EpiForecast-MX · IMSS × Tec de Monterrey · 02/03/2026
Todo lo que necesitas saber para entender este reporte, explicado de forma sencilla
El MASE es como una calificacion del modelo. Lo compara contra el metodo mas simple posible: repetir lo que paso hace exactamente un ano.
< 0.7 Excelente 0.7 – 1.0 Bueno > 1.0 Necesita mejora
Si el MASE es menor a 1, nuestro modelo es mejor que solo copiar el pasado. Entre mas bajo, mejor.
El INEGI agrupa los 32 estados en 4 zonas segun sus patrones de salud mental. Esto importa porque estados de la misma zona se comportan de forma similar:
CDMX, Edo. Mex, Jalisco, Nuevo Leon, Chihuahua, Baja California, Coahuila, Sinaloa, Sonora, Tamaulipas
Aguascalientes, BCS, Colima, Durango, Guanajuato, Morelos, Queretaro, San Luis Potosi, Zacatecas
Campeche, Chiapas, Oaxaca, Quintana Roo, Tabasco, Veracruz, Yucatan
Guerrero, Hidalgo, Michoacan, Nayarit, Puebla, Tlaxcala
Algunos estados tienen tan pocos casos (menos de 0.5 por semana) que no hay datos suficientes para entrenar un modelo confiable solo para ese estado.
En lugar de dar un pronostico malo, usamos el modelo de toda su region INEGI, que tiene muchos mas datos. El pronostico final se ajusta con la poblacion individual de cada estado.
Es como pedir prestada la experiencia de los vecinos para hacer una mejor prediccion.
Cada padecimiento tiene una base de 99 modelos (32 estados × 3 modos de sexo + 3 nacionales). La diferencia viene de cuantos modelos regionales de respaldo se necesitan:
Alzheimer: 111 modelos (99 base + 12 regionales de respaldo). 35 modelos estatales no tienen datos suficientes y usan el modelo de su region (4 regiones activas).
Depresión: 111 modelos (99 base + 12 regionales de respaldo). 0 modelos estatales no tienen datos suficientes y usan el modelo de su region (4 regiones activas).
Parkinson: 111 modelos (99 base + 12 regionales de respaldo). 5 modelos estatales no tienen datos suficientes y usan el modelo de su region (4 regiones activas).
Cada modelo se evalua con cuatro metricas complementarias:
MASE — Compara el error del modelo contra un baseline naive (repetir el valor de hace 1 ano). Menor a 1 = mejor que el baseline. Metrica principal.
RMSE — Error cuadratico medio. Penaliza errores grandes. Esta en espacio log-tasa, por eso son numeros pequenos (~0.05–0.2).
MAE — Error absoluto medio. Similar al RMSE pero sin penalizar extremos. Tambien en espacio log-tasa.
MAPE — Error porcentual. Intuitivo («el modelo se equivoca X%»), pero problematico cuando la incidencia es cercana a cero.
Nota: RMSE y MAE estan en escala log-tasa (no en casos), por eso sus valores son pequenos.
El MAPE se calcula como |error| / |valor real| × 100. Cuando la incidencia semanal es cercana a cero (comun en Alzheimer y Parkinson estatales), el denominador se acerca a cero y el MAPE explota hacia infinito.
Para evitar valores infinitos, se capea a 999%. Esto ocurre en ~44% de los modelos (138 de 312), principalmente en padecimientos de baja incidencia.
Por esta razon, MASE es la metrica principal: no sufre este problema porque compara contra un baseline en vez de dividir por el valor real.
Desempeno agregado de los modelos Prophet por enfermedad
Como se distribuyen los modelos segun su MASE — la mayoria estan en rango bueno o excelente
Comparacion de MASE entre modelos generales, masculinos y femeninos. Los modelos «general» suelen ser mejores porque tienen mas datos.
Modelos con el MASE mas bajo (mejor) y mas alto (peor). CDMX domina los mejores; Estado de Mexico domina los peores.
Los 333 modelos agrupados por nivel: Nacional, Regional y Estatal
| Entidad | Padecimiento | Modo | MASE | RMSE | MAE | Tipo | Confianza |
|---|
Tipo de modelo por estado: Propio (datos suficientes) Fallback regional (usa modelo de su zona). Orden: Alzheimer, Depresion, Parkinson.