medigraphic.com
ISSN 1561-3003 (Digital)

2021, Número 1

<< Anterior Siguiente >>

Rev Cubana Hig Epidemiol 2021; 58 (1)


Detección prospectiva espacio-temporal de conglomerados de COVID-19 en Cuba

Montano VDN, Abreu JY, Germán AÁM, Iñiguez RLB, Percedo AMI, Borroto GSM, Alfonso ZP

Idioma: Español
Referencias bibliográficas: 32
Paginas: 1-18
Archivo PDF: 1241.72 Kb.


RESUMEN

Introducción: Durante enfermedades infecciosas emergentes en curso como la COVID-19, la vigilancia espacio-temporal es fundamental para identificar áreas prioritarias para intervenciones específicas, diferenciar intensidad diagnóstica y asignación de recursos.
Objetivo: Modelar la evolución del riesgo relativo de presentación de casos de COVID-19 e identificar conglomerados en municipios donde la enfermedad se mantuvo en el periodo posterior al descenso de la curva epidémica en Cuba.
Métodos: El periodo mencionado comprendió entre el 26/05/2020 hasta el 4/09/2020. Se realizaron corridas cíclicas del modelo prospectivo espacio-temporal de Poisson, con incrementos progresivos de 14 días, mediante la aplicación SaTScan™ 9.6.
Resultados: Se identificaron 15 conglomerados significativos (p ≤ 0,0001) cuya extensión involucró desde uno hasta trece municipios, con distribución en seis provincias (Pinar del Río, Artemisa, La Habana, Mayabeque, Matanzas, Villa Clara y Ciego de Ávila). En los conglomerados todos los municipios mostraron riesgo relativo alto, entre ellos, La Palma en la provincia de Pinar del Río y Ciego de Ávila en la provincia del mismo nombre, con los valores más altos, 119,95 y 121,04, respectivamente.
Conclusión: El modelo empleado pudo identificar los conglomerados en territorios con significativa probabilidad de ocurrencia de COVID-19, así como periodos de evolución del riesgo relativo. Además, reconoce los municipios que merecen prioridad para intensificar en ellos intervenciones de contención y control sanitario y evitar la reemergencia de la enfermedad con mayor dispersión espacial.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Zhu N, Zhang D, Wang W, Li X, Yang B, Song J, et al. A Novel Coronavirus fromPatients with Pneumonia in China, 2019. N Engl J Med. 2020 [acceso09/08/2020];382(8):727-33.Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/31978945/

  2. World Health Organization. WHO Director-General’s opening remarks at the mediabriefing on COVID-19-11. Ginebra: WHO; 2020 [acceso 28/11/2020]. Disponible en:https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarksat-the-media-briefing-on-covid-19---11-march-2020

  3. World Health Organization. Coronavirus Disease (COVID-19) Dashboard. Ginebra:WHO; 2021 [acceso 5/04/2021]. Disponible en: https://covid19.who.int/update---5-april-2021

  4. Qiu J. Covert coronavirus infections could be seeding new outbreaks. Nature. 2020[acceso 27/08/2020]:32203376. Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/32203376/

  5. Li R, Pei S, Chen B, Song Y, Zhang T, Yang W, et al. Substantial undocumentedinfection facilitates the rapid dissemination of novel coronavirus (SARS-CoV-2). Science.2020 [acceso 09/09/2020];368(6490):489-93. Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/32179701/

  6. Bonaccorsi G, Pierri F, Cinelli M, Flori A, Galeazzi A, Porcelli F, et al. Economic andsocial consequences of human mobility restrictions under COVID-19. Proceedings of theNational Academy of Sciences. 2020 [acceso 15/07/2020];117(27):15530-5. Disponibleen: https://www.pnas.org/content/117/27/15530

  7. Borroto Gutiérrez S. Vigilancia epidemiológica frente a la COVID-19 en Cuba. Boletínde la OPS/OMS en Cuba. 2020 [acceso 15/07/2020];24(2):10-4. Disponible en:https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwiZ9fS8oebrAhWspFkKHaCLDPcQFjAAegQIBhAB&url=https%3A%2F%2Firis.paho.org%2Fbitstream%2Fhandle%2F10665.2%2F52514%2Fv24n2.pdf.pdf%3Fsequence%3D1%26isAllowed%3Dy&usg=AOvVaw2Vqulyi4k7G8tnoYYO1H5e

