Acción matemática contra el coronavirus

Enlace a la página de la publicación original. Fecha de publicación: 1 Abril 2020.


Con el objetivo de construir un meta-predictor para facilitar a las autoridades información del comportamiento a corto plazo de variables de gran interés en la expansión del virus COVID-19, se hace un llamamiento a todos aquellos investigadores en el ámbito de la comunidad Matemática / Estadística / Científica de Datos que hayan desarrollado modelos predictivos para dicho fin. Para ello se utilizarán las predicciones aportadas por los investigadores participantes para construir un meta-predictor o “predictor cooperativo”, basado en combinaciones optimizadas de predicciones de los diferentes modelos/algoritmos, desagregadas por CCAA.

Para este fin se hace un llamamiento a todos los investigadores interesados en participar en esta labor de inteligencia colectiva y lucha contra la pandemia a que suministren un archivo con sus predicciones conforme a las pautas que se indican en estos documentos

Más información y descarga de ficheros

Predicción cooperativa

Descargar plantilla de predicción como XLSX

Datos

Última actualización del ISCIII: 14-06-2022

          
            
            Descargar datos como CSV
          
          

Los datos que se han utilizado han sido descargados, procesados y adaptados de los datos publicados por el Instituto de Salud Carlos III.
Los datos de las CCAA están en continua revisión y ciertas oscilaciones diarias pueden deberse a procesos de depuración de datos y no a variaciones reales acontecidas de un día a otro.

Acción matemática contra el coronavirus

Enlace a la página de la publicación original. Fecha de publicación: 1 Abril 2020.


Investigadores colaboradores

Los investigadores que se citan a continuación, así como otros que han preferido que no se hagan públicos sus nombres, colaboran en esta acción de predicción cooperativa aportando diariamente sus predicciones. Nos gustaría agradecer a todos ellos su trabajo y generosidad que hacen posible la elaboración de estas predicciones cooperativas.

