LA SALUD Y EL CAMBIO CLIMÁTICO

EN COLOMBIA

JAIRO ALBERTO GARCIA GIRALDO

Ing.Geógrafo MSc Meteorología
P f i
Profesionall Especializado
E i li d
Subdirección de Estudios Ambientales
IDEAM.

•SEMINARIO - TALLER “LA VARIABILIDAD, EL CAMBIO CLIMÁTICO Y SUS IMPACTOS

•SOBRE LA SALUD HUMANA EN EL AREA ANDINA”

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

95% de contraer Salmonella,

C
Campylobacter
l b t and d E.coli
E li en Alberta
Alb t Temperatura máxima mensual promedio (C) en
versus temperatura ambiental semanal Lethbridge, AB [linea base climática 1961-1990
promedio (rezago de una semana), 1992- y futuros escenarios, CGCM2 A2] Environment
Canada
2000.
 COMO PUEDE INFLUENCIAR EL CAMBIO CLIMATICO LAS
ENFERMEDADES TRANSMITIDAS POR VECTORES

COMPORTAMIENTO DE LOS VECTORES (proliferación y

frecuencia de alimentación).
)
DISTRIBUCION GEOGRÁFICA DE LOS VECTORES
(expansion into formerly forbidden territories)
territories).
TASA DE DESARROLLO DE LOS PATOGENOS (dentro de los
)
vectores).
INSIDENCIA, EMERGENCIA
Y DISTRIBUCION ESPACIAL
DE LAS ENFERMEDADES
TRANSMITIDAS POR
VECTORES

Entre las enfermedades infecciosas

probablemente las ETV son las que reciben
mayor impacto
i t a medida
did que llas ttemperaturas
t
aumentan
Daniel Ruiz Carrascal 2005 (From Epstein 2000)
 Environment

Lyme
y Disease Canada

La bacteria que produce la

enfermedad Lyme es transmitida
por la garrapata Ixodes scapularis.
Las tendencias favorables debidas
al recalentamiento del clima,
clima así
como la migración hacia el norte de
aves y pequeños animales
aumentan el riesgo de la extensión
de variedad de la garrapata en
Canadá.

Actual (1961-1990) y rango

proyectado
p y de expansiòn
p de la
enfermedad Lyme debido al
cambio climático (CGCM2
Escenarios A2 y B2 )
 En la Argentina,
Argentina
el vector reconocido del dengue
es Aedes aegypti,

1997, primeros casos autóctonos de Dengue clásico (virus Den. 2) en Salta ;

1998, brote en Salta con mas de 800 casos;

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

Mario Lamfri CONAE 2007

 El clima afecta el comportamiento del dengue en Colombia

(Garcia 2005, sin publicar)

 Porcentaje de Municipios afectados por dengue en algún
momento entre 1997 y 2002, según temperatura media

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

Se debe resaltar el hecho de que en 1997 solo había afectados 10 municipios

con temperaturas promedio anual menores a 16 grados centígrados, mientras
en el 2002,, ya
y aparecen
p afectados 28 municipios.
p El número total de municipios
p
afectados pasó de 434 a 648 entre 1999 y 2002. La temperatura ideal para la
transmisión está entre 23 y 24 grados C.
La temperatura de Medellín a pasado de 22.1 a 22,7 desde 1950 hasta la década 1990-
1990-2000.
El dengue se ha caracterizado en los últimos años por hacer mayor
presencia en nuevos municipios localizados en las vertientes de la cordillera,
lo cual es una evidencia de los efectos del aumento de la temperatura.
Un municipio como Fusagasuga que antes de 1997 no presentaba casos de la enfermedad
hoy normalmente reporta casos.