  8. Presidencia y Gobierno de Cuba. Nota informativa sobre el inicio de la primera etapay fase 1 de la recuperación pos-COVID-19. Cuba: Consejo de Ministros; 2020 [acceso20/07/2020]. Disponible en: https://www.presidencia.gob.cu/es/noticias/nota informativa-sobre-el-inicio-de-la-primera-etapa-y-fase-1-de-la-recuperacion-poscovid-19/

  9. COVID19 CUBADATA. Datos en tiempo real de la evolución de la epidemia de COVID-19 en Cuba. Cuba: Cubadata; 2020 [acceso 05/04/2020]. Disponible en:http://www.covid19cubadata.github.io/#cuba

  10. Desjardins MR, Hohl A, Delmelle EM. Rapid surveillance of COVID-19 in the UnitedStates using a prospective space-time scan statistic: Detecting and evaluating emergingcluster. Appl Geography. 2020 [acceso 09/06/2020];118:e102202. Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/32287518/

  11. Kulldorff M. Prospective time periodic geographical disease surveillance using a scanstatistic. J Royal Statist Soc Series A. 2020 [acceso 07/08/2020];164(1):61–72.Disponible en: https://www.rss.onlinelibrary.wiley.com/doi/10.1111/1467-985X.00186

  12. Mulatti P, Mazzucato M, Montarsi F, Ciocchetta S, Capelli G, Bonfan Marangon S.Retrospective space–time analysis methods to support west nile virus surveillanceactivities. Epidemiol Infect. 2015;143(1):202–13. doi:https://doi.org/10.1017/S0950268814000442

  13. Whiteman A, Desjardins M, Eskildsen G, Loaiza J. Detecting space-time clusters ofdengue fever in panama after adjusting for vector surveillance data. PLoS Negl TropDis. 2018;13(9):e0007266. Disponible en:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6776363/

  14. Alkhamis MA, Youha Sarah Al, Khajah MM, Haider NB, Alhardan S, Nabeel A, et al.Spatiotemporal dynamics of the COVID-19 pandemic in the State of Kuwait. Int J InfectDis. 2020;98:153–60. doi: https://doi.org/10.1016/j.ijid.2020.06.078

  15. Andrade LA, Gomes DS, de Oliveira MA, Feitosa de Souza MS, Pizzi DC, Nunes CJ, etal. Surveillance of COVID-19 in Sergipe. Rev Soc Bras Med Trop. 2020;53:e20200287.doi: http://doi.org/10.1590/0037-8682-0287-2020

  16. Amin R, Hall T, Church J, Schlierf D, Kulldorff M. Geographical surveil- lance ofcovid-19: diagnosed cases and death in the United States. MedRxiv. 2020 [acceso14/10/2020]. Disponible en:https://www.medrxiv.org/content/10.1101/2020.05.22.20110155v1

  17. Durán N, Botello E. Detección de conglomerados “activos” emergentes de altastasas de incidencia, para la vigilancia rápida de la COVID-19. Medicentro Electrón. 2020[acceso 12/12/2020];24(3):642-55. Disponible en:http://www.scielo.sld.cu/scielo.php?pid=S1029-30432020000300642&script=sci_arttext&tlng=en

  18. Jones RC, Liberatore M, Fernandez JR, Gerber SI. Uso de una estadística deexploración prospectiva de espacio-tiempo para priorizar las investigaciones de casos de shigelosis en una jurisdicción urbana. Rev Salud Pública. 2006; 121(2):133-139. doi:http//doi.org/10.1177 / 003335490612100206

  19. Hohl A, Delmelle E, Desjardins M, Lan Y. Daily surveillance of COVID-19 using theprospective space-time scan statistic in the United States. Spat SpatiotemporalEpidemiol. 2020 [acceso 15/12/2020];34:e100354. Disponible en:https://www.sciencedirect.com/science/article/pii/S1877584520300320

