20/08/2026
20/08/2026
Bogotá, 8 de mayo de 2026 — Un equipo de investigadores del Grupo de Biología Matemática y Computacional (BIOMAC) del Departamento de Ingeniería Biomédica de la Universidad de los Andes publicó un estudio en la revista JMIR Public Health and Surveillance que evalúa el desempeño del canal endémico, la principal herramienta estadística utilizada en Colombia y América Latina para detectar brotes de dengue.
El problema: una herramienta clave sin parámetros estandarizados
Durante su trabajo en inteligencia epidemiológica, Juan D. Umaña, Juan F. Montenegro y el profesor Mauricio Santos del BIOMAC y la Facultad de Ciencias Biológicas se preguntaron: ¿Qué tan transparente es el método para definir cuándo nos encontramos en un brote de dengue? ¿Cómo evaluar el desempeño que ofrece la configuración actual del algoritmo?
El canal endémico es un método de vigilancia que presenta indicadores estadísticos y representaciones visuales de la dinámica histórica de una enfermedad, generando niveles de alerta (seguridad, alerta y epidemia) para definir el estado epidemiológico de una región. Sin embargo, los investigadores encontraron que su aplicación en Colombia es profundamente heterogénea: en 2022, de los 28 departamentos con transmisión de dengue, solo 12 mostraron un gráfico del canal endémico en sus boletines, y solo una fracción de estos documentó los parámetros metodológicos utilizados.
Esta falta de estandarización compromete la reproducibilidad de los resultados y dificulta la comparación epidemiológica entre regiones, precisamente cuando el dengue representa una amenaza creciente. La OMS reportó un aumento de ocho veces en los casos de dengue en las últimas dos décadas, y en 2024 la región de las Américas superó los 13 millones de notificaciones, una cifra sin precedentes.
Los hallazgos: desempeño del canal endémico es altamente dependiente del contexto
El estudio analizó datos de dengue de todos los municipios de Colombia entre 2007 y 2022, evaluando sistemáticamente cómo distintas configuraciones del canal endémico afectan su capacidad de detección y su tasa de alertas correctas.
Los resultados más relevantes son:
1. La selección de ventanas retrospectivas tiene un efecto esencial en el desempeño. Reducir la ventana de datos históricos utilizada para construir el canal endémico mejoró las métricas de desempeño en todos los perfiles de transmisión (+6.34% en promedio) mientras que ampliarla redujo la capacidad de detección. Sin embargo, la selección del parámetro no es trivial pues es altamente sensible a la estacionalidad de los casos en cada región. Por lo tanto, no comunicar de forma transparente la ventana usada en los boletines institucionales compromete su interpretación por parte de otros cuerpos oficiales o académicos.
2. Un ajuste matemático mínimo produce una mejora significativa. En lugar de sumar una unidad completa a los datos, como propone el método original para prevenir valores cero y estimaciones nulas, desplazar los datos en un valor mínimo (como 0.001) mejora significativamente el desempeño en todos los niveles de transmisión (+23.07% en promedio). Este cambio puede integrarse fácilmente en las plantillas de vigilancia existentes sin necesidad de rediseñar el algoritmo.
3. Excluir años epidémicos previos es una decisión sin beneficios sistemáticos y con efecto contextual: A pesar de que el método original ya incorpora un tratamiento datos para disminuir el impacto de valores altos atípicos (la media geométrica), las instituciones promueven la eliminación de años epidémicos, como el 2019, en los que hubo un notable incremento de casos. Esto no tiene un efecto positivo significativo en el desempeño del canal endémico en regiones de muy alta y alta transmisión y, por el contrario, tiene efectos ambiguos en las regiones de menor transmisión. Excluir años es una decisión que compromete la reproducibilidad del algoritmo sin evidencia sistemática de su beneficio.
4. Los municipios con baja transmisión son los más vulnerables. El desempeño del canal endémico es mayor en escenarios de alta transmisión, gracias a la abundancia de datos que facilita la detección oportuna de tendencias de crecimiento y valores atípicos. Por otro lado, el canal endémico es menos robusto y oportuno en la detección de los brotes en zonas de baja transmisión, la aparición repentina, inestable o acelerada de los casos compromete la capacidad de detección y la tasa correcta de alertas del algoritmo.
Implicaciones para la política pública
Los autores advierten que el canal endémico, aunque ampliamente utilizado, no es un modelo predictivo sino una herramienta estadística descriptiva, y que su uso como único insumo para la toma de decisiones en salud pública es insuficiente. El estudio llama a las instituciones gubernamentales a comunicar públicamente y de forma estandarizada los parámetros que utilizan al construir sus canales endémicos, y a complementar esta herramienta con modelos que incorporen variables climáticas, densidad poblacional y condiciones socioeconómicas.
Reexaminar y comunicar las definiciones de brote y los parámetros metodológicos que fundamentan las herramientas de vigilancia es esencial para garantizar su validez y efectividad, especialmente cuando se utilizan para informar sistemas de alerta temprana y políticas públicas.
Sobre el estudio
El trabajo fue desarrollado en el marco del proyecto TRACE-LAC (Tools for Response, Analytics, and Control Enhancing of Epidemics in Latin America and the Caribbean), financiado por el Centro Internacional de Investigaciones para el Desarrollo (IDRC) de Canadá. Los autores —Juan D. Umaña, Juan Montenegro-Torres, Julian Otero, Maria Camila Tavera-Cifuentes, Natalia Niño-Machado, Catalina González-Uribe, Juan Manuel Cordovez y Mauricio Santos-Vega— ponen a disposición el código fuente del estudio en GitHub para facilitar su replicación en otros contextos epidemiológicos.
Publicación: JMIR Public Health and Surveillance 2026;12:e79914. DOI: 10.2196/79914
