Análisis espacial de la incidencia de COVID-19 en pequeñas áreas geográficas en Cuba

Autores/as

  • Patricia Lorenzo-Luaces Dirección de Ensayos Clínicos, Centro de Inmunología Molecular, La Habana, Cuba.
  • Antonio Torres-Reyes Facultad de Geografía, Universidad de La Habana, La Habana, Cuba.
  • Paula Fonte Facultad de Matemática y Computación, Universidad de La Habana, La Habana, Cuba.
  • Nancy Perez Facultad de Geografía, Universidad de La Habana, La Habana, Cuba.
  • Lizet Sanchez Dirección de Ensayos Clínicos, Centro de Inmunología Molecular, La Habana, Cuba.

Palabras clave:

Análisis espacial, modelos bayesianos, distribución geográfica, covid19

Resumen

El objetivo principal de este trabajo es describir la distribución geográfica de incidencia de COVID-19 en áreas pequeñas en Cuba, así como identificar regiones de alto riesgo. Se calcularon las Razones de Incidencia Estandarizadas (RIE) para la incidencia de COVID-19 para las 15 provincias y los 168 municipios del país. Para los municipios se estimaron los Riesgos Relativos (RR) suavizados y las Probabilidades a Posteriori (PP) usando un modelo bayesiano condicional autorregresivo. Los datos de incidencia y poblacionales fueron suministrados por el Ministerio de Salud Pública de Cuba y la Oficina Nacional de Estadísticas respectivamente.Los resultados obtenidos fueron mapeados para su mejor interpretación. Todos los métodos fueron implementados en R usando las librerías maptools, spdepy R2WinBUGS.Una región de alto riesgo fue localizada en La Habana y otras tres áreas de alto riesgo se identificaron en algunos territorios de Matanzas, Villa Clara and Ciego de Ávila. La aplicación de modelos bayesianos permitió la interpretación de la distribución geográfica de incidencia de Covid-19 y la diferenciación de regiones de alto y bajo riesgo. La clasificación obtenida fue utilizada para la estratificación de acciones durante la epidemia y para la planificación del diseño muestral de la encuesta nacional de portadores de la Covid-19 en Cuba.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Mollie A, Bayesian and empirical bayes approaches to disease mapping. in diseasemapping and risk assessment for public health, Chichester, Wiley.

Mollie A Besag J, York J, Bayesian image restoration, with application in spatialstatistics with discussion., Ann Inst Stat Math 43 (1991), 1–59.

David G Clayton, Bayesian methods for mapping disease risk., Geographical and Environmental Epidemiology: Methods for Small Areas Studies. (1992), 205–220.

Kaldor J Clayton D, Empirical bayes estimates of agestandardized relative risks foruse in disease mapping., Biometrics 43 (1987), 671–681.

Best N Jarup L, Editorial comment on geographical differences in cancer incidence inthe belgianprovince of limburg by bruntinx and colleagues., Eur J of Cancer 39 (2003), 1973â–1975.

L. Knorr-Held and G. Rasser, Bayesian detection of clusters and discontinuities indisease maps., Biometrics 56 (2000), 13–21.

Stallard E Riggan WB Creason JP Pellom AC. Manton KG, Woodbury MA, Empiricalbayes procedures for stabilizing maps of u.s. cancer mortality rates., StatisticalAssociation 84 (1989), 637–650.

Best N Elliott P Richardson S, Thomson A, Interpreting posterior relative risk estimates in disease-mapping studies, Environ Health Perspectives 112 (2004), 1016 â1025.

Yu Hu et al. W. Guan, Z. Ni, Clinical characteristics of coronavirus disease 2019 in china., The New England J of Medicine (2020).

Descargas

Publicado

2020-12-20

Cómo citar

[1]
Lorenzo-Luaces, P. et al. 2020. Análisis espacial de la incidencia de COVID-19 en pequeñas áreas geográficas en Cuba. Ciencias matemáticas. 34, 1 (dic. 2020), 99–104.

Número

Vol. 34 Núm. 1: Diciembre, 2020

Sección

Artículo Original

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Esta licencia permite copiar y redistribuir el material en cualquier medio o formato bajo los siguientes términos: se debe dar crédito de manera adecuada, no se puede hacer uso del material con propósitos comerciales, y si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado. Bajo la licencia mencionada, los autores mantienen los derechos de autor de su trabajo.