  20. Greene SK, Peterson ER, Kapell D, Fine AD, Kulldorff M. Daily re-portable diseasespatiotemporal cluster detection, New York City, New York, USA, 2014–2015. EmergInfect Dis. 2016 [acceso 13/10/2020];22(10):1808-12. Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/27648777/

  21. Kulldorff M, Athas WF, Feurer EJ, Miller BA, Key CR. Evaluating cluster alarms: Aspace-time scan statistic and brain cancer in Los Alamos, New Mexico. Am J PublicHealth. 1998 [acceso 18/10/2020];88(9):1377–80. Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/9736881/

  22. Kulldorff M. SaTScanTM user guide for version 9.6. EE. UU.: SaTScan; 2018 [acceso05/05/2020]. Disponible en: https://www.satscan.org/

  23. Lauer SA, Grantz KH, Bi Q, Jones FK, Zheng Q, Meredith HR, et al. The incubationperiod of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases:estimation and application. Ann Intern Med. 2020 [acceso 12/10/2020];172(9):577-82.Disponible en: https://www.pubmed.ncbi.nlm.nih.gov/32150748/

  24. Hohl A, Delmelle E, Desjardins M. Rapid detection of covid-19 clusters in the UnitedStates using a prospective space-time scan statistic: an update. SIGSPATIAL Special.2020 [acceso 12/12/2020];12(1):2733. Disponible en:https://www.pages.uncc.edu/eric-delmelle/wpcontent/uploads/sites/150/2020/11/Rapid-detection-of-COVID-19-clusters-in-the-United-States-an-Update-B.pdf

  25. Kraemer MU, Yang CH, Gutierrez B, Wu CH, Klein B, Pigott DM, et al. The effect ofhuman mobility and control measures on the COVID-19 epidemic in China. Science. 2020[acceso 19/12/2020];368(6490):493-7.Disponible en:https://www.science.sciencemag.org/content/368/6490/493

  26. Kwok KO, Lai F, Wei WI, Wong SYS, Tang JW. Herd immunity estimating the levelrequired to halt the COVID-19 epidemics in affected countries. J Infect. 2020 [acceso12/12/2020];80(6):e32-e33. Disponible en:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7151357/

  27. Fontanet A, Cauchemez S. COVID-19 herd immunity: where are we? Nat RevImmunol. 2020 [acceso 12/01/2021];20:583–4. Disponible en:https://www.nature.com/articles/s41577-020-00451-5

  28. Rothe C, Schunk M, Sothmann P, Bretzel G, Froeschl G, Wallrauch C, et al.Transmission of 2019-nCoV infection from an asymptomatic contact in Germany. N Engl J Med. 2020 [acceso 12/01/2021];382:970–1. Disponible en:https://www.pubmed.ncbi.nlm.nih.gov/32003551/

  29. Phan LT, Nguyen TV, Luong QC, Nguyen TV, Nguyen HT, Le HQ. Importation andhuman-to-human transmission of a novel coronavirus in Vietnam. N Engl J Med. 2020[acceso 13/01/2021];382:872–4. Disponible en:https://pubmed.ncbi.nlm.nih.gov/31991079/

  30. Swelum AA, Shafi ME, Albaqami NM, El-Saadony MT, Elsify A, Abdo M, et al. COVID-19 in Human, Animal, and Environment: A Review. Front Vet. Sci. 2020 [acceso15/01/2021];7:578. Disponible en: https://pubmed.ncbi.nlm.nih.gov/33102545/

  31. Ballesteros P, Salazar E, Sánchez D, Bolaños C. Aglomeración espacial yespaciotemporal de la pandemia por COVID-19 en Ecuador. Rev Fac Med. 2021; 69(1).doi: http://dx.doi.org/10.15446/revfacmed.v69n1.86476.

  32. Ferreira RV, Martines MR, Toppa RH, Assunção LM, Desjardins MR, Delmelle EM.Applying a Prospective Space-Time Scan Statistic to Examine the Evolution of COVID-19Clusters in the State of São Paulo, Brazil. MedRxiv. 2020 [acceso14/08/2020].Disponible en:https://www.medrxiv.org/content/10.1101/2020.06.04.20122770v1




2020     |     www.medigraphic.com