Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander
Las decisiones en salud pública requieren evidencia médica e información estadística producidas conrigor académico, sin embargo, frecuentemente las estadísticas básicas identifican problemas de salud a nivel de ciudad, pero tienen poca utilidad para identificar problemas en comunidades específicas c...
- Autores:
-
Cortés-Ramírez, Javier
París-Pineda, Olga M.
Wilches-Vega, Juan D.
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Llanos
- Repositorio:
- Repositorio Digital Universidad de los LLanos
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unillanos.edu.co:001/4030
- Acceso en línea:
- https://repositorio.unillanos.edu.co/handle/001/4030
https://doi.org/10.22579/20112629.742
- Palabra clave:
- Low and middle-income countries
Hotspots spatial analysis
Spatial morbidity rates
Cúcuta – Norte de Santander
Spatial epidemiology
Países de mediano y bajo ingreso
análisis espacial de puntos calientes
tasas espaciales de morbilidad
Cúcuta – Norte de Santander
Epidemiología Espacial
Países de baixa e média renda
Análise espacial de focos de calor
taxas de morbidade espacial
Cúcuta – Norte de Santander
Epidemiologia Espacial
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc/4.0
id |
Unillanos2_9626dde153d3b698df474ace5f176953 |
---|---|
oai_identifier_str |
oai:repositorio.unillanos.edu.co:001/4030 |
network_acronym_str |
Unillanos2 |
network_name_str |
Repositorio Digital Universidad de los LLanos |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
dc.title.translated.eng.fl_str_mv |
Method for calculating Acute Respiratory Infection rates by Urban Sections from statistics by health providers in Cucuta, Norte de Santander |
title |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
spellingShingle |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander Low and middle-income countries Hotspots spatial analysis Spatial morbidity rates Cúcuta – Norte de Santander Spatial epidemiology Países de mediano y bajo ingreso análisis espacial de puntos calientes tasas espaciales de morbilidad Cúcuta – Norte de Santander Epidemiología Espacial Países de baixa e média renda Análise espacial de focos de calor taxas de morbidade espacial Cúcuta – Norte de Santander Epidemiologia Espacial |
title_short |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
title_full |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
title_fullStr |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
title_full_unstemmed |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
title_sort |
Método de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de Santander |
dc.creator.fl_str_mv |
Cortés-Ramírez, Javier París-Pineda, Olga M. Wilches-Vega, Juan D. |
dc.contributor.author.spa.fl_str_mv |
Cortés-Ramírez, Javier París-Pineda, Olga M. Wilches-Vega, Juan D. |
dc.subject.eng.fl_str_mv |
Low and middle-income countries Hotspots spatial analysis Spatial morbidity rates Cúcuta – Norte de Santander Spatial epidemiology |
topic |
Low and middle-income countries Hotspots spatial analysis Spatial morbidity rates Cúcuta – Norte de Santander Spatial epidemiology Países de mediano y bajo ingreso análisis espacial de puntos calientes tasas espaciales de morbilidad Cúcuta – Norte de Santander Epidemiología Espacial Países de baixa e média renda Análise espacial de focos de calor taxas de morbidade espacial Cúcuta – Norte de Santander Epidemiologia Espacial |
dc.subject.spa.fl_str_mv |
Países de mediano y bajo ingreso análisis espacial de puntos calientes tasas espaciales de morbilidad Cúcuta – Norte de Santander Epidemiología Espacial Países de baixa e média renda Análise espacial de focos de calor taxas de morbidade espacial Cúcuta – Norte de Santander Epidemiologia Espacial |
description |
Las decisiones en salud pública requieren evidencia médica e información estadística producidas conrigor académico, sin embargo, frecuentemente las estadísticas básicas identifican problemas de salud a nivel de ciudad, pero tienen poca utilidad para identificar problemas en comunidades específicas como barrios o secciones urbanas. Este estudio desarrolla un método para calcular tasas de enfermedad a nivel de secciones urbanas a partir de estadísticas provistas a nivel de prestadores de salud en Cúcuta, Norte de Santander. Se calcularon las tasas de Infección Respiratoria Aguda (IRA) en cada Sección Urbana de Cúcuta (SECU), usando los casos de IRA reportados a nivel de instituciones prestadoras de salud. El análisis utilizó un Sistema de Información Geográfico (SIG) para identificar la distribución geográfica de las SECU y su densidad poblacional, para asignar