Artículos relacionadosArtículos relacionadosArtículos relacionados
Artículos afines de siicsalud publicados en los últimos 4 meses
DENGUE EN PACIENTES INMUNOCOMPROMETIDOS
International Journal of Infectious Diseases (IJID) 149(107272):1-11
Difundido en siicsalud: 16 dic 2024
FUNCIÓN HEPÁTICA, GRAVEDAD Y EVOLUCIÓN DEL DENGUE EN NIÑOS
Cureus 16(8)
Difundido en siicsalud: 12 oct 2024

CALCULO DE LA MAGNITUD FINAL DEL DENGUE POR MEDIO DEL METODO DE REGRESION

(especial para SIIC © Derechos reservados)
Los modelos matemáticos que estiman la incidencia de la enfermedad del dengue, comúnmente ignoran la topología de red que representa los contactos realizados dentro y entre familias o conglomerados. Una vez obtenido el tamaño de la enfermedad del dengue mediante simulaciones, se obtuvieron modelos de regresión múltiple que consideraron diversos valores de R0 y el tamaño de la familia.
ruiz9.jpg Autor:
Juan Ruiz-ramirez
Columnista Experto de SIIC

Institución:
Universidad Veracruzana


Artículos publicados por Juan Ruiz-ramirez
Coautores
Gabriela Hernández Rodríguez* Oscar González Muñoz* 
Licenciada en Economia, Universidad Veracruzana, Veracruz, México*
Recepción del artículo
10 de Noviembre, 2011
Aprobación
19 de Julio, 2012
Primera edición
31 de Julio, 2012
Segunda edición, ampliada y corregida
7 de Junio, 2021

Resumen
En los estudios de enfermedades infecciosas se hacen aplicaciones matemáticas para simular tasas de infección por virus, como es el caso de la enfermedad del dengue. Para explicar la propagación de la enfermedad se utilizan modelos de regresión que relacionan desde aspectos climáticos hasta los de convivencia. Sin embargo, son pocos los trabajos en los que las topologías de redes sociales se utilizan para explicar el contacto entre grupos o familias o bien dentro de dichos grupos, aun cuando estos son los que se representan por medio de la asistencia a sitios de reunión. Tomando en cuenta el problema de los modelos de simulación, cuyos resultados no utilizan modelos de regresión, se planteó el objetivo de estimar la magnitud de la epidemia del dengue a través de modelos de regresión. Para cumplir dicho objetivo, se consideró el número de reproducción básico, el tamaño y el número de familias. Esto permitió elaborar modelos de regresión con el método stepwise. Se obtuvieron diferentes modelos de regresión, con altos valores del coeficiente de determinación y valores significativos de . Como conclusión, apoyamos la hipótesis de que los modelos de regresión son útiles para estimar la magnitud final de la epidemia del dengue.

Palabras clave
dengue, simulación, análisis de regresión, redes sociales, tamaño de la familia


Artículo completo

(castellano)
Extensión:  +/-6.37 páginas impresas en papel A4
Exclusivo para suscriptores/assinantes

Abstract
One approach to studying the evolution of infectious diseases consists in using mathematical models to simulate rates of infection due to viruses. This method is particularly useful when evaluating dengue. Regression models that consider several correlations, from climatic aspects to relationship patterns of human interaction, have been used to explain the propagation of this disease. Nevertheless, few studies have dealt with the topology of social networks in explaining contact between and within groups or families. Considering the fact that simulation models do not utilize the regression approach, the objective of this study was to "achieve an estimation of the size of dengue epidemics by means of regression models". In order to reach such a goal, the number of families and their sizes were included along with basic reproduction rates, enabling regression models that use the stepwise method to be constructed. Several such models were obtained, all with high values for the determination coefficient and significant values for beta parameters. Among other conclusions, our results support the hypothesis that regression models are useful for estimating the final size of dengue epidemics.

Key words
dengue, simulation, regression model, social networks, family size


Clasificación en siicsalud
Artículos originales > Expertos de Iberoamérica >
página   www.siicsalud.com/des/expertocompleto.php/

Especialidades
Principal: Infectología, Informática Biomédica
Relacionadas: Educación Médica, Epidemiología, Salud Pública



