Enrique HFM, Peña AM

Idioma: Español
Referencias bibliográficas: 8
Paginas:
Archivo PDF: 755.51 Kb.

RESUMEN

En el control de enfermedades infecciosas resulta esencial usar modelos epidemiológicos, sin embargo, existen herramientas que permiten el monitoreo y control estadístico de la transmisión de este tipo de enfermedad en el tiempo. El objetivo de este trabajo de investigación fue proporcionar un análisis de la dinámica diaria de transmisión de la COVID-19 en Cuba mediante dos cartas de control, basadas en un modelo probabilístico fundamentado en las distribuciones binomial y Poisson. Los dos métodos se aplicaron, utilizando los reportes diarios publicados por el Ministerio de Salud Pública, a un proceso cuya variable en estudio es de atributos y con poca información sobre su estabilidad. Las cartas aplicadas fueron clave para mejorar la estabilidad del proceso, en la medida en que se detectaron, identificaron y sugirió la eliminación de causas especiales para reducir la variación; y en el monitoreo para asegurar que las mejoras a generarse se puedan conservar.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Sánchez Valdés L, Sebrango Rodríguez CR, Vega Riverón B, Alfonso Berrio L. Modelos de trasmisión, pronóstico y gravedad del dengue [Internet]. En: Guzmán MG. Dengue. La Habana, Cuba: Editorial Ciencias Médicas (ECIMED); 2014 [citado 2020 jul 5]. Disponible en: Disponible en: https://www.bbs.sld.cu/libros/dengue/dengue_completo.pdf .

2. Montesinos López OA, Hernández Suárez CM. Modelos matemáticos para enfermedades infecciosas. Salud Pública de Méx. 2007;49(3): 218-226.

3. Organización Mundial de la Salud OMS. Preguntas y respuestas sobre la enfermedad por coronavirus (COVID-19) [Internet]. 2020. [citado 2020 jun 26]. Disponible en: Disponible en: https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-public/q-a-coronaviruses .

4. Díaz Pinzón JE. Uso de modelo predictivo para la dinámica de transmisión del Covid-19 en Colombia. Repert. Med. Cir. 2020;29(Supl.1):34-44. doi: https://doi.org/10.31260/RepertMedCir.01217372.1056.

5. Gutiérrez Pulido H, de la Vara Salazar R. Control estadístico de la calidad y Seis Sigma. 3 ed. México, D. F.: McGraw-Hill/Interamericana Editores, 2013.

6. Castellanos Vázquez J, Santiago Moreno A, Bouza Herrera C, Sautto Vallejo JM, Armas Rojas NB. Sobre el tamaño de muestra para un estudio de la prevalencia de enfermedades coronaria [reporte técnico en Internet]. 2020. [citado 2020 oct 3]. doi: https://doi.org/10.13140/RG.2.2.25499.69921.

7. Vidal Ledo MJ, Guinovart Díaz R, Baldoquín Rodríguez W, Valdivia Onega NC, Morales Lezca W. Modelos matemáticos para el control epidemiológico. Educación Médica Superior. 2020;34(2): 1-15. [citado 2020 oct 3] Disponible: Disponible: http://www.ems.sld.cu/index.php/ems/article/view/2387

8. Wang W. Backward bifurcation of an epidemic model with treatment. Mathematical Biosc. 2006;201(1-2): 58-71[citado 2020 oct 3]. doi: https://doi.org/10.1016/j.mbs.2005.12.022.