Cortés CM, Medina MF, Santana JM, Cortés IM, Miranda PR

Idioma: Español
Referencias bibliográficas: 21
Paginas: 683-698
Archivo PDF: 644.18 Kb.

RESUMEN

Fundamento: el mundo y Cuba en los dos últimos años se han visto afectados por la Covid-19. Es de vital importancia para la Salud Pública contar con estudios estadísticos de casos contagiados, ecuaciones de pronósticos y los posibles picos de la enfermedad, con vistas a que se puedan aplicar las medidas oportunas, para combatir la pandemia.
Objetivo: describir análisis estadísticos sobre datos de casos confirmados en la provincia de Cienfuegos, desde marzo del 2020 hasta agosto del 2021.
Métodos: estudio estadístico realizado por el Grupo de Investigación de Matemática Aplicada de la Universidad de Cienfuegos en bases de datos de pacientes confirmados con Covid-19, en los ocho municipios de la provincia de Cienfuegos. Se aplicó estadística descriptiva en los casos confirmados acumulados, la edad, el sexo, las dosis de vacunas recibidas y las fechas probables de mayor pico pandémico. Se utilizaron los modelos de crecimiento poblacional logístico de Gompertz, Weibull y Loglogistic para obtener ecuaciones de pronóstico de casos confirmados. Se calcularon los números de reproducción básico Ro y efectivo Rt.
Resultados: el conocimiento de las ecuaciones de ajuste en los municipios de la provincia de Cienfuegos, permitió a las autoridades de salud y del gobierno diseñar estrategias para reducir la reproducción efectiva y su seguimiento aumentó la efectividad de las medidas tomadas. Existe una adecuación de los modelos presentados con respecto a los valores pronosticados y los reales lo cual permite una confiabilidad de los mismos para los pronósticos efectuados.
Conclusiones: los modelos de crecimiento poblacional logístico, de Weibull y de Gompertz utilizados para la obtención de ecuaciones de pronósticos de casos confirmados de la COVID-19, permiten el monitoreo, control y proyección futuras del comportamiento de la pandemia según indicadores significativos en Cienfuegos.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Organización Mundial de la Salud. WHO Director-General's remarks at the 65th Session of the Commission on Narcotic Drugs - 15 March 2022, Humanitarian approach to drug policy; opportunity and challenges for an effective cooperation between public authorities and health-based organizations. Ginebra: OMS; 2022[citado 05/05/2022]. Disponible en: Disponible en: https://www.who.int/director-general/speeches/detail/who-director-general-s-remarks-at-the-65th-session-of-the-commission-on-narcotic-drugs-15-march-2022 1.

2. Hu B, Guo H, Zhou P, Li Zhi Z. Characteristics of SARS-CoV-2 and COVID-19. Nat Rev Microbiol. 2021;19:141-54.

3. Medina Mendieta JF, Cortés Cortés M, Cortés Iglesias M. COVID-19 Forecasts for Cuba Using Logistic Regression and Gompertz Curves. MEDICC review. 2020; 22(3):32-9.

4. Medina Mendieta JF, Cortés Cortés ME, Cortés Iglesias M. Ajuste de curvas de crecimiento poblacional aplicadas a la COVID-19 en Cuba. Rev Haban Cienc Méd. 2020;19(Supl.):e3353.

5. Medina Mendieta JF, Cortés Cortés ME, Cortés Iglesias M, Pérez Fernández A, del C, Manzano Cabrera M. Estudio sobre modelos predictivos para la COVID-19 en Cuba. Medisur[Internet]. 2020[citado 04/03/2021];18(3):[aprox. 7 p.]. Disponible en: scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1727-897X2020000300431

6. Batista M. Estimation of the final size of the COVID-19 epidemic. MedRxiv BioRxiv. 2020;11:34-7.

7. Jia L, Li K, Jiang Y, Guo X, Zhao Z. Prediction and analysis of Coronavirus Disease 2019. Ithaca: Cornell University; 2020[citado 05/2/2022]. Disponible en: Disponible en: ArXiv200305447 Q-BioPE 7.

8. Remuzzi A, Remuzzi G. COVID-19 and Italy: what next? The Lancet. 2020;395(10231):1225-8.

9. Qeadan F, Honda T, Gren LH, Dailey-Provost J, Benson LS, VanDerslice JA, et al. Naive Forecast for COVID-19 in Utah Based on the South Korea and Italy Models-the Fluctuation between Two Extremes. Int J Environ Res Public Health. 16 de abril de 2020;17(8):2750.

10. Villalobos-Arias M. Estimation of population infected by COVID-19 using regression generalized logistics and optimization heuristics. ArXiv Prepr ArXiv200401207. 2020;

11. Seber GA. Nonlinear Regression Models. En: Seber G, ed. The Linear Model and Hypothesis: A General Unifying Theory. Manhattan: Springer International Publishing; 2015.p. 117-28.

12. Moamer S, Baghestani AR, Pourhoseingholi MA, Maboudi AAK, Shahsavari S, Zali MR, et al. Application of the parametric regression model with the four-parameter log-logistic distribution for determining of the effecting factors on the survival rate of colorectal cancer patients in the presence of competing risks. Iran Red Crescent Med J. 2017;19(6):23-7.

13. Finney DJ. Bioassay and the practice of statistical inference. International Statistical Review. Internationale Statistique. 1979;12:1-12.

14. Kyurkchiev N, Iliev A. Extension of Gompertz-type Equation in Modern Science: 240 Anniversary of the birth of B. Gompertz. Moldova: Lambert Academic Publishing; 2018.

15. Wais P. A review of Weibull functions in wind sector. Renew Sustain Energy Rev. 2017;70:1099-1107.

16. Brain P, Cousens R. An equation to describe dose responses where there is stimulation of growth at low doses. Weed Res. 1989;29(2):93-96.

17. Groot JC, Cone JW, Williams BA, Debersaques FM, Lantinga EA. Multiphasic analysis of gas production kinetics for in vitro fermentation of rinant feeds. Anim Feed Sci Technol. 1996;64(1):77-89.

18. Ricketts JH, Head GA. A five-parameter logistic equation for investigating asymmetry of curvature in baroreflex studies. Am J Physiol-Regul Integr Comp Physiol. 1999;277(2):R441-R454.

19. White LF, Pagano M. Transmissibility of the influenza virus in the 1918 pandemic. PLoS One. 2008;3(1):e1498.

20. Cori A, Ferguson NM, Fraser C, Cauchemez S. A New Framework and Software to Estimate Time-Varying Reproduction Numbers During Epidemics. Am J Epidemiol. 2013;178(9):1505-12.

21. Wallinga J, Lipsitch M. How generation intervals shape the relationship between growth rates and reproductive numbers. Proceedings of the Royal Society B. Pro R Soc. 2007;274(1609):599-604.