  1. Fabián Otero Vázquez. Universidade de Santiago de Compostela
  2. Grupo Spatial Statistics-UPNA Dpto de Estadística, Informática y Matemáticas. Universidad Pública de Navarra
    • Aritz Adin
    • Jaione Etxberria
    • Tomás Goicoa
    • Lola Ugarte
  3. Grupo ADAGIO
    • Daniele Musso, afiliaciones: Universidad de Santiago de Compostela, Instituto de Física de Áltas Enerxías USC-IGFAE. Inovalabs TechEye
    • Giorgio Musso
  4. Grupo UDAT
    • Argimiro Arratia (UPC)
    • Alejandra Cabaña (UAB)
    • Amanda Fernández-Fontelo (HU-Berlín)
    • David Moriña (CRM)
    • Pere Puig (UAB)
  5. Grupo de investigación qUPHS Universidad Pública de Navarra
    • Daniel García de Vicuña
    • Fermín Mallor
    • Martín Gastón
    • Laura Frías
    • Cristina Azcárate
    • Marta Cildoz
  6. Grupo INVERENCE
    • César Pérez Álvarez
    • web
  7. Grupo ModestyaUSC Universidade de Santiago de Compostela
    • Manuel Febrero Bande
    • Wenceslao González Manteiga
    • Manuel Oviedo de la Fuente
  8. Grupo Estadística (ULL-STAT). Departamento de Matemáticas e Investigación Operativa. Universidad de la Laguna
    • Carlos J. Pérez González
    • Arturo Fernández Rodríguez
    • Roberto Dorta Guerra
  9. Vicente Martínez García. Departamento de Matemáticas. Instituto de Matemáticas y Aplicaciones de Castelló. Universitat Jaume I. Informes del investigador
  10. Grupo DinSisCovid19
    • Antonio Caselles (antonio.caselles@uv.es). Departament de Matemàtica Aplicada. Universitat de Valéncia. Ciutat de Valéncia. Valéncia (Spain)
    • Maria T. Sanz (m.teresa.sanz@uv.es). Departament de Didàctica de la Matemàtica. Universitat de Valéncia. Ciutat de Valéncia. Valéncia (Spain)
    • Joan C. Micó (jmico@mat.upv.es). Institut Universitari de Matemàtica Multidisciplinar. Universitat Politècnica de Valéncia. Ciutat de Valéncia. Valéncia (Spain)
    • Concha Soler Monreal (soler_mco@gva.es). Institut Valencià de Cultura. Generalitat Valenciana. Ciutat de Valéncia. Valéncia (Spain)
  11. Grupo MATGEN
    • Dra. Beatriz González Pérez, Departamento de Estadística e Investigación Operativa de la Facultad de Matemáticas de la Universidad Complutense de Madrid y miembro del Instituto de Matemática Interdisciplinar (IMI) web
    • Dra. Concepción Núñez Pardo de Vera, Laboratorio de investigación en Genética de enfermedades complejas, Instituto de Investigación Sanitaria del Hospital Clínico San Carlos de Madrid web
    • Gabriel Valverde Castilla, profesor asociado en CUNEF, Departamento de Economía Cuantitativa y Estudiante de Doctorado IMEIO en la Universidad Complutense de Madrid web
    • Óscar de Gregorio Vicente, profesor asociado en UCM, Departamento de Estadística e Investigación Operativa web
    • José Luis Sánchez Maroñas, Estudiante de Doctorado IMEIO en la Universidad Complutense de Madrid
    • José Manuel Velasco Cabo, Departamento de Arquitectura de Computadores y Automática en la Universidad Complutense de Madrid
  12. Grupo del BCAM
    • Jose Antonio Lozano: Basque Center for Applied Mathematics (BCAM) y Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU)
    • Onintze Zaballa: Basque Center for Applied Mathematics (BCAM)
  13. Grupo UBrisk, Riskcenter, Universitat de Barcelona
    • Montserrat Guillén
    • Manuela Alcañiz
    • Catalina Bolancé
  14. Grupo CIEMAT JC MORA
    • Juan Carlos Mora Cañadas. Investigador del grupo PRPYMA. Departamento de Medioambiente. CIEMAT
    • Alla Dvorzhak
    • Alicia Escribano
    • Blanca García
    • Milagros Montero
    • Danyl Pérez
    • Almudena Real
  15. Grupo de predicción COVID-19, Universidad de Barcelona (Facultad de Medicina, Facultad de Biología)
    • Antonio Monleon-Getino. Section of Statistics, Departament of Genetics, Microbiology and Statistics, Faculty of Biology, Univeristy of Barcelona, Barcelona, Spain. Group of Researh in Bioestatistics and Bioinformatics (GRBIO) , Barcelona, Spain. BIOST3. Group of Researh in Clinical Bioestatistics, Bioinformatics and Data Science, Barcelona, Spain. Email: amonleong@ub.edu
    • Jaume Canela-Soler. Section of Biostatistics. Clinical Foundations Department, School of Medicine, Univeristy of Barcelona, Barcelona, Spain. Email: jcanela@ub.edu
  16. Grupos UNAV-BEQ y UNAV-BEQb. Uninversidad de Navarra. Departamento de Biología Ambiental (AMBIUN). Biodiversity Data Analytics and Environmental Quality Group (BEQ)
    • Arturo H. Ariño
    • David Galicia
