medigraphic.com
ISSN 1561-3054 (Digital)

2022, Número 3

<< Anterior Siguiente >>

Rev Cubana Med Trop 2022; 74 (3)


Predicción fisicomatemática de la dinámica semestral de la malaria en Antioquia, Colombia

Rodríguez VJO, Correa HSC, Salazar FJE, Valdés CCA, Prieto BSE

Idioma: Español
Referencias bibliográficas: 24
Paginas:
Archivo PDF: 374.40 Kb.


RESUMEN

Introducción: La malaria es una enfermedad endémica en Colombia, cuyas características biológicas, fisiopatológicas y el impacto socioeconómico que genera la han posicionado como una enfermedad de interés en salud pública.
Objetivo: Predecir el número de casos notificados de malaria para el segundo semestre del año 2020 en el departamento de Antioquia, a través de la aplicación de la teoría de la probabilidad y la caminata al azar.
Métodos: Se realizó un estudio observacional longitudinal retrospectivo. Se analizó la dinámica geométrica del comportamiento semestral de la epidemia de malaria en el departamento de Antioquia durante los años 2008-2020 con los datos del Sistema Nacional de Vigilancia en Salud Pública, como una caminata al azar probabilística. En relación con los aumentos y disminuciones consecutivas semestrales, se determinó el número de infectados más probable para el segundo semestre del año 2020.
Resultados: El valor de la predicción fue de 3433. Al ser comparado con los valores reportados por el Sistema Nacional de Vigilancia en Salud Pública, se obtuvo un porcentaje de acierto del 95,4 %.
Conclusiones: Al predecir con alta precisión el número de infectados para el segundo semestre del año 2020 en el departamento de Antioquia, se evidencia la potencialidad de la metodología para implementarse como una herramienta de vigilancia en salud pública y como un medio que sirva para apoyar la toma de decisiones en materia de políticas públicas.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Colombia Minsalud. Malaria. Minsalud.gov.co. 2020[acceso 15/10/2020]. Disponible en: Disponible en: https://n9.cl/f281z 1.

  2. Medline plus. Malaria. Medline Plus enciclopedia médica. Medlineplus.gov. 2020[acceso 16/10/2020]. Disponible en: Disponible en: https://n9.cl/0ae9s 2.

  3. World Health Organization. World malaria report 2018. Geneva: WHO; 2018 p. 4-57.

  4. World Health Organization. El informe mundial sobre el paludismo 2019 de un vistazo. WHO; 2021[acceso 21/06/2021]. Disponible en: Disponible en: https://n9.cl/a7320 4.

  5. Anyamba A, Chretien J, Britch S, Soebiyanto R, Small J, Jepsen R, et al5. . Global Disease Outbreaks Associated with the 2015-2016 El Niño Event. Scientific Reports. 2019[acceso 21/06/2021];9(1):1-11. Disponible en: Disponible en: https://n9.cl/mzxle 5.

  6. Dhiman R, Sarkar S. El Niño Southern Oscillation as an early warning tool for malaria outbreaks in India. Malaria Journal. 2017[acceso 21/06/2021];16(1):1-7. Disponible en: Disponible en: https://n9.cl/fui6f 6.

  7. Grillet M, El Souki M, Laguna F, León J. The periodicity of Plasmodium vivax7. and Plasmodium falciparum7. in Venezuela. Acta Tropica. 2014 [acceso 21/06/2021];129:52-60. Disponible en: Disponible en: https://n9.cl/1yc04 7.

  8. Mantilla G, Oliveros H, Barnston A. The role of ENSO in understanding changes in Colombia's annual malaria burden by region, 1960-2006. Malaria Journal. 2009[acceso 21/06/2021];8(1):1-11. Disponible en: Disponible en: https://n9.cl/54rdh 8.

  9. Awine T, Silal S. Accounting for regional transmission variability and the impact of malaria control interventions in Ghana: A population level mathematical modelling approach. Malaria Journal. 2020[acceso 21/06/2021];19(1):1-19. Disponible en: Disponible en: https://n9.cl/edf8g 9.

  10. Le P, Kumar P, Ruiz M. Stochastic lattice-based modelling of malaria dynamics. Malaria Journal. 2018 [acceso 21/06/2021];17(1):1-16. Disponible en: Disponible en: https://n9.cl/bmerd 10.

  11. Aheto J, Duah H, Agbadi P, Nakua E. A predictive model, and predictors of under-five child malaria prevalence in Ghana: How do LASSO, Ridge and Elastic net regression approaches compare? Preventive Medicine Reports. 2021 [acceso 21/07/2021];23:101475. Disponible en: Disponible en: https://n9.cl/uxahb 11.

