Previsão multimodelo de atividade de doenças respiratórias na Alemanha durante a temporada 2024-2025

O que aconteceu

As doenças respiratórias causam considerável morbidade no outono e no inverno e são uma prioridade no monitoramento da saúde pública. Na Alemanha, estão sujeitos a vários sistemas de vigilância, incluindo indicadores patogénicos específicos e sindrômicos. Neste artigo apresentamos um sistema colaborativo de previsão multi-alvo e multi-modelo em tempo real desenvolvido durante a temporada 2024/25, e discutimos diferenças em relação aos esforços anteriores realizados durante a pandemia COVID-19. Focamos em consultas de clínicos gerais para infecções respiratórias agudas (IRA) e internações por infecções respiratórias agudas graves (IRA), onde um total de oito modelos foram executados para gerar nowcasts e previsões. Além disso, consideramos casos confirmados de influenza sazonal e vírus sincicial respiratório (VRS) onde um modelo de previsão cada estava disponível. Como todos os indicadores foram submetidos a revisões retrospectivas, modelos de previsão foram combinados com uma etapa de nowcasting. Para os indicadores SARI e ARI, combinamos os modelos disponíveis em um conjunto e realizamos avaliações quantitativas detalhadas. Nowcasts em geral mostrou desempenho convincente, mesmo que para alguns modelos efeitos de quebra de Natal levou a um viés ascendente no início de janeiro. As previsões foram globalmente bem calibradas e a maioria dos modelos superou modelos de referência simples. Ao levar em conta os objetivos estratificados por idade, a maioria das diferenças de desempenho observadas em relação a um valor basal de persistência foram estatisticamente significativas. Antecipando o pico de tempo e magnitude, no entanto, provou ser desafiador, com muitos modelos prevendo curvas muito planas com uma volta muito cedo (por exemplo, no final de janeiro em vez de meados de fevereiro para SARI). A previsão do conjunto combinado estava entre as abordagens de melhor desempenho, mas ao contrário de projetos anteriores não superou consistentemente modelos individuais. Concluímos discutindo aprendizagens sobre a organização de projetos de previsão colaborativa em tempos pós-COVID-19.