  17. Grupo ITAINNOVA (Instituto Tecnológico de Aragón)
    • Dr. David Ciprés Bagüeste. Tecnologías Digitales (AI,Data Analytics,IoT,Blockchain)
    • Katy Anguiano Montull. Licencia en Matemáticas. IES Río Gállego
  18. Grupo: PROMEDyA
    • José D. Bermúdez Edo (Dpto. Estadística e I.O. Universitat de València)
    • Ana Corberán Vallet (Dpto. Estadística e I.O. Universitat de València)
    • José Vicente Segura Heras (IU. Centro de Investigación Operativa. Universidad Miguel Hernández)
    • Enriqueta Vercher González (Dpto. Estadística e I.O. Universitat de València)
  19. Grupo: Bioestadística-UCM
    • Prof. Dr. Mª del Carmen Pardo. Departamento de Estadística e I.O. Facultad de Matemáticas – UCM
    • Prof. Dr. Teresa Pérez. Departamento de Estadística y Ciencia de los Datos. Facultad de Estudios Estadísticos – UCM
  20. Grupo:GEUVA (Grupo de Aplicaciones Estadísticas de la UVa). Departamento de Estadística e I.O de la Universidad de Valladolid (UVa) y al IMUVA (Instituto de matemáticas de la UVa)
    • Cristina Rueda Sabater (IP)
    • Pedro César Alvarez Esteban
    • Eustasio del Barrio Tellado
  21. José E. Chacón. Universidad de Extremadura
  22. Grupo: StatGroup-19-SP
    • Jose Ameijeiras-Alonso. Department of Mathematics. KU Leuven
    • Rosa M. Crujeiras. Departamento de Estadística, Análisis Matemático y Optimización. Grupo de investigación MODESTYA. Universidad de Santiago de Compostela
    • Colaboración con el StatGroup-19 (Italia)
  23. Grupo: APT
    • Francisco J Plaza Martín, Dpto Matemáticas, USAL
    • Carlos Tejero Prieto, Dpto Matemáticas, USAL
    • Luis Agüeria Martínez, Controliza SL (León)
  24. Juan José Muñoz Muñoz, profesor asociado del Área de Estadística de la Universidad de Castilla-La Mancha.
  25. Javier Igea López-Fando, PhD.
  26. Grupo: SEES Lab (Universitat Rovira i Virgili + ICREA)
    • Roger Guimerà, ICREA & URV
    • Ignasi Reichardt, URV
    • Josep Maria Gastó, URV
    • Marta Sales-Pardo, URV
  27. Javier Portela. Profesor de la Facultad de Estudios Estadísticos. Coordinador del Máster en Minería de datos e Inteligencia de negocios. UCM
  28. Grupo de “Laboratorio de Computación Matemática en Redes Complejas y sus Aplicaciones”. Universidad Rey Juan Carlos
    • Regino Criado
    • Miguel Romance
    • David Aleja
  29. Francisco Javier Alonso Morales. Dpto. Estadística e I.O. Universidad de Granada
  30. Grupo DOE-USAL
    • Juan M. Rodriguez-Diaz (USAL)
    • Guillermo Sánchez León (USAL)
    • Jesús López-Fidalgo (UNAV)
  31. Leandro Marín. Grupo de Investigación: Matemática Aplicada en Ciencias e Ingeniería. Facultad de Informática. Universidad de Murcia
  32. Ivan Méndez Ruzafa, Analista de datos. Máster en Análisis Económico y Economía Financiera (UCM)
  33. Pablo Montero Manso. University of Sidney
  34. Grupo MOVAVI
    • Franciso G. Morillas Jurado, T.U., Dpto. Economia Aplicada de la Universitat de València-Grupo de Riesgo en Seguros y Finanzas
    • José Valero Cuadra, C.U., Centro de Investigación Operativa de la Universidad Miguel Hernández de Elx
    • Juan José Vidal Llana, Máster en C. Actuariales y Finacieras (Snr. Pricing Analyst en Allianz España y Freelancer Strategy Consultant)
  35. Prof. Víctor M. Pérez García. Mathematical Oncology Laboratory (MOLAB) . Universidad de Castilla-La Mancha
  36. Eulogio Miguel Cuesta Yustas. Grupo Santander.
  37. (lJNLNX) - Ingeniero Superior químico, (SYMYB) - Manuel Castañón González
  38. José Joaquín Fuentes Martínez. Licenciado en Matemáticas. Universidad de Murcia. Máster en Big Data. UCAM
  39. Francisco Guillen Gonzalez y Maria Angeles Rodriguez Bellido, EDAN and IMUS, Univ. Sevilla
  40. Grupo COVID19SVQ
    • Sandra Benítez-Peña (IMUS)
    • Emilio Carrizosa (IMUS)
    • Vanesa Guerrero (UC3M, IMUS)
    • Dolores Jiménez-Gamero (IMUS)
    • Belén Martín-Barragán (U Edinburgh)
    • Cristina Molero-Río (IMUS)
    • Pepa Ramírez-Cobo (UCA, IMUS)
    • Dolores Romero Morales (CBS, IMUS)
    • M. Remedios Sillero-Denamiel (IMUS)
  41. Grupo MODES Universidade da Coruña
    • Germán Aneiros Pérez
    • Inés Barbeito Cal
    • Ricardo José Cao Abad
    • Wende Clarence Safari
    • María Graciela Estévez Pérez
    • María Amalia Jácome Pumar
    • Ana López Cheda
    • Andrea Meilán Vila
    • Silvia Novo Díaz
    • Rebeca Peláez Suárez
    • Juan Manuel Vilar Fernández
  42. Jani Lobo. Universidade da Coruña
  43. Grupo CoDa

