Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EN COLOMBIA
Enero 18 de 2008
Morbilidad y
DIRECTAMENTE
mortalidad p
por
St
Stress térmico
té i
CAMBIO problemas
cardiovascular y
CLIMATICO INDIRECTAMENTE
respiratoria
Mediado Ecologicamente
Malaria, dengue, ...
Enf. Transmitidas por vectores
Algas Tóxicas y
Enfermedads generadas en el
ámbito marino cólera
Producción alimentaria Desnutrición
Asma y
Contaminación del aire desordenes
Desastres climáticos cardio-
cardio
Aumento del nivel del respiratorios
mar Muertes, heridas,
daño a la
infraestructura de
Destrucción salud, conflictos
de la capa Cancer de la piel,
de ozono cataratas,
(From Martens 1997)
inmunodepresión
•2005
•2005
Enfermedades Originadas en el consumo de alimentos
• 5,655
5 655 casos de Salmonella,
Salmonella 12,352
12 352 casos de Campylobacter y 2
2,714
714 casos de
verotoxigenic E. coli fueron reportados en Canada en el año 2000.
• La mayoría de los patógenos entériicos se replican más rapidamente a temperatura
ambiente más cálida.
cálida
• En Alberta, cada grado ºC de incremento en la temperatura media semanal (sobre cierto
umbral) incrementa el riesgo relativo de casos de Salmonella en un 2.8%; casos de
Campylobacter en un 1.6%;
1 6%; y de E.
E coli en un 1.8%.
1 8%
• El calentamiento en el clima supone un incremento en el riesgo de adquirir enfermedade
relacionadas con los alimentos.
30
1961-1990
25 2020s
2050s
20 2080s
Temperature ((C)
15
10
0
Riesgo relativo y límites de confianza al -5
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Lyme
y Disease Canada
2000 y como consecuencia de la epidemia de Paraguay, Arg. notificó 617 casos (entre
importados y autóctonos)
a tóctonos) en Misiones y Formosa.
Formosa
2002 se produjo una epidemia por Den. 1 (Salta) con mas de 300 casos confirmados;
actualmente, en América del sur, sólo Uruguay está libre de Dengue, aunque ese país está
infestado por Ae. aegypti
En el 2004,
2004 se produjo un brote por Den.
Den 3 en Salta.
Salta
100
80
60 Porcentaje
40 de
20
0 Municipios
0
29
22 26
23
20
13 7
10 4
11
1
1
a
a
28
25
19
16
160 Villavicencio-
140 Fenomeno El Niño anomalia
120
Bucaramanga-
B
100
Fenomeno La Niña anomalia
Ano malia
80
60
Neiva-anomalia
Neiva anomalia
40
20
0 Palmira-
1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 20
-20 anomalia
-40
(Garcia 2003)
Modelo ARIMA ajustado a la incidencia de dengue en Bucaramanga utilizando la
Temperatura máxima como regresor con rezago de una semana.
8
30
asos x 100 000 hb
ma
Tº Maxim
28
4
Ca
26
2
0 24
01//01/97
01//04/97
01//07/97
01//10/97
01//01/98
01//04/98
01//07/98
01//10/98
01//01/99
01//04/99
01//07/99
01//10/99
01//01/00
01//04/00
01//07/00
01//10/00
Se muestran los datos de dengue observados en rojo, los valores
estimados de dengue con el modelo en verde y los datos
correspondientes a la temparatura máxima en azul.
•Palmira Ventosilla, José Chauca Universidad Peruana Cayetano Heredia. A.P. 4314 Lima, 100- Perú., 2006
VARIABLES USADAS PARA MODELAR EL
COMPORTAMIENTO DEL DENGUE EN ARMENIA
300,00
precip
250 00
250,00
tmed
200,00 tmax
tmin
150,00
humrel
100,00 brillo
evap
50,00
dengue
0,00
1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265
Se usó una serie de tiempo que cubre desde la primera semana epidemiológica del año 2000
Hasta la semana 12 de 2005 para los datos epidemiológicos (273 datos) y hasta la semana 26 para los
datos meteorológicos
(García, 2007)
RELACION ENTRE EL PRIMER COMPONENTE
DEL CLIMA O INDICE CLIMATICO
Y LA ENFERMEDAD DEL DENGUE EN
BUCARAMANGA 1997-
1997-2000
31
46
61
76
91
106
121
136
151
166
181
196
211
-1
-2
-3
Semanas
REZAGO
BUCARAMANGA + DE 35 mm 14 SEMANAS
semanales POR 9
SEMANAS
PALMIRA + DE 23 mm 12 SEMANAS
semanales POR 11
SEMANAS
NEIVA + DE 24 mm 11 SEMANAS
semanales POR
12 SEMANAS
100
92.7
90
86.5
86. 5
H
80
O 80.3
76.0
R 73.7
72.5
72. 5
A 70
69 1
69.1
68.9
S
64.5
60
N= 30 32 31
24 27 30
TEMPERATURA (C)
Daniel Ruiz Carrascal
Escuela de Geociencias y Medio Ambiente, Facultad de Minas, Universidad Nacional de Colombia Sede Medellín,
Medellín, Programa de Estudio y Control de Enfermedades Tropicales,
Facultad de Medicina, Universidad de Antioquia.
