medigraphic.com
ISSN 1028-9933 (Digital)

2021, Número 1

<< Anterior Siguiente >>

RIC 2021; 100 (1)


Movilidad en ciudades de Perú durante la pandemia de la COVID-19

Saavedra-Camacho JL, Iglesias-Osores S, Alcántara-Mimbela M, Córdova-Rojas LM

Idioma: Español
Referencias bibliográficas: 13
Paginas: 1-8
Archivo PDF: 370.65 Kb.


RESUMEN

Introducción: los datos de movilidad en tiempo real de Wuhan, China, y datos de casos detallados, incluido el historial de viajes, para determinar el impacto de las medidas de control, fue de vital importancia para el control de la COVID-19. Objetivo: analizar los casos reportados en los cinco regiones más afectadas de Perú por la COVID-19 y la correlación con los datos de movilidad. Método: se incluyeron los datos de los casos confirmados de COVID-19 que fueron obtenidos del Centro Nacional de Epidemiologia, Prevención y Control de Enfermedades de Perú (https://www.dge.gob.pe/), en el periodo desde 6 de emarzo hasta el 17 de agosto de 2020, y se seleccionaron las regiones con mayor cantidad de casos (CDC-Peru) (Arequipa, Callao, Lima, Lambayeque y Piura). Los datos de movilidad fueron obtenidos de los Informes de Movilidad Local (Community Mobility Reports-Google Mobility Reports) (https://www.google.com/covid19/mobility/) del Perú y se descargaron en un archivo CSV. Las categorias incluidas de los reportes de movilidad fueron: tiendas minoristas y ocio, estaciones de transporte público, lugares de trabajo y zonas residenciales. Resultados: se analizaron 165 datos encontrados en Google Mobility Reports, estos tenían una frecuencia diaria de datos, la misma cantidad de datos fue obtenida del CDC-Perú. Se observó una caída de todos los lugares estudiados menos de las zonas residenciales a nivel país. En cuanto a las asociaciones se encontró una correlacion negativa solo en las zonas residenciales. Conclusión: hubo una reducción de movilidad dada por la cuarentena y un factor protector para evitar contagios es el permanecer en casa.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Iglesias-Osores S. Reservorios de murciélagos relacionados con el SARS-CoV-2. Rev Cubana Med Mil [Internet]. 2020 [citado 18 Sep 2020]; 49(3):e0200738. Disponible en: http://www. revmedmilitar. sld. cu/index. php/mil/article/view/738

  2. Kraemer MUG, Yang CH, Gutierrez B, Wu CH, Klein B, Pigott DM, et al. The effect of human mobility and control measures on the COVID-19 epidemic in China. Science (80-) [Internet]. 2020 May [citado 28 Oct 2020]; 368(6490):493-7. Disponible en: https://science. sciencemag. org/content/368/6490/493

  3. Lau H, Khosrawipour V, Kocbach P, Mikolajczyk A, Schubert J, Bania J, et al. The positive impact of lockdown in Wuhan on containing the COVID-19 outbreak in China. J Travel Med [Internet]. 2020 May 18 [citado 28 Oct 2020]; 27(3):1-7. Disponible en: https://academic. oup. com/jtm/article/27/3/taaa037/5808003

  4. Sardar T, Nadim SS, Rana S, Chattopadhyay J. Assessment of lockdown effect in some states and overall India: A predictive mathematical study on COVID-19 outbreak. Chaos, Solitons and Fractals. 2020 Oct 1;139:110078.

  5. Badr HS, Du H, Marshall M, Dong E, Squire MM, Gardner LM. Association between mobility patterns and COVID-19 transmission in the USA: a mathematical modelling study. Lancet Infect Dis. 2020 Nov; 20(11):1247-54.

  6. Iglesias-Osores S, Saavedra-Camacho JL. Can Behavioral Science Help Us Fight COVID-19. Int J Prev Med [Internet]. 2020 Jul 22;11(108):1. Disponible en: https://pubmed. ncbi. nlm. nih. gov/33088436

  7. Iglesias-Osores S, Acosta-Quiroz J. Efectos en los sistemas de salud de la pandemia por COVID-19. Rev Exp Med Hosp Reg Lambayeque [Internet]. 2020 Aug 25 [citado 28 Oct 2020]; 6(2):120-1. Disponible en: http://rem. hrlamb. gob. pe/index. php/REM/article/view/444

  8. Iglesias-Osores S. Transmission and prevention of SARS-CoV-2 (COVID-19) in prisons. Rev Esp Sanid Penit [Internet]. 2020 Jun 11 [citado 28 Oct 2020]; 22(2):87-90. Disponible en: http://scielo. isciii. es/scielo. php?script=sci_arttext&pid=S1575-06202020000200007&lng=es&nrm=iso&tlng=en

  9. Cartenì A, Di Francesco L, Martino M. How mobility habits influenced the spread of the COVID-19 pandemic: Results from the Italian case study. Sci Total Environ. 2020 Nov 1; 741:140489.

  10. Iglesias-Osores S. Importancia del aislamiento social en la pandemia de la COVID-19. Rev Méd Hered [Internet]. 2020 Oct 16 [citado 28 Oct 2020]; 31(3):205-6. Disponible en: https://revistas. upch. edu. pe/index. php/RMH/article/view/3814/4294

  11. Pepe E, Bajardi P, Gauvin L, Privitera F, Lake B, Cattuto C, et al. COVID-19 outbreak response, a dataset to assess mobility changes in Italy following national lockdown. Sci Data [Internet]. 2020 Dec 1 [citado 28 Oct 2020]; 7(1):1-7. DOI: https://doi. org/10. 1038/s41597-020-00575-2

  12. Engle S, Stromme J, Zhou A. Staying at Home: Mobility Effects of COVID-19. SSRN Electron J [Internet]. 2020 Apr 16 [citado 28 Oct 2020]; Disponible en: https://papers.ssrn.com/abstract=3565703

  13. Buckee CO, Balsari S, Chan J, Crosas M, Dominici F, Gasser U, et al. Aggregated mobility data could help fight COVID-19. Science (80-) [Internet]. 2020 Mar 23 [citado 6 Abr 2020]: eabb8021. Disponible en: http://www.ncbi.nlm.nih.gov/pubmed/32205458




2020     |     www.medigraphic.com