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...
- 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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 |