  12. Rodríguez-Velásquez J, Oliveros-Acosta D, Soracipa-Muñoz M, Bernal L, Correa-Herrera S, Abrahem-Martínez L, et al12. . Análisis probabilista con caminata al azar del número de personas viviendo con VIH mundialmente. Rev Facultad Nacional de Salud Pública. 2018[acceso 21/06/2021];36(1):27-33. Disponible en: Disponible en: https://n9.cl/mol7x 12.

  13. Rodríguez J, Prieto S, Correa C, Arnold Y, Alvarez L, Bernal P, et al13. . Dinámica de la epidemia del dengue en Colombia: predicciones de la trayectoria de la epidemia. Rev Med. 2013[acceso 20/06/2021];21(1):38-45. Disponible en: Disponible en: https://n9.cl/z3ov0 13.

  14. Rodríguez J, Prieto-Bohórquez S, Correa-Herrera S, Pérez-Díaz C, Soracipa-Muñoz M. Dinámica de la epidemia de malaria en Colombia: predicción probabilística temporal. Rev Salud Pública. 2017[acceso 21/06/2021];19(1):52-9. Disponible en: Disponible en: https://n9.cl/h0kyx 14.

  15. Feynman RP, Leighton RB, Sands M. Probabilidad. En: Feynman RP, Leighton RB, Sands M. Física. Vol. 1. Wilmington: Addison-Wesley Iberoamericana, S. A. México; 1998. p. 6-1, 6-16.

  16. Rodríguez J, Prieto S, Fajardo E, Correa C, López F, Castro J, et al16. . Predicción de la dinámica temporal de egresos hospitalarios por obesidad en niños y jóvenes en Estados Unidos. Rev Chil Nutr. 2015[acceso 21/06/2021];42(4):345-50. Disponible en: Disponible en: https://n9.cl/nerlx 16.

  17. PortalSivigila. 2019 Estadísticas de Vigilancia Rutinaria. Portalsivigila.ins.gov.co. 2021[acceso 14/06/2021]. Disponible en: Disponible en: https://n9.cl/knszi 17.

  18. Feynman RP, Leighton RB, Sands M. Leyes de la Termodinámica. En: Feynman RP, Leighton RB, Sands M. Física. Vol. 1. Wilmington: Addison-Wesley Iberoamericana, S. A. México ; 1998. p. 1-44, 19-44.

  19. Rodríguez J, Prieto S, Fajardo E, Lopez F, Castro J, Soracipa Y. Caminata al azar predictiva de la dinámica de obesidad y predicciones de obesidad y sobrepeso en la población infantil de Colombia y de variación peso/talla y peso/edad en México. Rev Med. 2013[acceso 18/06/2021];21(2):26-36. Disponible en: Disponible en: https://n9.cl/wr1s4 19.

  20. Rodríguez-Velásquez J, González-Bernal M, Ruiz-Gómez A, Guzmán-de la Rosa E, Pallejá-Lopez D, Barrios-Arroyave F, et al20. . Predicción temporal del número de muertes por lesiones causadas por tránsito en Estados Unidos. Bionatura. 2021 [acceso 14/07/2021]. Disponible en: Disponible en: https://n9.cl/9vp0x 20.

  21. Rodríguez J, Prieto S, Melo M, Pérez C, Domínguez D, Bravo J, et al21. . Predicción de la concentración de linfocitos T CD4, con base en la teoría de conjuntos aplicada al seguimiento de pacientes con VIH. Acta Méd Costarric. 2016[acceso 16/06/2021];58(2):56-61. Disponible en: Disponible en: https://n9.cl/9anrc 21.

  22. Rodríguez J, Prieto S, Domínguez D, Correa C, Melo M, Pardo J, et al22. . Application of the chaotic power law to the study of cardiac dynamics in patients with arrhythmias. Rev Fac Med. 2014 [acceso 16/06/2021];62(4):539-46. Disponible en: Disponible en: https://n9.cl/xwfug 22.

  23. Hoyos N, Rodríguez J, Correa N, Medina E. Adult Heart Dynamics Evaluated from A Chaotic Mathematical Law. Applied Medical Informatics. 2019[acceso 16/06/2021];41(3):102-10. Disponible en: Disponible en: https://n9.cl/amrq8 23.

  24. Rodríguez J. Teoría de unión al HLA clase II: teoría de probabilidad, combinatoria y entropía aplicadas a secuencias peptídicas. Inmunología. 2008[acceso 16/06/2021];27(4):151-66. Disponible en: Disponible en: https://n9.cl/upirj 24.




2020     |     www.medigraphic.com