Aplicación de modelos de conteo y espaciales en el estudio de la presencia de pupas del mosquito Aedes aegypti en el departamento del Cauca, Colombia
Cargando...
Archivos
Fecha
2023
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Los cambios en las condiciones ambientales tienen un impacto directo en el aumento de la cantidad y dispersión de vectores, así como en la incidencia de enfermedades transmitidas por ellos. Estas variaciones están estrechamente relacionadas con el aumento promedio de la temperatura superficial de la Tierra debido al calentamiento global. En el caso específico del mosquito Aedes aegypti, que es el transmisor de enfermedades virales como el dengue, su expansión geográfica aumentaría de forma paralela con el aumento de la temperatura global. Estas enfermedades son un problema de salud pública en Colombia debido al alto número de casos nuevos que se presentan.
La prevención de estas enfermedades se centra en el control del mosquito Aedes aegypti, y tradicionalmente se ha utilizado la vigilancia entomológica para este propósito. Sin embargo, se ha observado que esta estrategia puede resultar costosa en términos tanto humanos como económicos. Por lo tanto, hemos propuesto alternativas como los
modelos predictivos de estadística clásica y espacial, los cuales permiten explicar el número de pupas del vector.
El insumo para la realización de los modelos propuestos correspondió a información recolectada en el año 2017: datos entomológicos, geográficos, climáticos y demográficos de 393 localidades ubicadas en 33 municipios del Cauca, Colombia.
Se ajustaron modelos de regresión para datos de conteo en presencia de sobredispersión y cero inflación, y se compararon por medio de medidas de bondad de ajuste, test de hipótesis para prueba de supuestos y parámetros de regresión estimados: regresión lineal generalizado Poisson (GLMP), regresión lineal generalizado binomial negativa (GLMNB), regresión binomial negativo cero inflado (ZINB), modelo de regresión de Hurdle y modelo de regresión de Tweedie. Se encontró que el ZINB es el que mejor modela el número de pupas.
Tomando en cuenta que también existe la componente espacial dentro del conjunto de datos, se realizó un análisis de tipo espacial para datos de área georreferenciados con pruebas de hipótesis y se ajustaron modelos espaciales: modelo de error espacial, modelo de retardo espacial, modelo de Durbin y modelo aditivo generalizado espacial. Se concluye que el modelo aditivo generalizado espacial es el que mejor modela el número de pupas teniendo en cuenta la componente espacial.
Descripción
Abstract
Changes in environmental conditions have a direct impact on the increase in the number and dispersion of vectors, as well as on the incidence of vector-borne diseases. These variations are closely related to the average increase in the Earth’s surface temperature due to global warming. In the specific case of the Aedes aegypti mosquito, which is the transmitter of viral diseases such as dengue fever, its geographic expansion would increase in parallel with the increase in global temperature. These diseases are a public health problem in Colombia due to the high number of new cases.
Prevention of these diseases focuses on the control of the Aedes aegypti mosquito, and entomological surveillance has traditionally been used for this purpose. However, it has been observed that this strategy can be costly in both human and economic terms. Therefore, we have proposed alternatives such as classical and spatial statistical predictive models, which can explain the number of vector pupae.
The input for the realization of the proposed models corresponded to informationcollected in 2017: entomological, geographical, climatic and demographic data from 393 localities located in 33 municipalities of Cauca, Colombia.
Four regression models were fitted for count data in the presence of overdispersion and zero inflation, and compared by goodness-of-fit measures, hypothesis test for assumption testing and estimated regression parameters: generalized linear Poisson regression (GLMP), generalized linear negative binomial regression (GLMNB), zeroinflated negative binomial regression (ZINB) and Hurdle regression model. GLMNB was found to best model the number of pupae.
Taking into account that there is also a spatial component within the data set, a spatial analysis was performed for georeferenced area data with hypothesis tests and spatial models were fitted: spatial error model, spatial lag model, Durbin model, semivariogram and spatial generalized additive model. It is concluded that the spatial generalized additive model is the one that best models the number of pupae taking into account the spatial component
Palabras clave
Vectores, Aedes aegypti, Vigilancia entomológica, Modelos predictivos, Modelos lineales generalizados, Poisson, Sobredispersión, Cero-inflación, Binomial negativo, Hurdle, Tweedie, Estadística espacial, Índice de Moran, Semivariograma, Geoestadística, Aditivo generalizado
Keywords
Vectors, Aedes aegypti, Entomological surveillance, Predictive models, Generalized linear models, Poisson, Overdispersion, Zero-inflation, Negative binomial, Hurdle, Tweedie, Spatial statistics, Moran’s index, Semivariogram, Geostatistics, Generalized additive