Resumen

Antecedentes y objetivos

Los parámetros meteorológicos juegan un papel importante en la

transmisión de enfermedades infecciosas como la COVID-19. En
este estudio, nuestro objetivo es analizar la correlación entre los
parámetros meteorológicos y la pandemia de COVID-19 en la
capital financiera de India, Mumbai.

Métodos

En esta investigación, recopilamos datos desde el 27 de abril hasta

el 25 de julio de 2020 (90 días). Se ha utilizado una prueba de
correlación de rangos de Spearman junto con una prueba p de dos
colas y una técnica de red neuronal artificial (ANN) para predecir
las asociaciones de COVID-19 con parámetros meteorológicos.

Resultados

Se encontró una correlación significativa de COVID-19 con la

temperatura (T min ), el punto de rocío (DP max ), la humedad relativa
(HR max , RH avg , RH min ) y la presión superficial (P max , P avg ,
P min ). Luego, los parámetros que mostraron una correlación
significativa se tomaron para el modelado y la predicción de
infecciones por COVID-19 utilizando la técnica de Redes
Neuronales Artificiales.

Conclusiones

Se encontró que los parámetros de humedad relativa y presión

tuvieron el efecto más influyente de todos los demás parámetros
significativos (obtenidos del método de Spearman) en el número
activo de casos de COVID-19. El hallazgo de este estudio podría ser
útil para el público, las autoridades locales y el Ministerio de Salud,
Gobierno. de la India para combatir el COVID-19.
Palabras clave: India, COVID-19, Meteorología, Correlación, Red
neuronal artificial
Ir:

1. Introducción

El primer brote de un nuevo coronavirus (COVID-19) se reconoció

inicialmente en Wuhan, provincia de Hubei, a finales de diciembre
de 2019 [ 1 ]. La Organización Mundial de la Salud (OMS) reconoció
al COVID-19 como una enfermedad infecciosa y lo declaró como
una emergencia de salud pública internacional después de que se
propagó a nivel mundial, fuera de China. La OMS nombró
oficialmente a esta enfermedad por coronavirus como enfermedad
por coronavirus 2019 (COVID-19) y al agente causal como SARS-
CoV-2 [ 2 ]. COVID-19 se está propagando continuamente a un
ritmo más rápido y ha provocado uno de los mayores pánicos del
siglo XXI con el bloqueo de más de 6 mil millones de personas en el
planeta.

Los síntomas comunes que experimentan los pacientes con COVID-

19 son enfermedades respiratorias de leves a moderadas, como tos,
fiebre y dificultad para respirar. El síntoma más frecuente es la
fiebre, seguida de tos. El período aproximado de incubación de la
COVID-19 oscila entre 1 y 14 días, pero por lo general es de
alrededor de cinco días [ 3 ]. En casos más graves, una infección
puede provocar neumonía, síndrome respiratorio agudo severo,
insuficiencia renal y puede causar la muerte [ 4 ].