Acción matemática contra el coronavirus

Enlace a la página de la publicación original. Fecha de publicación: 1 Abril 2020.


Comisión científico-técnica

  1. Centro de Investigación en Tecnologías de la Información y las Comunicaciones (CITIC) de la Universidade da Coruña (UDC)
  2. Instituto de Investigación de Matemáticas y Dpto. Estadística e I.O. de la Universidad de Valladolid
  3. Monash University, Department of Econometrics & Business Statistics

Acción matemática contra el coronavirus

Enlace a la página de la publicación original. Fecha de publicación: 1 Abril 2020.


FichaTecnica (formato pdf)

Acción matemática contra el coronavirus

Enlace a la página de la publicación original. Fecha de publicación: 1 Abril 2020.



El ISCIII publica, de martes a viernes, las series históricas de casos, hospitalizados, uci y fallecidos. Estas series son actualizadas con carácter retroactivo. Se representa aquí cómo han ido cambiando estas series en función de la fecha de publicación por parte del ISCIII. Cada curva representa una publicación y se muestran las últimas 16 (las últimas 4 semanas).

Fecha de publicación


NOTA: El sombreado del gráfico muestra los valores máximos y mínimos que ha tomado la serie en cada fecha para todas las publicaciones desde el 12-01-2021, no restringiéndose al periodo de 4 semanas anteriormente citado.

Evolución del valor reportado de cada variable para una determinada fecha histórica en función del día de reporte


Acción matemática contra el coronavirus




Predictores



Acción matemática contra el coronavirus


Predictores



Debido al carácter retroactivo de las series publicadas por el ISCIII, para evaluar las predicciones se ha decidido tomar para una determinada fecha horizonte d, el valor observado para d en el día d+8 (o, de no haber publicación ese día, en el primero que la hubiese posterior a d+8).

Debido al carácter retroactivo de las series publicadas por el ISCIII, para evaluar las predicciones se ha decidido tomar para una determinada fecha horizonte d, el valor observado para d en el día d+8 (o, de no haber publicación ese día, en el primero que la hubiese posterior a d+8).

Acción matemática contra el coronavirus


Debido al carácter retroactivo de las series publicadas por el ISCIII, para evaluar las predicciones se ha decidido tomar para una determinada fecha horizonte d, el valor observado para d en el día d+8 (o, de no haber publicación ese día, en el primero que la hubiese posterior a d+8).

Debido al carácter retroactivo de las series publicadas por el ISCIII, para evaluar las predicciones se ha decidido tomar para una determinada fecha horizonte d, el valor observado para d en el día d+8 (o, de no haber publicación ese día, en el primero que la hubiese posterior a d+8).

Debido al carácter retroactivo de las series publicadas por el ISCIII, para evaluar las predicciones se ha decidido tomar para una determinada fecha horizonte d, el valor observado para d en el día d+8 (o, de no haber publicación ese día, en el primero que la hubiese posterior a d+8).

