Con el objetivo de mitigar el daño causado por la pandemia de la enfermedad por coronavirus 2019 (COVID-19), es importante utilizar modelos que permitan prever de manera precisa posibles nuevas infecciones para enfrentar la pandemia en contextos socioculturales específicos de la mejor manera posible. Nuestra primera contribución es empírica. Utilizamos un extenso conjunto de datos de COVID-19 de nueve países latinoamericanos para el período del 1 de abril de 2020 al 31 de diciembre de 2021. Nuestras segundas y terceras contribuciones son metodológicas. Extendemos modelos relevantes (i) de espacio de estados con dinámicas impulsadas por puntajes y (ii) modelos de espacio de estados no lineales con componentes no observadas, respectivamente. Utilizamos efectos estacionales semanales, además de los filtros de nivel local y tendencia de la literatura, para (i) y (ii), y la distribución binomial negativa para (ii). Descubrimos que el rendimiento estadístico y de pronóstico de las nuevas especificaciones impulsadas por puntajes es superior al de los modelos de espacio de estados no lineales con modelo de componentes no observadas, ofreciendo una alternativa válida potencial para prever la cantidad de posibles nuevas infecciones de COVID-19.