los casos de IRA por SECU. El número de consultas por IRA en el periodo 01/01/2018 - 31/12/2018 fue categorizado por Instituciones Prestadoras de Salud (IPS). Se definieron tres niveles de agregación espacial al rededor de cada IPS de acuerdo con el alcance de sus servicios en 3 categorías; primarias, intermedias y generales. El número de consultas por IRA en cada SECU se estimó asignando un valor de acuerdo con la proporción poblacional de cada SECU entre cada nivel de agrupación espacial. Así, la tasa de IRA se calculó dividiendo el total entre la población, y luego se ajusto a la distribución geográfica de las SECU. Finalmente se calcularon las SECU con el mayor riesgo de IRA (hotspots). Los análisis se hicieron con ArcMap (ver 10.6) y Geoda (ver 1.9) usando el test I de Moran. Se presentaron 121.378 casos de IRA en Cúcuta en el periodo estudiado; 32.3% reportados por Hospitales, 36.5% por IPS intermedias, y 31.3% por IPS primarias. Las tasas más altas de IRA se encontraron en agrupaciones del centro-sur de la ciudad, en el centro-occidente, norte, noroeste, nordeste, centro-este y centro de Cúcuta. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2021-12-16T00:00:00Z 2024-07-25T18:15:17Z |
dc.date.available.none.fl_str_mv |
2021-12-16T00:00:00Z 2024-07-25T18:15:17Z |
dc.date.issued.none.fl_str_mv |
2021-12-16 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.local.eng.fl_str_mv |
Journal article |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
0121-3709 |
dc.identifier.uri.none.fl_str_mv |
https://repositorio.unillanos.edu.co/handle/001/4030 |
dc.identifier.doi.none.fl_str_mv |
10.22579/20112629.742 |
dc.identifier.eissn.none.fl_str_mv |
2011-2629 |
dc.identifier.url.none.fl_str_mv |
https://doi.org/10.22579/20112629.742 |
identifier_str_mv |
0121-3709 10.22579/20112629.742 2011-2629 |
url |
https://repositorio.unillanos.edu.co/handle/001/4030 https://doi.org/10.22579/20112629.742 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.bitstream.none.fl_str_mv |
https://orinoquia.unillanos.edu.co/index.php/orinoquia/article/download/742/1275 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 2 , Año 2021 : Suplemento Resumenes |
dc.relation.citationendpage.none.fl_str_mv |
28 |
dc.relation.citationissue.spa.fl_str_mv |
2 |
dc.relation.citationstartpage.none.fl_str_mv |
25 |
dc.relation.citationvolume.spa.fl_str_mv |
25 |
dc.relation.ispartofjournal.spa.fl_str_mv |
Orinoquia |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0 |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.spa.fl_str_mv |
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0. |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc/4.0 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0. http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad de los Llanos |
dc.source.spa.fl_str_mv |
https://orinoquia.unillanos.edu.co/index.php/orinoquia/article/view/742 |
institution |
Universidad de los Llanos |
bitstream.url.fl_str_mv |
https://repositorio.unillanos.edu.co/bitstreams/7fe78fef-8fbe-4786-ad44-90b3db112432/download |
bitstream.checksum.fl_str_mv |
b3ebc2223da80f82da961b5b2063ce37 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio Universidad de Los Llanos |
repository.mail.fl_str_mv |
repositorio@unillanos.edu.co |
_version_ |
1818111642320240640 |
spelling |
Cortés-Ramírez, JavierParís-Pineda, Olga M.Wilches-Vega, Juan D.2021-12-16T00:00:00Z2024-07-25T18:15:17Z2021-12-16T00:00:00Z2024-07-25T18:15:17Z2021-12-160121-3709https://repositorio.unillanos.edu.co/handle/001/403010.22579/20112629.7422011-2629https://doi.org/10.22579/20112629.742Las decisiones en salud pública requieren evidencia médica e información estadística producidas conrigor académico, sin embargo, frecuentemente las estadísticas básicas identifican problemas de salud a nivel de ciudad, pero tienen poca utilidad para identificar problemas en comunidades específicas como barrios o secciones urbanas. Este estudio desarrolla un método para calcular tasas de enfermedad a nivel de secciones urbanas a partir de estadísticas provistas a nivel de prestadores de salud en Cúcuta, Norte de Santander. Se calcularon las tasas de Infección Respiratoria Aguda (IRA) en cada Sección Urbana de Cúcuta (SECU), usando los casos de IRA reportados a nivel de instituciones prestadoras de salud. El análisis utilizó un Sistema de Información Geográfico (SIG) para identificar la distribución geográfica de las SECU y su densidad poblacional, para asignar los casos de IRA por SECU. El número de consultas por IRA en el periodo 01/01/2018 - 31/12/2018 fue categorizado por Instituciones Prestadoras de Salud (IPS). Se definieron tres niveles