medigraphic.com
ISSN 1561-302X (Impreso)

2021, Número 1

<< Anterior Siguiente >>

Rev cubana med 2021; 60 (1)


Identificación de clústeres de casos de COVID-19 en la provincia Santiago de Cuba

Palu OA, Rafael OE, Valdés GLE, Bergues CLE, Zamora ML, Bandera JD, Rodríguez VA, Fernández CCA, Rubio RM, Castro CD

Idioma: Español
Referencias bibliográficas: 19
Paginas: 1-9
Archivo PDF: 297.22 Kb.


RESUMEN

Introducción: A partir de la aparición de la epidemia COVID-19 se conforma un equipo multidisciplinario en Santiago de Cuba con participación de varias instituciones y activado por el Consejo de defensa provincial. El análisis integrado epidemiológico, la gestión gubernamental y la respuesta social resultarían determinantes en el control de la enfermedad.
Objetivos: Identificar posibles grupos de casos con COVID-19 en la provincia Santiago de Cuba y caracterizar su transmisión según variables epidemiológicas.
Métodos: Se desarrolló un estudio ecológico, comparándose los clústeres de transmisión de COVID- 19. Se resumieron variables de interés y se realizó análisis de redes sociales desde el punto de vista de las relaciones entre casos y contactos, así como análisis espacial.
Resultados: Se identificaron cinco grupos espaciales de transmisión en los municipios, uno en Palma Soriano, uno en Contramaestre y tres en Santiago de Cuba. Los antecedentes patológicos personales (hipertensión y procesos respiratorios), el sexo femenino, los casos sintomáticos y el promedio de 22 a 27 contactos por cada confirmado fueron las variables más relevantes. Se identificó fuente de infección introducida en 51 % (25/49). Además, se identificaron redes sociales complejas en la transmisión de la enfermedad.
Conclusiones: La transmisión de COVID-19 en la provincia Santiago de Cuba mostró grupos de casos y contactos con redes sociales epidemiológicas características para cada municipio, así como el modo de transmisión de acuerdo a la fuente de infección, relaciones de familiaridad o cercanía social y la relación de distancia espacial entre contactos, aspectos que influyeron en las bajas tasas de incidencia de la enfermedad, con predominio en su forma sintomática, edades jóvenes y en mujeres.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Ortega Lenis D, Arango Londoño D, Muñoz E, Cuartas Daniel E, Caicedo D, Mena J, et al.Predictions of a SEIR model for COVID-19 cases in Cali-Colombia. Rev Salud Pública. 2020[17/06/2020]22(2):e286432. Disponible en:http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-00642020000202101&lng=en

  2. Serrano Barrera OR. Predicción de la inmunogenicidad de la proteína del SARS-CoV-2responsable de la infección COVID-19 en humanos. Rev. electron. Zoilo. 2020[17/06/2020];45(3).Disponible en: http://www.revzoilomarinello.sld.cu/index.php/zmv/article/view/2270

  3. Vilar Scavuzzi de Carvalho AR, Cezarotti Filho ML, Pires de Azevedo PC, Silveira Filho RN,Barbosa FT, Matos Rocha TJ, et al. Epidemiology, diagnosis, treatment, and future perspectivesconcerning SARS-COV-2: a review article. Rev. Assoc. Med. Bras. 2020[17/06/2020];66(3).Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0104-42302020000300370&lng=en

  4. Valbuena-Garcia AM, Rodriguez-Villamizar LA. Análisis espacial en epidemiología: revisión demétodos. Rev. Univ. Ind. Santander. Salud. 2018[16/05/2020];50(4). Disponible en:http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-08072018000400358&lng=en

  5. Declet-Barreto J. Exploratory Spatial Data Analysis of COVID-19 infection rates and populationvulnerability indicators. Union of Concerned Scientists. 2020[16/05/2020]. Disponible en:https://www.ucsusa.org/sites/default/files/2020-04/UCS-COVID-19-Population-Vulnerability-Analysis-Methods.pdf

  6. The Center for Systems Science and Engineering (CSSE) at Johns Hopkins University. 2020. 2019Novel Coronavirus COVID-19 (2019-nCoV) Data Repository by Johns Hopkins CSSE.https://github.com/CSSEGISandData/COVID-19