Menebo et al. investigó la correlación entre los parámetros

meteorológicos y la pandemia de COVID-19 en Oslo, la capital de
Noruega. Los parámetros meteorológicos básicos incluían
temperatura máxima, temperatura media, temperatura mínima,
temperatura normal, velocidad del viento y nivel de
precipitación. Para el análisis de los datos se utilizó la prueba de
correlación de Spearman. La precipitación se asoció
negativamente, mientras que la temperatura normal y la
temperatura máxima se asociaron positivamente [ 3]. Ma et
al. analizó las asociaciones entre la muerte por COVID-19, los
parámetros meteorológicos y los contaminantes del aire en Wuhan,
China. Se aplicó un modelo aditivo general (GAM) para explorar el
efecto de la humedad, la temperatura y el rango de temperatura
diurna (DTR) en los recuentos de muertes por COVID-19. El estudio
mostró que la tasa de mortalidad diaria de COVID-19 está asociada
negativamente con la humedad absoluta y positivamente con el
rango de temperatura diurna [ 5]. Tosepu et al. investigó las
asociaciones entre los parámetros meteorológicos y la pandemia de
COVID-19 en Yakarta, Indonesia. Los parámetros meteorológicos
incluyeron temperatura máxima, temperatura media, temperatura
mínima, humedad y precipitación. Los datos se analizaron
mediante la prueba de correlación de Spearman. Se encontró que
solo la temperatura promedio está significativamente
correlacionada con la pandemia de COVID-19 [ 6]. Sahin et
al. examinó la correlación entre la enfermedad por coronavirus
2019 (COVID-19) y las condiciones climáticas en nueve ciudades de
Turquía. Los parámetros meteorológicos incluidos para la
investigación fueron la temperatura, la humedad, el punto de rocío
y la velocidad del viento. Los efectos de cada parámetro se
examinaron a los 1, 3, 7 y 14 días. El análisis de datos se realizó con
base en los coeficientes de correlación de rango de Spearman. Se
concluyó que la temperatura en un día y la velocidad máxima del
viento en 14 días, tuvieron la mayor correlación con los casos de
COVID-19 [ 1]. Pani et al. investigó el impacto del clima de Singapur
en la transmisión de COVID-19, estudiando la correlación entre los
casos de pandemia de COVID-19 y los parámetros meteorológicos
en Singapur. Los datos de COVID-19 se recopilaron del Ministerio
de Salud (MOH) de Singapur y los datos se analizaron mediante la
prueba de correlación de rangos de Kendall y Spearman para
examinar la correlación entre los casos pandémicos de COVID-19 y
los parámetros meteorológicos. Los parámetros meteorológicos
incluyeron temperatura, punto de rocío, humedad relativa,
humedad absoluta, vapor de agua, velocidad del viento y presión
superficial. Se encontró que la temperatura y el punto de rocío
tenían una asociación positiva significativa con los casos diarios y
acumulativos de COVID-19. La humedad relativa favoreció la
transmisión del virus SARS-CoV-2,7]. Gosvami et al. investigó el
patrón de ocurrencia de casos de COVID-19 con diferentes
parámetros meteorológicos en los estados indios, a saber,
Maharashtra, Gujarat Tamil Nadu, Delhi, Rajasthan, Madhya
Pradesh, Uttar Pradesh, Andhra Pradesh, Bengala Occidental,
Punjab y Telangana. Los casos diarios de COVID-19 se recopilaron
del Ministerio de Salud y Bienestar Familiar de la India. La
tendencia de los casos de COVID-19 y los parámetros
meteorológicos se analizaron mediante la prueba Sens Slope y
Man-Kendall. Además, se utilizó un modelo aditivo generalizado
(GAM) y un modelo de población Verhulst (logístico) para predecir
la tendencia. Los parámetros meteorológicos utilizados para el
análisis fueron temperatura media, humedad relativa media,
temperatura máxima y temperatura mínima. Se encontró una
interacción significativa entre la humedad relativa promedio y la
temperatura promedio con los casos de COVID-19 [8 ]. Kumar
estudió los efectos de parámetros meteorológicos como la
temperatura, la humedad relativa, la humedad absoluta, así como
los aerosoles (AOD) y otra contaminación (NO 2 ) en la transmisión
del virus SARS-CoV-2 en India. Se analizaron los datos
meteorológicos promedio diarios de los últimos tres años (2017-
2019) para marzo, abril y mayo con lo mismo para el año 2020. Se
concluyó que existen asociaciones positivas entre los casos de
COVID-19 y la temperatura y una asociación diversa con la
humedad absoluta y relativa [ 9 ].