Debido al carácter retroactivo de las series publicadas por el ISCIII, para evaluar las predicciones se ha decidido tomar para una determinada fecha horizonte d, el valor observado para d en el día d+8 (o, de no haber publicación ese día, en el primero que la hubiese posterior a d+8).

Evolución de la COVID-19 en España

Última actualización realizada: 13 junio 2022
El profesor Carlos Fernández Lozano de la Universidade da Coruña e investigador del Centro de Investigación en Tecnologías de la Información y las Comunicaciones (CITIC) , puso en marcha un dashboard de Shiny y R que permite monitorizar la evolución de la Covid-19 en España. La idea surgió a partir del trabajo realizado por el investigador Rubén Fernández Casal , que comenzó a capturar los datos del Ministerio de Sanidad, Consumo y Bienestar del Gobierno de España relativos a los contagios por la Covid-19. Esta iniciativa colaborativa cuenta con el respaldo del comité de expertos de la 'Acción Matemática contra el Coronavirus' del Comité Español de Matemáticas (CEMat), a través de su presidente Ricardo Cao , también investigador del CITIC , que tiene el objetivo de ayudar al Gobierno a encontrar soluciones ante la crisis sanitaria.

El dashboard de shiny permite consultar los datos relativos al número de casos confirmados afectados por la Covid-19 por comunidades autónomas en las últimas semanas, así como los pacientes hospitalizados, ingresados en la UCI, incidencia acumulada (14 días) y los fallecimientos, además de ofrecer una foto actualizada del proceso de vacunación y la evolución de los reportes de datos. Muestra también la pirámide de población separada por edad y sexo para los casos, fallecimientos, hospitalizados e ingresos en la UCI por la Covid-19. Además, da soporte a los resultados obtenidos por los múltiples grupos de investigación participantes de la 'Acción Matemática contra el Coronavirus' y muestra informes dinámicos resumen. Está desarrollada con Shiny y R .

Las herramientas y los datos que he usado son abiertos y por tanto, en el desarrollo he seguido los principios de acceso abierto del ERC . A partir de la fuente original los datos son pre-procesados y se añade información complementaria como apoyo de la representación gráfica utilizada (coordenadas de latitud y longitud, población, generación de variables con cantidades acumuladas, incidencia acumulada, etc). Los he dejado disponibles para descarga en forma de csv en la propia web, puedes disponer de ellos ;)

Este sitio se actualiza, al menos, una vez al día de forma automática al detectar la publicación de la serie histórica de seguimiento de la covid-19 del ISCIII https://cnecovid.isciii.es/covid19/ . El desarrollo de esta página y de la aplicación forecoop.citic.udc.es han sido posibles gracias al fondo SUPERA COVID 19, promovido por CRUE Universidades Españolas, el el Consejo Superior de Investigaciones Científicas (CSIC) y Banco Santander.



Equipo técnico de apoyo


Código

El código y los datos necesarios para generar el dashboard Shiny de R estarán disponibles en breve en Github.
Esta aplicación contiene código adaptado de las siguientes fuentes:
Ejemplo de Shiny en GitHub
Ejemplo de Shiny en GitHub
Ejemplo de Shiny en Rstudio
Ejemplo de Shiny en GitHub


Fuentes de datos:

Casos COVID-2019 en España: página web del Dr. Rubén Fernández Casal en GitHub Fuente original: Ministerio de Sanidad, Consumo y Bienestar Social. NOTA: Los datos de la fuente original van cambiando continuamente de formato :(
Coordenadas para mapear los países: Github
Coordenadas para mapear las comunidades autónomas: Wiki de openStreetMap enlace
Datos de población por comunidades autónomas: Instituto Nacional de Estadística
Actualmente la web se alimenta directamente de los datos de Situación de COVID-19 en España publicados por el Instituto de Salud Carlos III. (ISCIII)

Autor

Dr Carlos Fernandez-Lozano
Departmento de Computación e Inteligencia Articial de la Universidad de la Coruña (UDC)
Centro de Investigación en Tecnologías de la Información y las Comunicaciones (CITIC)



Contacto

carlos.fernandez@udc.es