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

Introducción. El virus sincitial respiratorio es uno de los principales causantes de mortalidad de niños y adultos mayores en el mundo. Objetivo. Predecir las semanas de inicio de los brotes de infección por el virus sincitial respiratorio en Bogotá entre 2005 y 2010, utilizando variables climatológ...

Full description

Autores:
González-Parra, Gilberto
Querales, José F.
Aranda, Diego
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/1493
Acceso en línea:
http://hdl.handle.net/20.500.12495/1493
https://doi.org/10.7705/biomedica.v36i3.2763
Palabra clave:
Teorema de Bayes
Virus sincitiales respiratorios
Epidemias
Virus sincitial respiratorio humano
Pneumovirus
Metodos epidemiológicos
Bayes theorem
Respiratory syncytial viruses
Epidemics
Rights
License
Acceso cerrado
id UNBOSQUE2_a311c6339afe65da79b562bfb35b4dd4
oai_identifier_str oai:repositorio.unbosque.edu.co:20.500.12495/1493
network_acronym_str UNBOSQUE2
network_name_str Repositorio U. El Bosque
repository_id_str
dc.title.spa.fl_str_mv Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
dc.title.translated.none.fl_str_mv Prediction of the respiratory syncitial virus epidemic using climate variables in Bogotá, D.C.
title Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
spellingShingle Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
Teorema de Bayes
Virus sincitiales respiratorios
Epidemias
Virus sincitial respiratorio humano
Pneumovirus
Metodos epidemiológicos
Bayes theorem
Respiratory syncytial viruses
Epidemics
title_short Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
title_full Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
title_fullStr Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
title_full_unstemmed Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
title_sort Predicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicas
dc.creator.fl_str_mv González-Parra, Gilberto
Querales, José F.
Aranda, Diego
dc.contributor.author.none.fl_str_mv González-Parra, Gilberto
Querales, José F.
Aranda, Diego
dc.subject.spa.fl_str_mv Teorema de Bayes
Virus sincitiales respiratorios
Epidemias
topic Teorema de Bayes
Virus sincitiales respiratorios
Epidemias
Virus sincitial respiratorio humano
Pneumovirus
Metodos epidemiológicos
Bayes theorem
Respiratory syncytial viruses
Epidemics
dc.subject.decs.spa.fl_str_mv Virus sincitial respiratorio humano
Pneumovirus
Metodos epidemiológicos
dc.subject.keywords.spa.fl_str_mv Bayes theorem
Respiratory syncytial viruses
Epidemics
description Introducción. El virus sincitial respiratorio es uno de los principales causantes de mortalidad de niños y adultos mayores en el mundo. Objetivo. Predecir las semanas de inicio de los brotes de infección por el virus sincitial respiratorio en Bogotá entre 2005 y 2010, utilizando variables climatológicas como variables de predicción. Materiales y métodos. Se establecieron las fechas de inicio de los brotes en niños menores de cinco años ocurridas entre 2005 y 2010, en Bogotá D.C., Colombia. Se seleccionaron las variables climatológicas utilizando una matriz de correlación y, posteriormente, se construyeron 1.020 modelos resultado de la combinación de las distintas variables climatológicas y las semanas de antelación al inicio del brote. Se seleccionaron los modelos utilizando los datos correspondientes a periodos de seis (2005-2010), cuatro (2005-2008) y dos años (2009-2010). Se determinaron los mejores modelos y las variables climatológicas más relevantes, utilizando clasificadores bayesanos ingenuos y curvas características de operación del receptor (Receiver Operating Characteristic, ROC). Resultados. Los mejores resultados se obtuvieron con los modelos que utilizaron el periodo de dos años (2009-2010) y la semana 0, con 52 y 60 % de aciertos, respectivamente. La humedad mínima fue la variable que más apareció en los mejores modelos (62 %). Los clasificadores bayesanos ingenuos permitieron establecer cuáles eran los mejores modelos para predecir la semana de inicio del brote. Conclusiones. Los resultados sugieren que los modelos en que se utilizaron la humedad mínima, la velocidad del viento y la temperatura mínima serían los modelos de predicción más eficaces.