Comportamiento del dengue en Medellín

1800
1600
1400 Casos
1200
Casos

1000 y = 160x + 57,667

800 Tendencia
600 lineal del
400 dengue
200
0
1999 2000 2001 2002 2003 2004
Años

Los efectos sobre la malaria son más difíciles de estimar

por los muy diversos factores sociales y ambientales que
intervienen, pero se ha determinado que aumentos de tan solo un grado
centígrado, como lo sucedido en los fenómenos El Niño,
potencian la capacidad de transmisión de los vectores,
vectores lo cual es sensible
en el número de casos que se presentan.
También se ha podido establecer que en zonas hiperendémicas
aumentos en la precipitación de tan solo un 20%
se reflejan en el aumento de los picos normales de la enfermedad.
 Anomalias de las series de dengue frente a los perìodos de El
Niño y La Niña

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

Sem anas epidem iologicas 1997 - 2000

(Garcia 2003)
 Modelo ARIMA ajustado a la incidencia de dengue en Bucaramanga utilizando la
Temperatura máxima como regresor con rezago de una semana.

10 tasa fit TMAX 32

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

Dengue estandarizado y Primer componente

del clima rezagado 14 semanas
6
5
4
3 Primer componente
2
1
Dengue
0
estandarizado
1
16

31
46
61

76
91

106
121
136
151

166
181

196
211
-1
-2
-3

Semanas

(Jairo Garcia 2004)

 Precipitación y Epidemias de dengue
según
ú ell rezago indicado
i di d
por un modelo ARIMA para Neiva
1997-2000

(Jairo Garcia 2003)

 VALORES CRÍTICOS DE PRECIPITACIÓN QUE
AFECTAN EL COMPORTAMIENTO DEL DENGUE EN
ALGUNAS CIUDADES DE COLOMBIA

REZAGO
BUCARAMANGA + DE 35 mm 14 SEMANAS
semanales POR 9
SEMANAS
PALMIRA + DE 23 mm 12 SEMANAS
semanales POR 11
SEMANAS

VILLAVICENCIO + DE 100 mm 9 SEMANAS

semanales POR 8
SEMANAS

NEIVA + DE 24 mm 11 SEMANAS
semanales POR
12 SEMANAS

(Jairo Garcia 2003)

COMPORTAMIENTO ESTACIONAL DEL DENGUE EN COLOMBIA

(Jairo Garcia 2005)

 ZONAS DE POSIBLE
AMPLIACION PARA EL Las zonas de vertiente de las
DESARROLLO DE LA diferentes cordilleras donde
MALARIA POR EFECTO existen condiciones ecológicas
DEL CAMBIO CLIMÁTICO favorables son las más
propensas a la aparición de la
enfermedad debido al cambio
climático, especialmente por
modificación de los ciclos de
t
transmisión
i ió debido
d bid a
variaciones en la temperatura.
Igualmente son vulnerables las
poblaciones de los municipios de los
departamentos del Chocó y Guaviare,
Putumayo, Caquetá, Amazonas, Meta,
Vichada Vaupés,
Vichada, Vaupés Guainia,
Guainia Arauca,
Arauca las zonas
de la vertiente del Pacífico de los
departamentos de Nariño, Cauca y Valle, las
zonas correspondientes al Urabá
antioqueño, sur de La Guajira, Catatumbo y
las zonas del bajo Magdalena, bajo Cauca,
Nechi, alto San Jorge y alto Sinú, donde
pequeños cambios en las temperaturas o el
aumento de la pluviosidad puede estimular
la transmisión de la malaria.
 DURACION DEL CICLO GONOTROFICO
An. albimanus A DIFERENTES TEMPERATURAS
VALOR MEDIO E INTERVALOS DE CONFIANZA AL 95%

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

Correlación cruzada entre el dengue Correlación cruzada entre la

y el primer componente climático. malaria por falciparum y el primer
(Villavicencio) componente climático.
(Buenaventura)

1.0 1.0

.5 .5

as
0.0 0.0

aciones cruzada
acion cruzada

-.5 -.5
Limites de confianza Limites de confianza
Correla

-1.0 Coeficientes Correla -1.0 Coeficientes

-30 -22 -14 -6 2 10 18 26 -52 -40 -28 -16 -4 8 20 32 44
-26 -18 -10 -2 6 14 22 30 -46 -34 -22 -10 2 14 26 38 50

Numero de retardos Numero de retardos

(Jairo Garcia 2003)

 Modelo ajustado para la malaria falciparum en Riohacha
con predicción ultimas tres semanas
ARIMA(1,1,0)(0,0,0) aplicado al logaritmo de la serie transformada, sin constante
y regresor componente 1 rezagos -4,-10,
4 10 -11
11 y -12.
12
500

