Enrique Hernandez-Laredo, Centro Universitario UAEM Tianguistenco, Universidad Autónoma del Estado de México, Tianguistenco, Estado de México, México
Brenda Y. Reza-Curiel, Centro Universitario UAEM Tianguistenco, Universidad Autónoma del Estado de México, Tianguistenco, Estado de México, México
Ángel G. Estévez-Pedraza, Centro Universitario UAEM Tianguistenco, Universidad Autónoma del Estado de México, Tianguistenco; Facultad de Medicina, Universidad Autónoma del Estado de México, Toluca. Estado de México, México
Antecedentes: La diabetes mellitus (DM) es un problema de salud pública mundial cuya prevalencia se ha cuadruplicado en los últimos 30 años. Objetivo: Analizar las series temporales de mortalidad por DM en el periodo 1990-2022 en los municipios más poblados del Estado de México: Chimalhuacán, Ecatepec, Naucalpan, Nezahualcóyotl, Tlalnepantla y Toluca. Material y métodos: Se utilizaron las series temporales del cubo dinámico de defunciones del Sistema Nacional de Información en Salud de mortalidad por DM. Se caracterizaron las series temporales mediante modelos autorregresivos integrados de media móvil (ARIMA), estacionales (SARIMA) y con regresores exógenos (SARIMAX). La estacionariedad se evaluó mediante pruebas Dickey-Fuller-aumentada (ADF), Phillips-Perron (PP) y Kwiatkowski-Phillips-Schmidt-Shin (KPSS); la estacionalidad con la prueba Dickey-Fuller-estacional. El desempeño se evaluó mediante R², RMSE y pruebas Ljung-Box, ARCH y Jarque- Bera. Resultados: Los modelos mostraron un ajuste aceptable, con valores de R² altos (> 0.80), sin autocorrelación serial ni heterocedasticidad en la mayoría de los municipios; se identificaron patrones estacionales y un quiebre estructural asociado a la pandemia de COVID-19. Conclusiones: Estos modelos son útiles para explicar la evolución de la mortalidad por DM, aunque su capacidad predictiva depende del fortalecimiento y la disponibilidad de la información en salud.
Palabras clave: Diabetes mellitus. Mortalidad. Análisis de series temporales. Modelos ARIMA. México. Epidemiología.