Regresores

Un regresor es una variable semanal que no viene del DEIS y que podría ayudar a pronosticar las atenciones, por ejemplo los feriados, la circulación de virus respiratorios, la temperatura o una campaña de vacunación. Esta página explica cómo se agregan sin hacer trampa, cuáles vienen incluidos, qué mostraron con datos reales y cómo probar uno propio.

En la demo puedes agregarlos al pronóstico con un botón y comparar las dos curvas.

Cómo funcionan

El modelo Armónico describe cada semana con una tendencia y un ciclo anual. Un regresor le agrega una o más columnas: por ejemplo “cuántos feriados caen en día hábil esa semana”. Si esa columna explica parte de lo que el ciclo anual no explica, el pronóstico mejora. Si no, solo agrega ruido.

Cada regresor es una tabla con timestamp (el lunes que cierra cada semana DEIS) y una columna por variable, más las reglas de su fuente:

Atraso de publicación (report_delay_weeks). FluNet publica una semana unas dos semanas después. Al pronosticar desde una fecha, esas dos últimas semanas todavía no existen.
Futuro conocido (known_future). Los feriados de 2027 ya se saben; la positividad de influenza de julio de 2027, no.

Y dos decisiones del modelo:

Rezago (lag_weeks): la semana t usa el valor de la semana t − rezago.
Qué hacer con lo que aún no se publica (future): el promedio histórico de esa semana del año ("climatology") o una proyección de la propia serie desde la temporada en curso ("forecast"), que arrastra si la temporada viene adelantada o atrasada.

La regla que lo mantiene honesto: en cada ventana del backtest el modelo solo ve lo que estaba publicado en esa fecha. Si se usaran los valores reales de las semanas siguientes, el backtest se vería mejor de lo que el modelo puede rendir en la práctica.

Los incluidos

Regresor	Variables	Atraso	Futuro	Modelos (`-m`)
`calendar()`	feriados en día hábil, interferiados, fracción de la semana en vacaciones escolares	—	conocido	`ArmónicoFeriados` (solo feriados), `ArmónicoCalendario` (las tres)
`flunet()`	positividad nacional de influenza y VRS (OMS FluNet, reportada por el ISP)	2 semanas	no	`ArmónicoFluNet` (promedio histórico, rezago 3), `ArmónicoFluNetProy` (proyección, rezago 1)

El calendario sale de la biblioteca holidays y de un calendario escolar aproximado (features.calendar). FluNet se copia cada semana a la rama datos del repositorio (flunet_chl.csv). Es semanal desde 1997 y solo nacional: no distingue regiones.

Qué mostraron con datos reales

Cada variante se comparó con el Armónico sin regresor en los 40 hospitales públicos con más atenciones, con hasta 36 ventanas de 4 semanas desde enero de 2024 (tres inviernos), en noviembre de 2026. Para cada hospital, una prueba de signos dice si la diferencia es consistente (mejora o empeora) o ruido (sin diferencia).

Variante	Cambio mediano de la pérdida P80	Ventanas ganadas	Mejora / empeora / sin diferencia
Feriados	−2,9 %	66 %	19 / 0 / 21
Calendario completo	−3,4 %	62 %	7 / 0 / 33
Virus, promedio histórico (rezago 3)	+1,0 %	45 %	0 / 7 / 33
Virus, proyección (rezago 3)	+0,9 %	45 %	0 / 2 / 38
Virus, proyección (rezago 1)	+1,8 %	44 %	0 / 3 / 37

Los feriados sí ayudan. La pérdida mediana baja en 39 de los 40 hospitales y ninguno empeora. Por azar se esperaría que uno de 40 saliera “mejora”, no 19. La ganancia es mayor en septiembre (−7,5 %, gana en el 88 % de las ventanas: Fiestas Patrias), pero se mantiene el resto del año. Sumar interferiados y vacaciones escolares no agrega: las vacaciones son aproximadas y se parecen mucho al ciclo anual que el modelo ya tiene.

La circulación viral no ayuda con el total de atenciones. Ningún hospital mejora de forma consistente, y los que ganan un invierno no son los que ganan el siguiente: la correlación entre inviernos es cercana a cero. El daño se concentra en invierno, cuando la positividad suma variabilidad sin aportar información que el ciclo anual no tenga. Proyectarla reduce los hospitales que empeoran, pero no logra que mejoren. Puede rendir más con series más específicas (atenciones respiratorias o pediátricas) o con vigilancia regional: en la literatura, la circulación viral explica sobre todo las consultas por infecciones respiratorias, no el total (Satia y otros, 2020; ver Referencias).

Las dos conclusiones son útiles: un resultado negativo bien medido le ahorra trabajo a quien venga después.

Por qué un intervalo más angosto o más bajo puede ser peor

Al sumar un regresor, el P80 a veces baja y queda más cerca del valor central: el intervalo se ve más angosto y el pronóstico, más preciso. Eso no basta para que sea mejor. El P80 es el número de atenciones que no se debería superar en 4 de cada 5 semanas, y la pérdida P80 mide qué tan bien puesto quedó. Cobra por cada atención de diferencia, pero no igual:

si lo real supera el P80 (faltaron), 0,8 por atención;
si queda bajo el P80 (sobraron), 0,2 por atención.

