Modelación matemática de los casos autóctonos de Covid-19. Municipio Bayamo. Febrero- Agosto 2021

Autores/as

Palabras clave:

Epidemia, COVID-19, Modelo estadístico-matemático, Ecuación de regresión, Media móvil, Pronóstico, Pendiente epidemiológica.

Resumen

El municipio Bayamo acumuló, 8162 casos positivos autóctonos de febrero a agosto en el año 2021, es el centro de la epidemia en la provincia de COVID-19 provocada por el SARS –CoV-2 determinado por el test de Proteína C Reactiva, representa el53,2 % del total de los casos en ese periodo en Granma, muy diferente a lo ocurrido en el año 2020 en el cual la provincia acumuló solamente 185personas contagiadas en nueve meses, con una tasa de 22.6 la más baja de Cuba. La provincia Granma acumuló 119 fallecidos en agosto/2021 que representa el 62,9 % de todos los muertos desde que comenzó la pandemia hasta agosto, lo que indica la alta incidencia de la epidemia que hay en estos momentos. Para la modelación matemática y el análisis de los casos positivos autóctonos de todos los ocurridos durante los meses de febrero a agosto en el año 2021 en Bayamo se obtuvieron polinomios de grado tres y cuatro que modelan el comportamiento de la epidemia durante los siete meses analizados, así como el de los fallecidos durante el mes de agosto en Granma con un carácter predictivo mayor al 98 % en todos los modelos.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Ricardo Roberto Fonseca Pantoja, Universidad de Oriente. Facultad de Matemática y Computación. Santiago de Cuba.

Metodóloga docente

Citas

1. Minsap. Dashboard Cuba: Covid 19. [Internet]. 2021 [citado15/02/2021]. Disponible en: https://covid19cubadata.github.io/#cuba

2. Ministerio de Salud Pública. Anuario Estadístico de Salud 2020. [Internet]. La Habana: Minsap; 2021. [citado 17/2 2021]. Disponible en: http://bvscuba.sld.cu/anuario-estadisticode-cuba/

3. Fajardo Gutiérrez A. Medición en epidemiología: prevalencia, incidencia, riesgo, medidas de impacto. Rev Alerg Mex 2017; 64: 109-20.

4. Ellison SLR, Berwick VJ, Trevor J, Farrant D. Practical Statistics for the Analytical Scientist. 2ed. [Internet]. Reino Unido: Global Science Centre, University of Reading Campus; 2009. [citado 17/2/2021]. Disponible en: https://pubs.rsc.org/en/content/ebook/978-0-85404-131-2

5. SPSS® Statistics, IBM® Company. IBM SPSS Statistics versión 25.0 [Internet]. Chicago, Illinois, United State of America: IBM SPSS Statistics; 2017. [citado 4/1/2022]. Disponible en: https://www.bioz.com/result/software%20version%2025%200/product/SPSS%20Inc

6. StatSoft, Inc. StatSoft Releases Version 12 of STATISTICA Software. [Internet]. Sudáfrica: StatSoft Southern África-Research (Pty) Ltd; 2013. [citado 4/1/2022]. Disponible en: https://statisticasoftware.wordpress.com/2013/05/15/statsoft-releases-version-12-of-statistica-software/

7. Di Rienzo JA, Casanoves F, Balzarini MG, Gonzalez L, Tablada M, Robledo CW. Infostat. Sofware Estadístico. [Internet]. Argentina: Universidad Nacional de Córdoba; 2017. [citado 4/1/2022]. Disponible en: https://www.infostat.com.ar/

8. Casals M, Guzmán K, Caylà JA. Modelos matemáticos utilizados en el estudio de las enfermedades transmisibles. Barcelona, España. Rev Esp Salud Pública 2009; 83: 689-95.

9. Diaz Quijano FA. Regresiones aplicadas al estudio de eventos discretos en epidemiología. Rev Univ Ind Santander Salud 2016; 48(1): 9-15.

10. Abelló Ugalde IA, Guinovart Díaz R, Morales Lezca W. El modelo SIR básico y políticas antiepidémicas de salud pública para la COVID-19 en Cuba. Rev Cubana Salud Pública 2021; 46 (Suppl 1): 1-24.

11. Kyurkchiev N, Illiev A, Rahnev A, Terzieva T. Another look at a good approximation of data for the distribution of COVID-19 in Cuba. Rev haban cienc méd 2020; 19(3): 34-45.

12. Pérez Rodríguez R, Curra Sosa D, Almaguer Mederos L. Análisis preliminar de modelos SIRD para la predicción de la COVID-19: caso de la provincia de Holguín. Anales de la Academia de Ciencias de Cuba 2020; 10(2): 1-7.

13. Zenteno AC, Santiago MC, Romero Y, Pérez J, Rubín GT, Álvarez AE, et al. Optimización de los coeficientes del modelo predictivo del número de casos diarios de coronavirus Covid-19 en México. Research in Computing Science 2020; 149(11): 293–302.

14. Vega de la Cruz LO, Pérez Pravia MC. Efectividad de las medidas ante la COVID-19 basada en el análisis del curso pandémico. AMC 2020; 24(5): e7645.

Descargas

Publicado

2021-12-03

Cómo citar

1.
Fonseca Pantoja RR, Fonseca González Z. Modelación matemática de los casos autóctonos de Covid-19. Municipio Bayamo. Febrero- Agosto 2021. RM [Internet]. 3 de diciembre de 2021 [citado 25 de junio de 2025];25(6). Disponible en: https://revmultimed.sld.cu/index.php/mtm/article/view/2542

Número

Vol. 25 Núm. 6 (2021): Noviembre-Diciembre

Sección

ARTÍCULOS ORIGINALES

Licencia

Avisos de derechos de autor propuestos por Creative Commons

1. Política propuesta para revistas que ofrecen acceso abierto

Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
  1. Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
  2. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
  3. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).