El primer caso de COVID-19 en India se informó el 30 de enero en

el distrito de Thrissur de Kerala (Ministerio de Salud y Bienestar
Familiar, Gobierno de India). Ahora, la pandemia de COVID-19 ha
representado una gran amenaza para la India. Varios países,
incluida India, han entrado en una situación de bloqueo para frenar
la propagación de COVID-19. India había pasado por cuatro
bloqueos. La primera fase del bloqueo nacional fue entre el 25 de
marzo y el 14 de abril de 2020, y la fase final del bloqueo finalizó el
31 de mayo de 2020. Actualmente, India está pasando por la fase
de desbloqueo. Pero a lo largo del encierro, los casos de COVID-19
han ido creciendo gradualmente. El Ministerio de Salud y Bienestar
Familiar ha confirmado 13 870 87 casos con 32 108 muertes en
India hasta el 25 de julio de 2020 ( https://www.mohfw.gov.in/ ).

Según datos del Banco Mundial ( https://www.worldbank.org/ ),

India es la segunda nación más poblada del mundo después de
China. Debido a esto, una pandemia descontrolada en la India
puede afectar aproximadamente a 1/6 de la población total del
mundo [ 8 ]. El estudio de la pandemia y su correlación con los
parámetros meteorológicos básicos ayuda al gobierno a tomar las
medidas necesarias para frenar los efectos de esta pandemia
mundial. En este documento, utilizando los datos obtenidos de los
casos de COVID-19 notificados en India, se examinó la relación
entre la ocurrencia frecuente de casos de COVID-19 y las causas
meteorológicas para brindar evidencia estadística sobre la
evolución potencial de COVID-19 en condiciones climáticas
variables [ 10 ].
Ir:

2. Datos y metodología
2.1. Área de estudio

Mumbai es conocida como la capital del estado indio de

Maharashtra. Mumbai es la capital comercial, financiera y de
entretenimiento de la India y se encuentra en la costa de Konkan,
en la costa oeste de la India. El área total cubierta por Mumbai es
de aproximadamente 603,4 km 2 ( http://dm.mcgm.gov.in/ ), con
una densidad de población de 20.482 personas por kilómetro
cuadrado ( https://censusindia.gov.in/ ). Por su ubicación
geográfica tiene un clima tropical, específicamente un clima
tropical húmedo y seco. El total de casos de COVID-19 en Mumbai,
para el período del 27 de abril al 25 de julio de 2020, fue de 102,653
( https://www.covid19india.org/ ) (Figura 1 ).

2.2. Recopilación de datos

Para el estudio, el número diario de casos confirmados de COVID-

19 se tomó de fuentes públicas como COVID-19 Tracker/India
( https://www.covid19india.org/ ) y MyGOV
( https://www.mygov.in /covid-19 ) para el período del 27 de abril
al 25 de julio de 2020. Los parámetros meteorológicos básicos,
incluida la temperatura máxima (T max ), la temperatura media
(T avg ), la temperatura mínima (T min ), el punto de rocío máximo
(DP max ), punto de rocío medio (DP avg ), punto de rocío mínimo
(DP min ), humedad relativa máxima (RH max ), humedad relativa
media (RH avg ), humedad relativa mínima (RH min), velocidad
máxima del viento (WS max ), velocidad media del viento (WS avg ),
velocidad mínima del viento (WS min ), presión superficial máxima
(P max ), presión superficial media (P avg ), presión superficial mínima
(P min ), se recopilaron de los archivos de la base de datos en línea de
Weather Underground
( https://www.wunderground.com/ ). Weather Underground es
un servicio meteorológico comercial que proporciona información
meteorológica en tiempo real a través de Internet. Es una
plataforma en línea respetable y confiable, y los datos de esta
fuente se han utilizado para varias aplicaciones de investigación
atmosférica en todo el mundo [ 7 , [11] , [12] , [13]].

2.3. Cálculo de la humedad absoluta (AH)

La humedad absoluta (en gm −3 ) se define como el peso del vapor

de agua por unidad de volumen de aire. La humedad absoluta
estimada utilizando la ecuación de Clausius-Clapeyron es la
siguiente [ 14 , 15 ]:

AH _= 2.1674 × RH _×6.112 × exp (17,67 × T243.5 + T)(

273.15 + T)
(1)

donde, T representa la temperatura en grados Celsius.