Comprar este artículo
Extensión: 6.37 páginas impresas en papel A4

file05.gif (1491 bytes) Artículos seleccionados para su compra



Enviar correspondencia a:
Juan Ruiz-Ramirez, Universidad Veracruzana, 91020, Dirección Av. Xalapa s/n, esq. Manuel Ávila Camacho, Veracruz, México
Bibliografía del artículo
1. Organización Panamericana de la Salud. Paquetes de Programas de Mapeo y Análisis Espacial en Epidemiología y Salud Pública. Bol Epid/OPS 25:4, 2004.
2. Vélez S, Núñez CP, Ruiz D. Hacia la construcción de un modelo de simulación de la transmisión del dengue en Colombia. EIA 5:23-43, 2006.
3. Calderón SJP, De los Godos ULA. Regresión logística aplicada a la epidemiología. Salud, Sexualidad y Sociedad 1(4):1-9, 2009.
4. Espinoza GF, Hernández-Suárez CM, Coll CR. Factores que modifican los índices larvarios de Aedes aegypti en Colima, México. Rev Panam Salud Publica/Pan Am J Public Health 10(1):6-12, 2001.
5. Brauer F. Some simple epidemic models. Math Biosci Eng 3:1-15, 2006.
6. Gómez-Dantes H, Montesano-Castellanos R, López-Moreno S, Tapia-Conyer R. Dengue en México: Situación epidemiológica actual. Gac Med Mex 131:237-240, 1995.
7. Boots M, Sasaki A. 'Small worlds' and the evolution of virulence: Infection occurs locally and at a distance. Proc R Soc Lond B 266:1933-1938, 1999.
8. Ruíz-Ramírez J, Hernández-Rodríguez GE. Modelo estocástico de la transmisión de enfermedades infecciosas. Salud Publica Mex 51(5):390-396, 2009.
9. Focks DA, Haile DG, Mount GA. Dynamic life table model for Aedes aegypti (Diptera: Culicidae): Analysis of the literature and model development. J Med Entomol 30:1003-1017, 1993.
10. Koopman J, Prevots DR, Vaca MMA y cols. Determinants and predictors of dengue infection in Mexico. Am J Epidemiol 133(11):1168-1178, 1991.
11. Ramal C, Vásquez J, Magallanes J, Care C. Variabilidad climática y transmisión de malaria en Loreto, Perú: 1995-2007. Rev Peru Med Exp Salud Publica 26(1):9-14, 2009.
12. Arino J, Brauer F, Driessche PVD, Watmough J, Wu J. Simple models for containment of a pandemic. J R Soc Interface 3:453-457, 2011.
13. Signorini ML, Marín V, Quinteros TH. Hábitos de consumo de hamburguesas y riesgo de exposición a Escherichia coli verotoxigénica (VTEC): modelo de simulación. Rev Argent Microbiol 41:168-176, 2009.
14. Ruíz-Ramírez Juan, Modelo estocástico de transmisión del dengue en poblaciones estructuradas. Tesis de Doctorado en Ciencias, Área: Biotecnología. 2004. Universidad de Colima. Colima, México. Disponible en:
http://digeset.ucol.mx/tesis_posgrado/Pdf/Juan_Ruiz_Rmrz.PDF.
15. Latora V, Marchiori M. Efficient behavior of small-world networks. Phys Rev Lett [serial on the Internet]. (2001, Nov 05), [cited June 5, 2011]; 87(19): 198701.
http://www.ct.infn.it/~latora/efficiency_prl_PRL87.pdf

16. Wallinga J, Edmunds WJ, Kretzschmar. Perspective: human contact patterns and the spread of airborne infectious diseases. Trends Microbiol 7(9):372-377, 1999.
17. Shonkwiller R, Thompson M. A validation study of a simulation model for common source epidemics. International J Biomed Comp 19(3-4):175-194, 1986.
18. Koopman J, Longini Jr. I. The ecological effects on individual exposures and nonlinear disease dynamics in populations. Am J Public Health 84(5):836-842, 1994.
19. Watve y Jog. 1997.
20. Degallier N, Favier Ch, Boulanger JP, Menkes C. Imported and autochthonous cases in the dynamics of dengue epidemics in Brazil. Rev Saúde Pública 43(1):1-7, 2009.
21. McCallum B. A carnival of stats. Science 284:1291-1292, 1999.
22. Bland JMH, Douglas G. Transforming data. MBJ 312:770, 1996.
23. Reiter P, Lathrop S, Bunning M y cols. Texas lifestyle limits transmission of dengue virus. Emerg Infect Dis 9:86-89, 2003.
24. Fernández-Salas I, Flores Leal A. El papel del Vector Aedes aegypti en la epistemología del dengue en México. Salud Pública de México 37(supl):45-52, 1995.

25. Tun-Lin W, Brian HK, Barnes A. The premise condition index: a tool for streamlininig surveys of Aedes aegypti. Am J Trop Med Hyg 53(6):591-594, 1995.
26. Moore C, Cline B, Ruiz-Tibén E, Romney-Joseph H, Rivera-Correa E. Aedes aegypti in Puerto Rico: Environmental determinants of larval abundance and relation to dengue virus transmission. Am J Trop Med Hyg 27(6):1225-1231, 1978.
27. Espinosa GF. Dinámica de transmisión del dengue en la ciudad de Colima, México. Tesis de Doctorado en Ciencias: Área de Biotecnología. 2002. Universidad de Colima. Colima, México.
28. Esteva L, Vargas C. Influence of vertical and mechanical transmission on the dynamic of dengue. Math Biosci 167:51-64, 2000.
29. Newton E, Reiter P. A model of the transmission of dengue fever with an evaluation of the impact of ultra-low volume (ULV) insecticide applications on dengue epidemics. American Journal of Tropical Medicine and Hygiene 47(6):709-720, 1992.
30. Pinto ST, Ferreira CP, Esteva L, Barreto FR, Morato e Silva VC, Teixeira MG. Modelling the dynamics of dengue real epidemics. Phil Trans R Soc A 368:5679-5693, 2010.
31. Stoddard ST, Forshey BM, Morrison AC, Paz-Soldan VA, Vazquez-Prokopec GM, Astete H, et al. House-to-house human movement drives dengue virus transmission. PNAS Early Edition; 2012. Pp. 1-6. Disponible en:
http://www.pnas.org/content/early/2012/12/26/1213349110.full.pdf. Consultado 10 de febrero de 2013.
32. Hales S, De Wet N, Maindonald J, Woodward A. Potential effect of population and climate changes on global distribution of dengue fever: an empirical model. Lancet 360:830-834, 2002.


 
 
 
 
 
 
 
 
 
 
 
 
Está expresamente prohibida la redistribución y la redifusión de todo o parte de los contenidos de la Sociedad Iberoamericana de Información Científica (SIIC) S.A. sin previo y expreso consentimiento de SIIC.
ua31618
Inicio/Home

Copyright siicsalud © 1997-2024 ISSN siicsalud: 1667-9008