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

Abstract

<p><strong>Introducción.</strong> El virus respiratorio sincitial es uno de los principales causantes de mortalidad de niños y adultos mayores en el mundo.<strong></strong></p><p><strong>Objetivo.</strong> Predecir la semana de inicio del brote del virus respiratorio sincitial en Bogotá utilizando variables climatológicas como variables de predicción.</p><p><strong>Materiales y métodos.</strong> Las fechas de inicio de la epidemias para niños menores de cinco años correspondientes al periodo 2005-2010, fueron obtenidos para la ciudad de Bogotá D.C., Colombia. Se seleccionaron las variables climatológicas utilizando la matriz de correlación y posteriormente se construyeron 1.020 modelos resultantes de combinar las distintas variables climatológicas y modelos con distintas semanas de anticipación al inicio del brote. Adicionalmente, se seleccionaron modelos utilizando datos de los periodos de seis años (2005-2010), cuatro años (2005-2008) y dos años (2009-2010). Utilizando los clasificadores de Naïve Bayes y la curva característica de operación del receptor (ROC) se logró determinar los mejores modelos y las variables climatológicas más relevantes.</p><p><strong>Resultados.</strong> Los modelos que utilizaron el periodo de 2 años (2009-2010) y los de la semana 0, fueron los que tuvieron mejores resultados con un 52% y 60% de aciertos respectivamente. La humedad mínima fue la variable que más apareció en los mejores modelos con un 62%. Los clasificadores de Naïve Bayes permitieron establecer cuáles son los mejores modelos para predecir la semana de inicio del brote.</p><p><strong>Conclusiones.</strong> Los resultados sugieren que los modelos que utilizan la humedad mínima, velocidad del viento y temperatura mínima son los que tienen el mayor potencial para ser utilizado como eficaces modelos predictivos.</p>

Positivity and Boundedness of Solutionsfor a Stochastic Seasonal EpidemiologicalModel for Respiratory Syncytial Virus(RSV)

“…For example, based on real hospitalization data of the respiratory syncytial virus (RSV ), we believe that the transmission of this type of disease is affected by several physical and social variables [29], [30]. In fact RSV is an illness for which the timing and severity of outbreaks in a community vary from year to year [6], [31], [29]. Here we assume that the transmission rate parameter of the RSV can be assumed equal to an average value plus a small time fluctuating term and this term follows a normal distribution with mean zero [32].…”

“…Nevertheless we do not rely on only this fact. For example, based on real hospitalization data of the respiratory syncytial virus (RSV ), we believe that the transmission of this type of disease is affected by several physical and social variables [29], [30]. In fact RSV is an illness for which the timing and severity of outbreaks in a community vary from year to year [6], [31], [29].…”