2.4. Enfoques estadísticos

En el estudio actual, se utilizó el coeficiente de correlación de rango

de Spearman para encontrar las asociaciones entre COVID-19 y los
parámetros meteorológicos básicos. La correlación de rangos de
Spearman es una prueba no paramétrica y el coeficiente de
correlación de rangos de Spearman, es decir, el Rho (r s ) de
Spearman mide la fuerza y la dirección de la asociación entre dos
variables clasificadas. La estimación de Rho de Spearman (r s ) se da
como:

rs= 1 − 6 ×∑D2In (norte2− 1 )

(2)

donde d i representa la diferencia entre dos variables (parámetros)

y n representa el número de casos. La Rho (r s ) de Spearman
devuelve un valor de −1 a 1, donde r s = +1 y r s = −1 representan
una correlación positiva perfecta entre rangos y una correlación

negativa perfecta entre rangos, respectivamente.

2.5. Red neuronal artificial (RNA)

Red Neural Artificial es un concepto basado en el funcionamiento

de una red neuronal biológica del cerebro humano y tratando de
reproducir el comportamiento de la neurona biológica. Para
hacerlo, ANN tiene el bloque de construcción básico que se conoce
como neurona artificial, que es un modelo matemático que contiene
diferentes funciones. La información se pasa a la neurona artificial
como entrada y luego es procesada por las funciones disponibles
para generar la salida. La configuración de una estructura ANN
necesita definir tres elementos básicos involucrados en el
proceso. Los tres elementos son la arquitectura ANN, el algoritmo
de entrenamiento y las funciones matemáticas. La arquitectura o
topología de la ANN representa cómo se organizan las neuronas y
el flujo de información en la red. En base a esto, si las neuronas
están organizadas en más de una capa, se denomina ANN
multicapa, de lo contrario, ANN de una sola capa. La fase de
entrenamiento de la ANN se puede considerar como el problema de
minimización de funciones, donde el valor óptimo de pesos y sesgos
se determina minimizando una función de error. Dependiendo de
los algoritmos de entrenamiento utilizados, existen varios tipos de
ANN. Por último, las funciones matemáticas también conocidas
como funciones de activación se utilizan para generar la salida. Hay
varios métodos de medición del rendimiento utilizados en ANN,
como MSE, RMSE, MAPE, las funciones matemáticas también
conocidas como funciones de activación se utilizan para generar la
salida. Hay varios métodos de medición del rendimiento utilizados
en ANN, como MSE, RMSE, MAPE, las funciones matemáticas
también conocidas como funciones de activación se utilizan para
generar la salida. Hay varios métodos de medición del rendimiento
utilizados en ANN, como MSE, RMSE, MAPE,r y R2 [ 16 ] . En este
estudio, se utiliza el coeficiente de correlación ( r ) que estima la
correlación entre las observaciones y el modelo ANN (verFigura 4).

3. Resultados y discusión
3.1. Variaciones diarias de casos de COVID-19 y parámetros
meteorológicos

Al 25 de julio de 2020, el número total de casos activos de COVID-

19 informados en Mumbai es 108 060. Los recuentos diarios de
nuevas infecciones por COVID-19 del 27 de abril al 25 de julio de
2020 (90 días) se muestran enFigura 2(a). A pesar del bloqueo total
en la ciudad para minimizar la cantidad de casos entrantes diarios
de COVID-19, los datos muestran un aumento en los números
(Figura 2(a)). Las variaciones diarias en los parámetros
meteorológicos en la ciudad de Mumbai durante esas fechas se
muestran enhigos. 2yy3.3 . La temperatura más alta registrada
durante este período fue de 35 ○ C y la más baja de 22,8 ○ C. La
humedad relativa (HR) es principalmente una función de la presión
y la temperatura del ambiente. Es la relación entre la presión de
vapor de agua real y la presión de vapor de agua saturada a la
temperatura predominante. La HR más alta registrada durante este
período fue del 86 % y la más baja del 67 %. El punto de rocío (DP)
es la temperatura a la que el aire debe enfriarse para saturarse sin
variar la presión y es un factor importante que determina la
comodidad humana. En Mumbai, la DP osciló entre 28,9 ○ C y
18,9 ○ C y, por lo tanto, indica los niveles incómodos para los
humanos.

