Análisis de series temporales y geoespacial del dengue en el área Andina y Caribe colombiana
DOI:
https://doi.org/10.33610/28059611.170Palabras clave:
dengue, estudios de series temporales, geografía médica, salud ambiental, epidemiologíaResumen
Introducción. La OMS establece que la letalidad por dengue no debe superar el 0,05 %, dado que es prevenible mediante actividades de saneamiento básico y manejo clínico de la enfermedad según lineamientos internacionales. En Colombia, la letalidad por dengue fue del del 0,12 % en 2016, por lo cual es recomendable evaluar la dinámica de la enfermedad y su relación con variables meteorológicas. El objetivo fue evaluar los componentes del análisis de series temporales e identificar zonas de riesgo para la planeación de estrategias para la vigilancia y el control del dengue. Metodología. Estudio de series temporales (2008- 2018) con componente analítico geoespacial. Se determinaron los componentes de tendencia, fluctuación cíclica y relación del índice estacional, en contraste con la temperatura y la precipitación a través del análisis de series de tiempo. Se desarrolló un modelo de análisis espacial utilizando variables meteorológicas explicativas de naturaleza cuantitativa. Se aplicó una regresión binomial para desarrollar un modelo geográfico predictivo de riesgo, mediante R y ArcGIS Pro. Resultados. Se identificó que la tendencia de dengue es creciente en el 47 % (52) de los 111 municipios analizados y que se presenta ciclicidad en el 53 % (59) de estos. En el modelo de regresión las variables precipitación, temperatura y altitud fueron estadísticamente significativas (p < 0,05) respecto a la variable tasa de incidencia, confirmando que existe variabilidad geográfica de mayor riesgo en Bolívar (Dique), el noroeste del Magdalena, la depresión Momposina, la Mojana, Córdoba, el Alto y Bajo San Jorge, el Urabá Antioqueño, Bajo Cauca, Suroeste y noroeste antioqueño, el Magdalena Medio y en Tolima y Huila. Conclusión. Se identificaron regiones con mayor riesgo respecto al análisis de series temporales e influencia de variables climáticas en donde se deben priorizar acciones integrales de control y respuesta.Referencias bibliográficas
1. Bello S, Diaz E, Rojas JM, Romero M, Salazar V. Dengue, más que un problema de salud Pública: Estimación de los costos directos medicos de la epidemia de Dengue 2010 en Colombia 2010. Ciudad de México: ISPOR III. Latin American Conference; 7, 8 de septiembre de 2011 .
2. Ministerio de Salud y Protección Social, Instituto Nacional de Salud, Organización Panamericana de la Salud. Guía de Atención clínica Integral para el paciente con Dengue. Bogotá: Minsalud; 21 de Marzo 2010.
3. Organización Panamericana de la Salud. Paquetes de Programas de Mapeo y Análisis Espacial en Epidemiología y Salud Pública.. Boletín Epidemiológico. 2004; 25.
4. Laboratorio de epidemiología espacial Universidad de Queensland. Modelo Curso Intensivo de Epidemiología espacial - Universidad de Queensland, UdeA, UNal. 2017.
5. OMS- OPS. Estrategia de Gestión Integrada para la prevención y el control de las enfermedades arbovirales EGI – Arbovirosis. Bucaramanga:, Santander; 2016.
6. Ministerio de Salud. Rutas Integrales de Atencion en Salud. [Internet].; 2016 [cited 2017 octubre 28. Available from: https://www.minsalud.gov.co/Paginas/rutas-integrales-de-atencion-en-salud.aspx.
7. Instituto Nacional de Salud, Minsalud, OPS. Guia para la atención integral para el paciente con Dengue. Bogotá:, Cundinarmarca; 2013.
8. Li Y, Dou Q, Lu Y, Xiang H, Yu X, Liu S.. Effects of ambient temperature and precipitation on the risk of dengue fever: A systematic review and updated meta-analysis. Environmental Research. 2020. ; 191.
9. Nuncio AK, Santana MV, Gómez MA, Medina I. Distribución espacial del vector Aedes aegypti del dengue clásico y su relación con características físico-geográficas en la jurisdicción sanitaria Tejupilco estado de México, 2000-2005. Geografía y Sistemas de Información Geográfica (GEOSIG). Revista digital del Grupo de Estudios sobre Geografía y Análisis Espacial con Sistemas de Información Geográfica (GESIG). Programa de Estudios Geográficos (PROEG). Universidad Nacional de Luján, Arg. 2012.
10. Sánchez-González G, Condé R, Moreno RN, López Vázquez PC. Prediction of dengue outbreaks in Mexico based on entomological, meteorological and demographic data. PLoS ONE. 2018;13(8):1–14.
11. Colombia. Ministerio de Ambiente, Vivienda y Desarrollo Territorial. PROYECTO NACIONAL PILOTO DE ADAPTACIÓN – INAP. Bogotá D.C: MAVDT, IDEAM, BM, GEF, INVEMAR, CORALINA, CIC, INS, Cundinamarca; 2011.
12. Mena N, Troyo A, Bonilla-Carrión R, Calderón-Arguedas Ó. Rev Panam Salud Pública. Factores asociados con la incidencia de dengue en Costa Rica. 2011; 29(4): p. 234 - 42.
13. Rúa-uribe GL, Suárez-acosta C, Chauca J, Ventosilla P, Almanza R. Modelado del efecto de la variabilidad climática local sobre la transmisión de dengue en Medellín, Colombia ) mediante análisis de series temporales. Biomédica. 2013; 33(Supl 1 ).
Cómo citar
Descargas
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Reporte Epidemiológico Nacional

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Métricas
Estadísticas de artículo | |
---|---|
Vistas de resúmenes | |
Vistas de PDF | |
Descargas de PDF | |
Vistas de HTML | |
Otras vistas |