exógenas. La comparación de modelos se ha realizado mediante test econométricos habituales: la raíz cuadrada del error cuadrático medio (RMSE), el error absoluto porcentual medio (MAPE) y el máximo del error absoluto porcentual medio (MaxAPE) entre otros.

    Resultados: Los modelos presentan un MAPE inferior al 5%. En la fase de estimación, el modelo ARIMA con intervención presenta la menor RMSE. El modelo estructural armónico obtiene el menor recorrido entre el MAPE y MaxAPE. En la fase de validación, el modelo ARIMA con intervención muestra el peor ajuste, y el modelo estructural armónico y ARIMAX los mejores.

    Conclusiones: El empleo simultáneo de los modelos genera un intervalo de pronósticos de demanda de emergencias que mejora la planificación a corto plazo. Los modelos de descomposición y ARIMA con intervención alertan ante cambios inesperados, mientras que los modelos que incorporan variables exógenas, ARIMAX y estructural armónico, introducen escenarios alternativos de planificación, mejoran el conocimiento de la demanda y apoyan la toma de decisiones. Su implementación con software estándar disminuye los costes de aplicación en centros de emergencias.