3.2. Correlación entre COVID-19 y parámetros meteorológicos

Debido a la discrepancia de datos, el recuento claro del total de

casos activos de casos de COVID-19 estuvo disponible a partir del
27 de abril de 2020 en adelante. Por lo tanto, se utilizaron datos del
27 de abril al 25 de julio de 2020 para la prueba de
correlación.tabla 1 resume el resultado obtenido de la prueba de
correlación de Spearman. El factor más fundamental asociado con
el entorno de vida humana es la temperatura (T) y puede tener un
impacto en la salud pública en relación con el desarrollo, el control
y la prevención de epidemias [ 17 ]. Desdetabla 1, T min ,
DP max muestra correlaciones negativas y positivas significativas
con nuevos casos de COVID-19 en Mumbai. Sin embargo, T max ,
T avg y DP avg son parámetros insignificantes. De manera similar, los
valores de RH min , RH avg y RH max muestran asociaciones positivas
significativas con los casos diarios de COVID-19. La Humedad
Absoluta (AH), se relaciona tanto con la humedad relativa como con
la temperatura. También se estimó la relación de casos diarios
confirmados con la Humedad Absoluta y AH max , AH min , AH avg no
tiene efecto en los casos de COVID-19. P máx , P media y Pmin representa
una relación inversa con los casos diarios de COVID-19 en
Mumbai. El estudio muestra algunas similitudes con otros estudios
realizados anteriormente sobre casos de COVID-19 en Europa,
Turquía, China y EE. UU., pero en general se encontró que la
humedad absoluta (AH) no contribuye a los casos de COVID-19 y es
parámetro meteorológico [ 9 ].

Este estudio de investigación presenta una visión novedosa de la

asociación de parámetros meteorológicos con la pandemia de
COVID-19 en Mumbai. Los resultados obtenidos de este estudio
podrían ayudar a exhibir un modelo de pronóstico basado en la
meteorología para la actividad del SARS-CoV-2
[ [18] , [19] , [20] , [21]]. Este estudio también tiene algunas
deficiencias. En primer lugar, el COVID-19 durante el período pasó
por la fase de bloqueo en Mumbai, lo que podría haber frenado los
casos reales confirmados diariamente. En segundo lugar, los
parámetros meteorológicos se recopilaron de un solo sitio web, lo
que podría haber afectado las estadísticas y el factor de
correlación. En tercer lugar, la propagación del SARS-CoV-2
depende en gran medida de la higiene personal, como el uso de
desinfectante y el lavado frecuente de manos, que debe
investigarse. Por último, la transmisión del virus también está
influenciada por la genética de la población, el grupo de edad, la
infraestructura de salud, la inmunidad y resistencia individual, el
autoaislamiento y la autoevaluación. Por lo tanto, se deben
considerar varios factores para una evaluación exhaustiva.

3.3. Implementación de ANN en el establecimiento del modelo

estadístico.
Como método alternativo al método mencionado anteriormente,
ANN se utiliza como una herramienta de correlación general que
pertenece a los métodos de inteligencia artificial y se utiliza en
diferentes campos .Aquí se propone una nueva ANN con el objetivo
de establecer la correlación entre los parámetros significativos
obtenidos del método de Spearman para encontrar un ajuste de
regresión a los datos y definir el coeficiente de correlación ( r ). Los
parámetros significativos deducidos del método de Spearman
fueron T min (nivel de significación del 90 %), P avg , P min (nivel de
significación del 95 %), DP max , RH max, HR avg , HR min y P max (nivel de
significación del 99 %). El modelo ANN que consta de una sola capa
oculta se utiliza para el estudio. Se tomaron tres estructuras de red
diferentes (1-i-1, donde i = 1, 2 y 3). Los resultados obtenidos del
modelado ANN se presentan enTabla 2 .

