Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas

• Published in: Biomédica
• Main Authors: Gilberto González-Parra, José F. Querales, Diego Aranda
• Format: Article in Journal/Newspaper
• Language: English; Spanish
• Published: Instituto Nacional de Salud 2016
• Subjects: Bayes theorem; respiratory syncytial viruses; forecasting; climatology; epidemics; Medicine; R; Arctic medicine. Tropical medicine; RC955-962; Arctic; Del Viento
• Online Access: https://doi.org/10.7705/biomedica.v36i3.2763; https://doaj.org/article/5a5e9aa678fa499f8e724bb0d52a5039

Introducción. El virus sincitial respiratorio es uno de los principales causantes de mortalidad de niños y adultos mayores en el mundo. Objetivo. Predecir las semanas de inicio de los brotes de infección por el virus sincitial respiratorio en Bogotá entre 2005 y 2010, utilizando variables climatológicas como variables de predicción. Materiales y métodos. Se establecieron las fechas de inicio de los brotes en niños menores de cinco años ocurridas entre 2005 y 2010, en Bogotá D.C., Colombia. Se seleccionaron las variables climatológicas utilizando una matriz de correlación y, posteriormente, se construyeron 1.020 modelos resultado de la combinación de las distintas variables climatológicas y las semanas de antelación al inicio del brote. Se seleccionaron los modelos utilizando los datos correspondientes a periodos de seis (2005-2010), cuatro (2005-2008) y dos años (2009-2010). Se determinaron los mejores modelos y las variables climatológicas más relevantes, utilizando clasificadores bayesanos ingenuos y curvas características de operación del receptor (Receiver Operating Characteristic, ROC). Resultados. Los mejores resultados se obtuvieron con los modelos que utilizaron el periodo de dos años (2009-2010) y la semana 0, con 52 y 60 % de aciertos, respectivamente. La humedad mínima fue la variable que más apareció en los mejores modelos (62 %). Los clasificadores bayesanos ingenuos permitieron establecer cuáles eran los mejores modelos para predecir la semana de inicio del brote. Conclusiones. Los resultados sugieren que los modelos en que se utilizaron la humedad mínima, la velocidad del viento y la temperatura mínima serían los modelos de predicción más eficaces.