Antioquia. Corporación para Investigaciones Biológicas
Biológicas.. Department of Biological Sciences, State University of New York at Buffalo, USA
Grupo de Profundización en Hidroclimatología, Programa de Ingeniería Ambiental, Escuela de Ingeniería de Antioquia
Modelos para los municipios afectados por el dengue y
malaria
Correlaciones cruzadas con el primer componente
principal de un índice climático
1.0 1.0
.5 .5
as
0.0 0.0
aciones cruzada
acion cruzada
-.5 -.5
Limites de confianza Limites de confianza
Correla
400
300
200 transformacion de la
malaria
100 MALFAL
Value
0 m ARIMA, MOD_19 LN N
1
12
23
34
45
56
67
78
89
10
110
121
132
143
154
165
176
187
198
9
Case Number
B SEB T-RATIO APPROX PROB.
APPROX. PROB
AR1 -.38652553 .07558231 -5.1139682 .00000095
FAC1_1_4 -.56563601 .17455738 -3.2404016 .00147035
Variables en el modelo FAC1__10 -.66943136 .26131166 -2.5618120 .01139877
FAC1__11 .73903716 .34623048 2.1345237 .03442509
(Jairo Garcia 2003) FAC1__12 -.64531819 .26115809 -2.4709868 .01459318
Modelo ajustado para la malaria por falciparum en Buenaventura
Con predicción para la última semana
ARIMA(1,0,1)(0,0,0) con constante aplicado al logaritmo de la serie
R
Regresor componente t 1 -5
5
1000
800
600
400
0 m ARIMA, MOD_1 LN CO
1
12
23
34
45
56
67
78
89
10
110
121
132
143
154
165
176
187
198
219
0
Numero de casos
Variables en el Modelo:
B SEB T-RATIO APPROX. PROB.
AR1 .7842503 .08080652 9.705284 .00000000
MA1 .4310632 .12050240 3.577216 .00043656
FAC1_1_5 .2749932 .10799363 2.546384 .01164512
(Jairo Garcia 2003) CONSTANT 4.2885313 . 13044238 32.876825 .00000000
Modelo ajustado para la malaria por vivax en Caucasia
Con predicción ultimas dos semanas
ARIMA(2,1,0,)(0,0,0) Sin constante aplicado al logaritmo de la serie
elevada de nivel en una unidad
Regresores primera componente con rezagos -5,-6 y -7
40
30
20
10
MALVI
ue
0 m ARIMA, MOD_48 LN N
1 23 45 67 89 111 133 155 177 199
12 34 56 78 100 122 144 166 188 210
Case Number
Variables en el modelo:
B SEB T-RATIO APPROX. PROB.
AR1 -.6702822 .07717818 -8.6848660 .00000000
AR2 -.3378085 .07785314 -4.3390480 .00002637
FAC1_5 -.8154958 .35307693 -2.3096831 .02228853
FAC1_6 1.4392979 .51024236 2.8208122 .00544786
(Jairo Garcia 2003) FAC1_7 -.8240706 .35673864 -2.3100122 .02226979
Modelo ajustado a la malaria falciparum para San José del Guaviare.
Predicción ultimas cuatro semanas
ARIMA(3,1,0)(0,0,0) Sin constante. Aplicado al logaritmo de la serie.
Regresores primer componente rezagado -13,-14,-15.
-13 -14 -15
200
100
MALFAL
Value
e
•Recomendaciones internacionales:
•OMS/OPS
•IPCC
Sistema Integrado de Vigilancia y
Control para malaria y dengue
CONTROL
EVALUACIÓN Y REAJUSTE
Sistema Integrado de Vigilancia y
Control para malaria y dengue
SAT
CONTROL
EVALUACIÓN Y REAJUSTE
VIGILANCIA EN SALUD PÚBLICA
CONTROL
EVALUACIÓN Y REAJUSTE
Sistema Integrado de Vigilancia y Control para malaria y dengue
EVALUACIÓN Y REAJUSTE
CONCLUSIONES
• Es posible modelar el comportamiento del
g y la malaria con respecto
dengue p a la influencia
de la variabilidad climática.
• Se debe destacar la importancia de mantener
series actualizadas tanto en salud como en las
series
i meteorológias
t ló i ((oportunidad).
t id d)
• Es posible prever eventos epidémicos.
• Se ha establecido un componente estacional de
la incidencia del dengue
dengue.
• Se pueden obtener umbrales críticos de lluvia
que prevén
é aumentos en llos casos d
de d
dengue y
malaria.
CONCLUSIONES
• Estamos avanzando en el sistema integrado de
g
vigilacia y control de la malaria y el dengue
g
dentro del proyecto de adaptación al cambio
climático INAP
climático. INAP.
• Debe haber un incentivo para estudiar y
controlar
t l los
l efectos
f t adversos
d del
d l cambio
bi
climático en otros campos de la salud humana
especialmente lo relacionado con la
contaminación del aire, eventos extremos de
precipitación y otras enfermedades transmitidas
por vectores.
p
RETOS PARA EL FUTURO
• Transferencia de conocimientos y tecnologías, para aumentar la
capacidad científica, de análisis de la información epidemiológica
relacionada con las variables meteorológicas.