Quedarse corto cuesta 4 veces más. Un ejemplo, con el P80 10 atenciones más abajo:

	Real	P80 en 1.050	P80 en 1.040	Diferencia
Semana tranquila	1.000	sobran 50 → pérdida 10	sobran 40 → pérdida 8	−2, mejor
Semana cargada	1.100	faltan 50 → pérdida 40	faltan 60 → pérdida 48	+8, peor

Bajar el P80 mejora un poco cada semana tranquila y empeora cuatro veces más cada semana cargada. Con 4 semanas tranquilas y 1 cargada, queda igual (4 × 2 = 8): por eso el mejor P80 es el que se supera justo 1 de cada 5 semanas. Si lo real supera el P80 más bajo en más de 1 de cada 5 semanas, sale peor, aunque se vea más preciso. Es el principio de buscar el intervalo más angosto siempre que esté calibrado (Gneiting, Balabdaoui y Raftery, 2007; ver Referencias).

En los 40 hospitales evaluados, con datos al 31 de octubre de 2026, casi todos los regresores angostan el intervalo: los feriados en 37 y la positividad viral en 35. Con los feriados, la pérdida P80 bajó en 31 de esos 37; con la positividad viral, subió en 21 de esos 35. Lo que decide no es el ancho, sino si lo real sigue quedando bajo el P80 4 de cada 5 semanas.

La demo lo muestra con el backtest real de cada uno de los 40 establecimientos evaluados. Hay un gráfico con el P80 de cada ventana y lo que pasó, la cuenta semana a semana de la ventana que elijas, y una tabla con el ancho, las semanas sobre el P80 y las dos partes de la pérdida. En Python, backtest(...).scores() trae esas columnas para cada ventana: width_80 (P80 menos P50), qloss_80_short (la parte por quedarse corto) y qloss_80_excess (la parte por pasarse); las dos suman qloss_80.

from urgencias_core import backtest
from urgencias_core.models.registry import available_models

modelos = available_models()
dos = {m: modelos[m] for m in ("Armónico", "ArmónicoFeriados")}
corrida = backtest(semanal, dos, length=4, origins=36, step=4)
cols = ["width_80", "qloss_80_short", "qloss_80_excess", "qloss_80"]
print(corrida.scores().groupby("model")[cols].mean())

Probarlo

En la demo. La sección 4 de cada establecimiento, “¿Mejora con información externa?”, tiene tres botones: Feriados, Virus respiratorios y Virus proyectados. Cada uno muestra un gráfico que compara el Armónico solo (línea punteada) con el Armónico más ese regresor (línea de color y su banda hasta P80), sin la calibración de intervalos, para que la única diferencia sea el regresor. El texto bajo el gráfico dice cuánto cambian las próximas cuatro semanas y, si el establecimiento está entre los 40 evaluados, el veredicto de su backtest. En el gráfico y su detalle se ve qué supuso el modelo para cada semana: los feriados o la positividad publicada o proyectada. Más abajo vienen la comparación en 36 ventanas y el backtest semana a semana (ver la sección anterior).

En la terminal.

urg-forecast pronosticar 24-105 -m ArmonicoFeriados -m Armonico   # pronóstico con y sin
urg-forecast comparar 24-105 -m ArmonicoFeriados                  # ¿mejora acá? 36 ventanas

En Python. examples/04_regresor_externo.py compara las variantes en un establecimiento y grafica lo que supuso el modelo.

Agregar uno propio

Un regresor propio se declara igual que los incluidos:

import pandas as pd
from urgencias_core.eval.compare import compare_models
from urgencias_core.models.exogenous import HarmonicExogenous
from urgencias_core.models.harmonic import HarmonicRegression
from urgencias_core.regressors import Regressor

temperatura = Regressor(
    name="temperatura",
    load=lambda: pd.read_csv("temperatura_semanal.csv", parse_dates=["timestamp"]),
    columns=("temp_min",),        # una columna por variable
    report_delay_weeks=1,         # se publica con una semana de atraso
)
con_temp = lambda: HarmonicExogenous.from_regressor(
    temperatura, lag_weeks=0, future="forecast"
)
cmp = compare_models(semanal, ("Armónico", HarmonicRegression), ("ConTemp", con_temp))
print(cmp.text())

Antes de concluir que sirve:

Semanas DEIS. timestamp es el lunes que cierra la semana (los 7 días que terminan ese lunes). Agrega tus datos diarios a esas semanas.
Un atraso realista. Si en la práctica el dato llega tarde, decláralo. Si no, el backtest queda mejor de lo que el modelo puede rendir de verdad.
Muchos establecimientos, no uno. Con 40 hospitales y un umbral de 5 %, unos dos saldrán “mejora” o “empeora” por azar. Un regresor útil mejora en muchos.
Lo que ya explica la estación. Una variable que sube y baja cada año igual que las atenciones (temperatura, vacaciones) puede no agregar nada al ciclo anual.
Documenta el resultado, aunque sea negativo.

Si gana, se registra como modelo opcional en models/registry.py y se suma a available_regressors() en regressors.py. Dónde va cada cosa está en Arquitectura.