Tabla 2
Valor del coeficiente de correlación ( r ) obtenido mediante red neuronal artificial
para diferentes estructuras.
Abrir en una ventana separada

Las tres estructuras tomadas para el modelado se muestran

enFigura 5 . La entrada para el modelo ANN se tomó como
parámetros significativos uno por uno y la salida se tomó como el
número activo de casos de COVID-19. Los parámetros
seleccionados para entrenar los modelos ANN son función de
entrenamiento-TRAINLM, función de aprendizaje-LEARNGDM,
función de rendimiento-MSE, función de transferencia-TANSIG
(para la capa oculta) y PURELIN (para la capa de salida), epochs-
1000, min_grad-1e- 7, mu-0.001 y max_fail-6. DesdeTabla 2, se
puede observar que incluso los parámetros significativos
calculados por el método de Spearman tienen un nivel de influencia
en el parámetro de salida que está claramente representado por el
modelado ANN. De los tres valores r , el máximo de ellos (resaltado
en negrita enTabla 2) y se informa la ecuación de ajuste para ese
valor particular de r enTabla 3 .

Se puede observar desde Tabla 2que los parámetros de presión

superficial y humedad relativa influyen en el número activo de
casos de COVID-19 durante el período de estudio (90 días). Como
la variación de la presión superficial es insignificante, puede
reducirse y, por lo tanto, los parámetros de influencia finales
pueden relacionarse con la humedad misma. La influencia de la
humedad en el número activo de casos de COVID-19 también se ha
encontrado en varios estudios realizados en diferentes lugares del
mundo

4. Conclusiones

El presente estudio tiene como objetivo principal contribuir a la

comunidad de investigación investigando la relación entre los
casos activos de COVID-19 y los parámetros meteorológicos en
Mumbai, India. Los resultados revelaron que, de los varios
parámetros meteorológicos considerados, T min (90 % de nivel de
significación), P avg , P min (95 % de nivel de significancia), DP max ,
RH max , RH avg , RH min y P max (99 % de nivel de significación) tienen
una asociación con el número de casos activos de COVID-19, que se
descubrió mediante el método de Spearman. Sin embargo, los otros
parámetros como T max , T avg , DP avg , DPmin, WS y AH mostraron
anticorrelación con COVID-19. Además, se implementa una
herramienta de inteligencia artificial, como una red neuronal
artificial, para predecir el parámetro más influyente de los
parámetros significativos encontrados por el método de
Spearman. Se encontró que RH y P tenían una influencia
relativamente fuerte en los casos activos de COVID-19. Dado que el
parámetro de presión superficial tuvo una variación insignificante
durante el período de estudio, por lo tanto, puede reducirse y,
finalmente, la HR puede considerarse como el parámetro
principal. El presente estudio proporciona la información
necesaria para que el público en general y el gobierno evalúen la
influencia de los parámetros meteorológicos en el número activo
de casos de COVID-19 en la región de Mumbai. Sin embargo, Se
deberían requerir más evaluaciones de este tipo al incluir enormes
conjuntos de datos de observación de los parámetros
meteorológicos, así como el número activo de casos de COVID-
19. Es bueno mencionar limitaciones como; (1) este estudio se
limita a los hechos y datos actualmente disponibles y no afirma
ningún patrón prospectivo para la transmisión de COVID-19, (2) la
inconsistencia de los resultados obtenidos de los estudios de varios
estados de la India que requiere un estudio adicional de las
variables meteorológicas en una gran área demográfica y
geográfica. Además, varios estudios de diferentes ciudades y
provincias (estados) del mundo podrían ayudar a generalizar este
resultado. Se deben seguir medidas activas como usar máscaras,
mantener la higiene y el distanciamiento social en todo el mundo
para romper la cadena de transmisión.