publishDate 2017
dc.date.issued.none.fl_str_mv 2017
dc.date.accessioned.none.fl_str_mv 2019-07-09T17:01:02Z
dc.date.available.none.fl_str_mv 2019-07-09T17:01:02Z
dc.type.spa.fl_str_mv article
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.local.spa.fl_str_mv artículo
dc.identifier.issn.none.fl_str_mv 0120-4157
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12495/1493
dc.identifier.doi.none.fl_str_mv https://doi.org/10.7705/biomedica.v36i3.2763
dc.identifier.instname.spa.fl_str_mv instname:Universidad El Bosque
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad El Bosque
dc.identifier.repourl.none.fl_str_mv repourl:https://repositorio.unbosque.edu.co
identifier_str_mv 0120-4157
instname:Universidad El Bosque
reponame:Repositorio Institucional Universidad El Bosque
repourl:https://repositorio.unbosque.edu.co
url http://hdl.handle.net/20.500.12495/1493
https://doi.org/10.7705/biomedica.v36i3.2763
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartofseries.spa.fl_str_mv Biomédica : Revista del Instituto Nacional de Salud, 0120-4157, Vol.36, Nro.3, 2017, p. 378-389
dc.relation.uri.none.fl_str_mv https://www.revistabiomedica.org/index.php/biomedica/article/view/2763
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.local.spa.fl_str_mv Acceso cerrado
dc.rights.accessrights.none.fl_str_mv http://purl.org/coar/access_right/c_abf157
dc.rights.creativecommons.none.fl_str_mv 2016
rights_invalid_str_mv Acceso cerrado
http://purl.org/coar/access_right/c_abf157
2016
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Instituto Nacional de Salud
dc.publisher.journal.spa.fl_str_mv Biomédica : Revista del Instituto Nacional de Salud
institution Universidad El Bosque
bitstream.url.fl_str_mv https://repositorio.unbosque.edu.co/bitstreams/7b5ac6e1-6a40-436f-a670-d5b73ee1a277/download
https://repositorio.unbosque.edu.co/bitstreams/6861d9b8-88c8-40c6-80d9-15e915e762c4/download
https://repositorio.unbosque.edu.co/bitstreams/81c3af6a-6174-47db-badf-55e59d5e6299/download
https://repositorio.unbosque.edu.co/bitstreams/5c5342b1-cdb1-4bd1-94c3-9eeadee2ff75/download
bitstream.checksum.fl_str_mv 76f7a5f11a74dce55da11b13e5982544
8a4605be74aa9ea9d79846c1fba20a33
1dbabce42e0a85a47c4d5ffd7fa3fa5b
d25fe629caf5b442a45cda17006cf4cc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad El Bosque
repository.mail.fl_str_mv bibliotecas@biteca.com
_version_ 1814100754413125632
spelling González-Parra, GilbertoQuerales, José F.Aranda, Diego2019-07-09T17:01:02Z2019-07-09T17:01:02Z20170120-4157http://hdl.handle.net/20.500.12495/1493https://doi.org/10.7705/biomedica.v36i3.2763instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coIntroducción. El virus sincitial respiratorio es uno de los principales causantes de mortalidad de niños y adultos mayores en el mundo. Objetivo. Predecir las semanas de inicio de los brotes de infección por el virus sincitial respiratorio en Bogotá entre 2005 y 2010, utilizando variables climatológicas como variables de predicción. Materiales y métodos. Se establecieron las fechas de inicio de los brotes en niños menores de cinco años ocurridas entre 2005 y 2010, en Bogotá D.C., Colombia. Se seleccionaron las variables climatológicas utilizando una matriz de correlación y, posteriormente, se construyeron 1.020 modelos resultado de la combinación de las distintas variables climatológicas y las semanas de antelación al inicio del brote. Se seleccionaron los modelos utilizando los datos correspondientes a periodos de seis (2005-2010), cuatro (2005-2008) y dos años (2009-2010). Se determinaron los mejores modelos y las variables climatológicas más relevantes, utilizando clasificadores bayesanos ingenuos y curvas características de operación del receptor (Receiver Operating Characteristic, ROC). Resultados. Los mejores resultados se obtuvieron con los modelos que utilizaron el periodo de dos años (2009-2010) y