Spatio-Temporal Modelling of Vector-borne Diseases in the Brazilian Amazon : A View on Dengue and Malaria Burden

• Autor: Chacón Montalván, Erick Albacharro
• Formato: tesis de maestría
• Fecha de Publicación: 2015
• Institución: Superintendencia Nacional de Educación Superior Universitaria
• Repositorio: Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
• Lenguaje: inglés
• OAI Identifier: oai:renati.sunedu.gob.pe:renati/1164
• Enlace del recurso: http://renati.sunedu.gob.pe/handle/sunedu/865365
• Nivel de acceso: acceso abierto
• Materia: Estadística bayesiana; Dengue; Malaria; Enfermedades infecciosas; http://purl.org/pe-repo/ocde/ford#3.03.08

Las enfermedades transmitidas por vectores son una preocupación mundial, ya que representan el 17% de todas las enfermedades infecciosas y más de 1 millón de muertes al año. En particular, el dengue y la malaria, transmitidos por mosquitos, son las enfermedades transmitidas por vectores más alarmantes porque la primera es la enfermedad viral transmitida por mosquitos que tuvo la mayor incidencia de crecimiento en los últimos 50 años (30 veces) y la segunda tiene la mayor incidencia de mortalidad con una estimación de 627 mil muertes en 2012. Predecir la incidencia de estas enfermedades es un paso importante para mejorar los programas de control a fin de prevenir brotes con una distribución eficiente de logística y recursos humanos a las zonas afectadas dentro de un plazo razonable; sin embargo, los factores de riesgo que determinaron la incidencia no se comprenden completamente. Para determinar los principales factores de riesgo que afectan la incidencia de la malaria y el dengue en la amazonía brasileña entre 2006-2013, se utilizaron modelos gaussianos latentes jerárquicos bayesianos a través del enfoque de inferencia de aproximación anidada de Laplace (INLA) integrado. El área de estudio cubre 310 municipios de 6 unidades federativas y los factores considerados incluyen variables climáticas y socioeconómicas en los dominios espacio, tiempo y espacio-tiempo. Se ha demostrado que la distribución de Poisson no es adecuada para los datos observados que sugieren el uso de la distribución binomial negativa. Luego, el modelo Besag-York-Molliè (BYM) en la escala espacial y espacio-temporal superó al modelo lineal generalizado binomial negativo gracias a la inclusión de efectos aleatorios estructurados y no estructurados. Los principales hallazgos confirmaron que la temperatura, las precipitaciones y el Índice de Niño Oceánico estaban altamente asociados con el riesgo de dengue y que la urbanización, medida a través de la densidad de población, es un factor de riesgo principal tanto para el dengue como para la malaria. Finalmente, se presentan la discusión y las desventajas del modelo BYM y el enfoque de inferencia INLA junto con los posibles modelos de la competencia.