Descripción del proyecto

Se propone una transferencia estratégica de metodologías avanzadas de análisis de series temporales multivariantes y Machine Learning hacia la administración pública, con un impacto directo en la vigilancia epidemiológica y en la gestión de políticas sanitarias. El propósito central es fortalecer la capacidad predictiva del Ministerio de Sanidad, dotando al Centro de Coordinación de Alertas y Emergencias Sanitarias (CCAES) de herramientas innovadoras para anticipar riesgos y mejorar la toma de decisiones basada en datos. El proyecto combina formación práctica, asesoramiento científico continuado y desarrollo tecnológico, con la creación de un paquete en R que permitirá a técnicos no especializados aplicar modelos avanzados de predicción. 

Se plantea un formato mixto con talleres presenciales y virtuales, grupos de trabajo colaborativos entre investigadores y técnicos, y workshops anuales para garantizar un aprendizaje efectivo y una transferencia sostenida de conocimiento. Entre las áreas de aplicación destacan: la vigilancia de enfermedades transmisibles, la explotación de datos de incapacidad temporal por enfermedades respiratorias, y la vigilancia de enfermedades no transmisibles como cáncer y patologías raras. En todos los casos, se busca superar las limitaciones de los modelos tradicionales mediante metodologías capaces de integrar múltiples fuentes de datos heterogéneos, detectar anomalías de forma temprana y estimar incidencia y prevalencia con mayor precisión. La propuesta ofrece un alto valor añadido: aprovecha metodología de econometría y machine learning, aplicadas con éxito en energía y economía, poco exploradas en salud pública. Su implementación permitirá anticiparse mejor a brotes epidémicos, optimizar la planificación sanitaria o reducir desigualdades territoriales en vigilancia epidemiológica. Este proyecto representa una oportunidad única para posicionar a la administración sanitaria en la vanguardia de la innovación en salud pública.