Casos de Leptospirose, un modelo espacio-temporal

Icons Freepik from Flaticon

La Leptospirose es una enfermedad infecciosa causada por un agente del género Leptospira: bacterias espiraladas, largas, finas, puntiagudas y activamente móviles. En Brasil, la mayoría de las infecciones ocurre a través del contacto con aguas de inundaciones contaminadas por orina de ratas. En las zonas urbanas, principalmente en las grandes ciudades, durante la época de las lluvias, las inundaciones son el principal factor de riesgo para la ocurrencia de brotes epidémicos de leptospirose humana. Así, las zonas con malas condiciones de saneamiento básico son las más afectadas por estos brotes.

La ciudad de Salvador pertenece al Estado de Bahia. Tiene una extensión de 706, 799 km2 y su población estimada en 2006 era de 2.714.119 habitantes. Su altitud es de 8 metros y su clima es tropical atlántico. Salvador es una de las capitales brasileñas con presencia significativa de casos de leptospirose, siendo que el 95% de las notificaciones ocurre en el Hospital Couto Maia (Ko et al.,1999).

En este trabajo analizamos datos recogidos en el marco del “Estudio de identificación de pacientes con leptospirose grave identificados en el Hospital Couto Maia en Salvador-BA”, dentro del proyecto Emerging Infectious Diseases and Urbanization, coordinado por Albert Icksang Ko, de la Universidade de Cornell y ejecutado en el Centro de Investigación Gonzalo Moniz de la FIOCRUZ. El financiamiento provenia del programa Global Infectious Disease Research Training Program (GID) promovido por NIH y CDC.

El objetivo de este trabajo fue proponer, utilizar y adecuar modelos estadísticos capaces de incorporar la complejidad necesaria a la comprensión de la relación de los casos de leptospirose con algunas variables climatológicas de Salvador. Estos modelos llevaron en cuenta la estrutura de dependencia temporal y espacial inherente al problema analizado.

Dos artículos fueron publicados en Tropical Diseases (Ver en Publicaciones)

Avatar
Romy Rodriguez-Ravines
GOING BEYOND DATA

Understand, Model, Predict = Learn and extract value from data for people and organizations.

Related