400

300

200 transformacion de la
malaria

100 MALFAL
Value

Fit for MALTRANS fro

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

200 Serie original

Valor

Fit for COPYFAL2 fro

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

Fit for MALTRANS fro

Valu

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

Fit for VAR00001 fro

0 m ARIMA, MOD_51 LN N
1
12
23
34
45
56
67
78
89
10
110
121
132
143
154
165
176
187
198
9
Case Number
Variables en el Modelo:
B SEB T-RATIO APPROX. PROB.
AR1 -.46037829 .08398134 -5.4819115 .00000020
AR2 -.19523775 .09184502 -2.1257305 .03536003
AR3 -.32580191 .08538721 -3.8155823 .00020664
FAC1_15 .31284941 .16417788 1.9055516 .05885053
FAC1_13 .34577647 .16366781 2.1126724 .03648369
FAC1_14 -.48498857 .22057800 -2.1987169 .02961405
(Jairo Garcia 2003)
 Sistema Integrado de Vigilancia y Control para
malaria y dengue
Componente Salud Programa Integrado Nacional
p
de Adaptación (INAP)
( )
•Experiencia
E i i nacional:
i l
IDEAM.
Inst Geográfico.
Universidades y grupos de investigación Ámbito de aplicación:
Á
Ministerio de la Proteccion Social.
Planeación Nacional 24 Localidades
Instituto Nacional de Salud
Subdirección de Vigilancia en Salud Pública
Subdirección Red Nacional de Laboratorios
Subdirección de Investigaciones Reducción de un 30 %
•Experiencia Internacional
•Universidad de Columbia ( Nueva York)(IRI)
•Universidad de la Florida
En 5 años.
•Comisión Nacional de Actividades Espaciales
Argentina (CONAE)

•Recomendaciones internacionales:
•OMS/OPS
•IPCC
Sistema Integrado de Vigilancia y
Control para malaria y dengue

VIGILANCIA EN SALUD PUBLICA

SISTEMA DE ALERTA TEMPRANA

(SAT)

CONTROL

EVALUACIÓN Y REAJUSTE
 Sistema Integrado de Vigilancia y
Control para malaria y dengue

Inclusión de Fortalecimiento de la vigilancia

VIGILANCIA factores de vectores, patógenos y
ambientales en el casos. Fortalecimiento
subsistema de Inclusión de información sobre de diagnóstico y
información. factores poblacionales tratamiento
Desarrollo de (migración, condiciones de vida temprano
modelos
modelos. y actividad
ti id d económica)
ó i )
SIG

SAT

CONTROL

EVALUACIÓN Y REAJUSTE
 VIGILANCIA EN SALUD PÚBLICA

SAT Umbrales de índices

vectoriales, presencia de
Predicción climáticas patógenos
p g circulando,,
Umbrales de inicio de eventos climáticos Epidemias en curso
temperatura y extremos, migraciones
precipitación humanas

CONTROL

EVALUACIÓN Y REAJUSTE
 Sistema Integrado de Vigilancia y Control para malaria y dengue

VIGILANCIA EN SALUD PÚBLICA

CONTROL SISTEMA DE ALERTA TEMPRANA

Reducción de escala ACCIONES PREVENTIVAS

de información global Control Vectorial, PLANES DE
Fortalecer la vigilancia protección individual CONTINGENCIA
(clima y vectores) educación, redes
Estrategia de sociales, estrategias de
comunicación participación

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.

• Divulgación de lalass experiencia

experienciass, y de los avances en cada país,
con lo cual se brinda un aporte al conocimiento y enfoque de los
problemas de variabilidad climática y su relación con la salud de la
población.

• Superar los vací

vacíos en la instrucción frente al tema
(Rezagos en capacitación y programas académicos que incorporen
la ciencia del cambio climático en el Sector Salud)

• Trabajar por la obtención de sinergias mediante la sensibilizaci

sensibilizacióón
del sector salud.

• Ampliar las redes de cientifícos dedicados al estudio de los temas

salud y clima.
GRACIAS