  7. Peng Y, Hiro Nagata M. Statistical analysis of the Chinese COVID-19 data with Benford's Law andclustering. Laboratório de Aprendizado de Máquina em Finanças e Organizações (LAMFO).2020[16/05/2020]. Disponible en: https://lamfo-unb.github.io/2020/04/21/COVID-China-EN/

  8. Desjardinsa A, Hohlb D. Rapid surveillance of COVID-19 in the United States using a prospectivespace-time scan statistic: Detecting and evaluating emerging clusters. Elsevier. AppliedGeography. 2020[16/05/2020];(118). Disponible en:https://www.sciencedirect.com/science/article/pii/S0143622820303039

  9. Shikha Garg LK, Whitaker M, O’Halloran A, Cummings C, Holstein R, Prill M, et al.Hospitalization rates and characteristics of patients hospitalized with laboratory-confirmedcoronavirus disease 2019. Centers for Disease Control and Prevention. Morbidity and MortalityWeekly Report. Weekly. 2020[16/05/2020];69(15). Disponible en:https://www.cdc.gov/mmwr/volumes/69/wr/mm6915e3.htm?s%20cid=mm6915e3%20w

  10. Zhiliang H, Song CC, Guangfu J, Yaling C, Xin X, Hongxia M, Wei C, et al. Clinicalcharacteristics of 24 asymptomatic infections with COVID-19 screened among close contacts inNanjing, China. China. Science China. Life Sciences. 2020[acceso: 22/05/2020];63(5). Disponibleen: https://doi.org/10.1007/s11427-020-1331-4

  11. Ministerio de Salud Pública. Anuario estadístico de salud. 2019. La Habana, Cuba.2020[22/05/2020]. Disponible en: http://bvscuba.sld.cu/anuario-estadistico-de-cuba/

  12. Giralt-Herrera A, Rojas-Velázquez JM, Leiva-Enríquez J. Relación entre COVID-19 eHipertensión Arterial. Revista Habanera de Ciencias Médicas. 2020[22/05/2020];19(2). Disponibleen: http://www.revhabanera.sld.cu/index.php/rhab/article/view/3246

  13. Hiroshi N, Tetsuro K, Takeshi M, Ayako S, Sungmok J, Katsuma H, et al. Estimation of theasymptomatic ratio of novel coronavirus infections (COVID-19). International Journal of InfectiousDiseases. medRxiv 2020.02.03.20020248; doi: https://doi.org/10.1101/2020.02.03.20020248

  14. Guan W, Ni Z, Yu Hu Y, Liang WH, Ou CQ, Jian-xing He JX, et al. Clinical Characteristics ofCoronavirus Disease 2019 in China. N Engl J Med. 2020;382:1708-20. Doi.https://doi.org/10.1056/NEJMoa2002032

  15. Díaz-Canel Bermúdez M, Núñez-Jover J. Gestión gubernamental y ciencia cubana en elenfrentamiento a la COVID-19. Anales de la Academia de Ciencias de Cuba. 2020[22/06/2020];10(2). Disponible en:http://www.revistaccuba.cu/index.php/revacc/article/view/881

  16. Duczmal Luiz H, Almeida Leite AC, Duczmal Bulgarelli D, Alves Lindgren CR, Costa Oliveira F,Lima Max Sousa de, et al. Vertical social distancing policy is ineffective to contain the COVID-19pandemic. Cad. Saúde Pública. 2020[22/05/2020];36(5):e00084420. Disponible en:http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-311X2020000506002&lng=en

  17. China CDC Weekly. The Epidemiological Characteristics of an Outbreak of 2019 NovelCoronavirus Diseases (COVID-19)-China, 2020[22/05/2020]. Disponible en:TheEpidemiologicalCharacteristicsofanOutbreakof2019NovelCoronavirusDiseases28COVID-1929E28094China2C20201.pdf

  18. Alvarez Cabrera CE, Andrade Lotero EJ, Gauthier Umaña V. Modelos epidemiológicos en redes:una presentación introductoria. Boletín de Matemáticas. 2020;22(1):21-37. Disponible en:https://revistas.unal.edu.co/index.php/bolma/article/viewFile/51844/51641

  19. Palú Orozco A, Vera Sánchez M, Orozco González MI, Brito Moreno AL. Gestión espacial deriesgos entomoecológicos en Santiago de Cuba. Medisan. 2017[26/05/2020];21(6):695-702.Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000600008&lng=es




2020     |     www.medigraphic.com