de agregación espacial al rededor de cada IPS de acuerdo con el alcance de sus servicios en 3 categorías; primarias, intermedias y generales. El número de consultas por IRA en cada SECU se estimó asignando un valor de acuerdo con la proporción poblacional de cada SECU entre cada nivel de agrupación espacial. Así, la tasa de IRA se calculó dividiendo el total entre la población, y luego se ajusto a la distribución geográfica de las SECU. Finalmente se calcularon las SECU con el mayor riesgo de IRA (hotspots). Los análisis se hicieron con ArcMap (ver 10.6) y Geoda (ver 1.9) usando el test I de Moran. Se presentaron 121.378 casos de IRA en Cúcuta en el periodo estudiado; 32.3% reportados por Hospitales, 36.5% por IPS intermedias, y 31.3% por IPS primarias. Las tasas más altas de IRA se encontraron en agrupaciones del centro-sur de la ciudad, en el centro-occidente, norte, noroeste, nordeste, centro-este y centro de Cúcuta.Public health decisions require medical evidence and statistical information produced with academic rigor. Public health departments commonly collect statistics from health providers However, the utility of this data is dependent on the inclusion of individual identifiers or categories such as socioeconomic status or residential areas. The aim of this study is to design a method to map the rate of ARI per USEC in Cúcuta, using statistics of cases reported at the health care provider level and to identify the hotspots with higher rates. The rates of Acute Respiratory Infection (ARI) in each Urban Section (SECU) of Cúcuta were calculated using the ARI cases reported by health-providing institutions. The analysis used a Geographic Information System (GIS) to identify the geographic distribution of the SECUs and their population density to assign ARI cases by SECU. The number of medical consultations with a diagnosis of ARI in the period 01/01/2018—31/12/2018, were provided by the public health department categorised by health care providers. Three levels of increasing spatial aggregation were established basedon the spatial scope of the public HCPs. To estimate the number of ARI consultations in each USEC, a weight value was assigned according to the proportion of population of each USEC within each level zone . The total ARI consultations per zone in each level were multiplied by the weight value to obtain the ARI cases per USEC in each zone and level. Each USEC would have ARI cases calculated for each of the three levels, therefore, the total ARI per USEC was calculated as the sum of USEC ARI’s in eachlevel. The hotspots of higher incidence were identified using the local Moran’s I test with EB rate in Geoda. There were 121,378 cases of ARI in Cúcuta over the study period. Of these, 38,236 (32.3%) were reported by hospitals; 43,173 (36.4%) were reported by intermediate HCP; and 37,060 (31.3%) reported by primary health centres or GPs The highest rates of ARI were found in clusters in central south; central west; north and northwest; northeast; central east; and central Cúcuta.application/pdfspaUniversidad de los Llanoshttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.http://purl.org/coar/access_right/c_abf2https://orinoquia.unillanos.edu.co/index.php/orinoquia/article/view/742Low and middle-income countriesHotspots spatial analysisSpatial morbidity ratesCúcuta – Norte de SantanderSpatial epidemiologyPaíses de mediano y bajo ingresoanálisis espacial de puntos calientestasas espaciales de morbilidadCúcuta – Norte de SantanderEpidemiología EspacialPaíses de baixa e média rendaAnálise espacial de focos de calortaxas de morbidade espacialCúcuta – Norte de SantanderEpidemiologia EspacialMétodo de cálculo de tasas de infección respiratoria aguda por secciones urbanas a partir de estadísticas por prestadores de salud en Cúcuta, Norte de SantanderMethod for calculating Acute Respiratory Infection rates by Urban Sections from statistics by health providers in Cucuta, Norte de SantanderArtículo de revistainfo:eu-repo/semantics/articleJournal articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Texthttp://purl.org/coar/version/c_970fb48d4fbd8a85https://orinoquia.unillanos.edu.co/index.php/orinoquia/article/download/742/1275Núm. 2 , Año 2021 : Suplemento Resumenes2822525OrinoquiaPublicationOREORE.xmltext/xml2802https://repositorio.unillanos.edu.co/bitstreams/7fe78fef-8fbe-4786-ad44-90b3db112432/downloadb3ebc2223da80f82da961b5b2063ce37MD51001/4030oai:repositorio.unillanos.edu.co:001/40302024-07-25 13:15:17.645http://creativecommons.org/licenses/by-nc/4.0metadata.onlyhttps://repositorio.unillanos.edu.coRepositorio Universidad de Los Llanosrepositorio@unillanos.edu.co |