Modelación matemática de los casos autóctonos de Covid-19. Municipio Bayamo. Febrero- Agosto 2021

Ricardo Roberto Fonseca Pantoja, Zulin Fonseca González

Texto completo:

PDF XML

Resumen

El municipio Bayamo acumuló, 8162 casos positivos autóctonos de febrero a agosto en el año 2021, es el centro de la epidemia en la provincia de COVID-19 provocada por el SARS –CoV-2 determinado por el test de Proteína C Reactiva, representa el53,2 % del total de los casos en ese periodo en Granma, muy diferente a lo ocurrido en el año 2020 en el cual la provincia acumuló solamente 185personas contagiadas en nueve meses, con una tasa de 22.6 la más baja de Cuba. La provincia Granma acumuló 119 fallecidos en agosto/2021 que representa el 62,9 % de todos los muertos desde que comenzó la pandemia hasta agosto, lo que indica la alta incidencia de la epidemia que hay en estos momentos. Para la modelación matemática y el análisis de los casos positivos autóctonos de todos los ocurridos durante los meses de febrero a agosto en el año 2021 en Bayamo se obtuvieron polinomios de grado tres y cuatro que modelan el comportamiento de la epidemia durante los siete meses analizados, así como el de los fallecidos durante el mes de agosto en Granma con un carácter predictivo mayor al 98 % en todos los modelos.

Palabras clave

Epidemia; COVID-19; Modelo estadístico-matemático; Ecuación de regresión; Media móvil; Pronóstico; Pendiente epidemiológica.

Referencias

Minsap. Dashboard Cuba: Covid 19. [Internet]. 2021 [citado15/02/2021]. Disponible en: https://covid19cubadata.github.io/#cuba

Ministerio de Salud Pública. Anuario Estadístico de Salud 2020. [Internet]. La Habana: Minsap; 2021. [citado 17/2 2021]. Disponible en: http://bvscuba.sld.cu/anuario-estadisticode-cuba/

Fajardo Gutiérrez A. Medición en epidemiología: prevalencia, incidencia, riesgo, medidas de impacto. Rev Alerg Mex 2017; 64: 109-20.

Ellison SLR, Berwick VJ, Trevor J, Farrant D. Practical Statistics for the Analytical Scientist. 2ed. [Internet]. Reino Unido: Global Science Centre, University of Reading Campus; 2009. [citado 17/2/2021]. Disponible en: https://pubs.rsc.org/en/content/ebook/978-0-85404-131-2

SPSS® Statistics, IBM® Company. IBM SPSS Statistics versión 25.0 [Internet]. Chicago, Illinois, United State of America: IBM SPSS Statistics; 2017. [citado 4/1/2022]. Disponible en: https://www.bioz.com/result/software%20version%2025%200/product/SPSS%20Inc

StatSoft, Inc. StatSoft Releases Version 12 of STATISTICA Software. [Internet]. Sudáfrica: StatSoft Southern África-Research (Pty) Ltd; 2013. [citado 4/1/2022]. Disponible en: https://statisticasoftware.wordpress.com/2013/05/15/statsoft-releases-version-12-of-statistica-software/

Di Rienzo JA, Casanoves F, Balzarini MG, Gonzalez L, Tablada M, Robledo CW. Infostat. Sofware Estadístico. [Internet]. Argentina: Universidad Nacional de Córdoba; 2017. [citado 4/1/2022]. Disponible en: https://www.infostat.com.ar/

Casals M, Guzmán K, Caylà JA. Modelos matemáticos utilizados en el estudio de las enfermedades transmisibles. Barcelona, España. Rev Esp Salud Pública 2009; 83: 689-95.

Diaz Quijano FA. Regresiones aplicadas al estudio de eventos discretos en epidemiología. Rev Univ Ind Santander Salud 2016; 48(1): 9-15.

Abelló Ugalde IA, Guinovart Díaz R, Morales Lezca W. El modelo SIR básico y políticas antiepidémicas de salud pública para la COVID-19 en Cuba. Rev Cubana Salud Pública 2021; 46 (Suppl 1): 1-24.

Kyurkchiev N, Illiev A, Rahnev A, Terzieva T. Another look at a good approximation of data for the distribution of COVID-19 in Cuba. Rev haban cienc méd 2020; 19(3): 34-45.

Pérez Rodríguez R, Curra Sosa D, Almaguer Mederos L. Análisis preliminar de modelos SIRD para la predicción de la COVID-19: caso de la provincia de Holguín. Anales de la Academia de Ciencias de Cuba 2020; 10(2): 1-7.

Zenteno AC, Santiago MC, Romero Y, Pérez J, Rubín GT, Álvarez AE, et al. Optimización de los coeficientes del modelo predictivo del número de casos diarios de coronavirus Covid-19 en México. Research in Computing Science 2020; 149(11): 293–302.

Vega de la Cruz LO, Pérez Pravia MC. Efectividad de las medidas ante la COVID-19 basada en el análisis del curso pandémico. AMC 2020; 24(5): e7645.

Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2021 MULTIMED

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.