la semana 0, con 52 y 60 % de aciertos, respectivamente. La humedad mínima fue la variable que más apareció en los mejores modelos (62 %). Los clasificadores bayesanos ingenuos permitieron establecer cuáles eran los mejores modelos para predecir la semana de inicio del brote. Conclusiones. Los resultados sugieren que los modelos en que se utilizaron la humedad mínima, la velocidad del viento y la temperatura mínima serían los modelos de predicción más eficaces.Introduction: The respiratory syncitial virus is one of the most common causes of mortality in children and older adults in the world.Objective: To predict the initial week of outbreaks and to establish the most relevant climate variables using naive Bayes classifiers and receiver operating characteristic curves (ROC).Materials and methods: The initial dates of the outbreaks in children less than five years old for the period 2005-2010 were obtained for Bogotá, Colombia. We selected the climatological variables using a correlation matrix and we constructed 1,020 models using different climatological variables and data from different weeks previous to the initial outbreak. In addition, we selected models using a six-year period (2005-2010), a four-year period (2005-2008), and a two-year period (2009-2010). We obtained the best predictive models and the most relevant climatological variables to predict the outbreak using naive Bayes classifiers and ROC curves.Results: The best models were those using a two-year period (2009-2010) and week 0, with 52% and 60% of effectiveness, respectively. Humidity was the most frequent variable in the best models (62%).Conclusions: We used naive Bayes classifiers to establish the best models to predict correctly the initial week of the outbreak. Our results suggest that the best models used humidity, wind speed and minimum temperature in outbreaks prediction.application/pdfspaInstituto Nacional de SaludBiomédica : Revista del Instituto Nacional de SaludBiomédica : Revista del Instituto Nacional de Salud, 0120-4157, Vol.36, Nro.3, 2017, p. 378-389https://www.revistabiomedica.org/index.php/biomedica/article/view/2763Teorema de BayesVirus sincitiales respiratoriosEpidemiasVirus sincitial respiratorio humanoPneumovirusMetodos epidemiológicosBayes theoremRespiratory syncytial virusesEpidemicsPredicción de la epidemia del virus sincitial respiratorio en Bogotá, D.C., utilizando variables climatológicasPrediction of the respiratory syncitial virus epidemic using climate variables in Bogotá, D.C.articleartículohttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_6501Acceso cerradohttp://purl.org/coar/access_right/c_abf1572016http://purl.org/coar/access_right/c_abf2ORIGINALGonzález-Parra G., Querales J.F., Aranda D._2016.pdfGonzález-Parra G., Querales J.F., Aranda D._2016.pdfapplication/pdf409870https://repositorio.unbosque.edu.co/bitstreams/7b5ac6e1-6a40-436f-a670-d5b73ee1a277/download76f7a5f11a74dce55da11b13e5982544MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unbosque.edu.co/bitstreams/6861d9b8-88c8-40c6-80d9-15e915e762c4/download8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILGonzález-Parra G., Querales J.F., Aranda D._2016.pdf.jpgGonzález-Parra G., Querales J.F., Aranda D._2016.pdf.jpgIM Thumbnailimage/jpeg8827https://repositorio.unbosque.edu.co/bitstreams/81c3af6a-6174-47db-badf-55e59d5e6299/download1dbabce42e0a85a47c4d5ffd7fa3fa5bMD53TEXTGonzález-Parra G., Querales J.F., Aranda D._2016.pdf.txtGonzález-Parra G., Querales J.F., Aranda D._2016.pdf.txtExtracted texttext/plain49760https://repositorio.unbosque.edu.co/bitstreams/5c5342b1-cdb1-4bd1-94c3-9eeadee2ff75/downloadd25fe629caf5b442a45cda17006cf4ccMD5420.500.12495/1493oai:repositorio.unbosque.edu.co:20.500.12495/14932024-02-07 03:00:31.49restrictedhttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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