Machine Translated by Google
Reporte breve
Port J Public Health 2020;38(suplemento 1):4–10
DOI: 10.1159/000515535
Dinámica de transmisión de COVID-19:
Un enfoque de espacio y tiempo
Marta Moniza, b . Patrícia Soaresa, b Carla Nunesa, b
aNOVA Escuela Nacional de Salud Pública, Centro de Investigación en Salud Pública, Universidade NOVA de Lisboa, Lisboa,
Portugal; bCentro Integral de Investigación en Salud, Universidade NOVA de Lisboa, Lisboa, Portugal
Palabras clave
Epidemiología · Riesgo relativo · COVID-19 · Distribución espacial ·
Dinámica de transmisión
Resumen
Antecedentes: a fines de enero de 2021, Portugal tenía más de 700 000
casos confirmados de COVID-19. La carga de COVID-19 varía entre y
dentro de los países debido a las diferencias en los factores contextuales
e individuales, las tasas de transmisión y las intervenciones clínicas y de
salud pública. Objetivos: Identificar áreas de alto riesgo, entre abril y
octubre, semanalmente y a nivel de municipio, y evaluar la evolución
temporal del COVID-19, considerando municipios clasificados por niveles
de incidencia. Métodos: Este es un estudio ecológico que sigue un
enfoque de 3 pasos, es decir, (1) cálculo del riesgo relativo (RR) del
número de nuevos casos confirmados de COVID-19, semanalmente, por
municipio, utilizando un análisis de exploración espacial ; (2) clasificación
de los municipios según la categorización de incidencia del Centro
Europeo para el Control de Enfermedades el 19 de noviembre; y (3)
caracterización de la evolución temporal del RR por grupos de incidencia.
Resultados: Entre abril y octubre, el RR medio fue de 0,53, con una DE
de 1,44, variando entre 0 y 46,4. Globalmente, el norte y el área de
Lisboa y el Valle del Tajo (LVT) fueron las regiones con mayor número
de municipios con un RR superior a 3,2. En abril y principios de mayo, la
mayoría de los municipios con RR superior a 3,2 eran del norte, mientras
que entre mayo y agosto la mayoría mu
karger@karger.com © 2021 El(los) autor(es). Publicado por S. Karger AG, Basilea en
www.karger.com/pjp nombre de la Escuela Nacional de Salud Pública de NOVA
Este es un artículo de acceso abierto con licencia Creative Commons
Attribution-NonCommercial-4.0 International License (CC BY-NC) (http://
www.karger.com/Services/OpenAccessLicense), aplicable a
la versión en línea del artículo solamente. El uso y la distribución con
fines comerciales requieren autorización por escrito.
Recibido: 5 de febrero de 2021
Aceptado: 25 de febrero de 2021
Publicado en línea: 21 de abril de 2021
los municipios con un RR superior a 3,2 eran del área de LVT. La
comparación de la incidencia en noviembre y el análisis retrospectivo
del RR mostraron una gran variación, con municipios con un RR de 0 en
un momento determinado clasificados como extremadamente altos en
noviembre. Conclusiones: Nuestros resultados mostraron una variación
considerable en el RR a lo largo del tiempo y el espacio, sin un municipio
"mejor" o "peor" consistente. Además de los diversos factores que
influyen en la dinámica de transmisión de COVID-19, hubo algunos
brotes a lo largo del tiempo y en todo el país y esto puede contribuir a
explicar la variación observada.
Con el tiempo, semanalmente, es importante identificar áreas críticas
que permitan intervenciones personalizadas y oportunas para controlar
los brotes en las primeras etapas.
© 2021 El(los) autor(es). Publicado por S. Karger AG, Basilea en
nombre de la Escuela Nacional de Salud Pública de NOVA
Dinámicas de transmisión de COVID-19: uma
abordagem no espaço e no tempo
Palavras Chave
Epidemiologia · Risco relativo · COVID-19 · Distribuição espacial ·
Dinâmicas de transmissão
currículum
Introducción: No final de enero de 2021, Portugal tinha mais de 700
mil casos de COVID-19 notificados. O peso da
Correspondencia a:
Marta Moniz, am.moniz@ensp.unl.pt
Machine Translated by Google
COVID-19 varia entre países ea nível nacional devido a
diferentes factores individuales y contextuales, taxas de
transmisión e diferentes intervenciones clínicas y de salud
pública. Objetivos: Identificar áreas de mayor riesgo, se
manalmente, ao nível dos municipios, entre abril y outu bro,
ea sua variação ao longo do tempo, considerando a
classificação, por niveis de incidência, dos municipios.
Methods: Estudo ecológico com uma abordagem em 3 fases:
(1) Cálculo do risco relativo (RR) do number of no vos cases
of COVID-19 notificados semanalmente, por município, using
metodologia de análise espacial; (2)
Classificação dos municípios de acordo com a categoriza
ção de incidência do Centro Europeu para o Controlo de
Doenças (ECDC) a 19 de Novembro; (3) Caracterização da
evolução temporal do RR por grupos de incidencia.
Resultados: Entre Abril y Octubre, a média dos RR de 0.53
con un desvio de padrão de 1.44, variando entre 0 y 46.4.
Global mente, o Norte ea área de Lisboa y Vale do Tejo (LVT)
foram as regiões com um maior number of municipios com
RR acima de 3.2. Em Abril y no início de Maio, a maio ria dos
municipios com RR acima de 3.2 eram do Norte, enquanto
entre Maio y Agosto, a maioria dos municipios com RR acima
de 3.2 eram da área de LVT. Comparando una incidencia en
noviembre y, analizando retrospectivamente, os RR presenta
una gran variación, existin do municipios, num determinado
moment, com RR de 0, classificados como extremadamente
elevados, em Novem bro. Conclusões: Os riscos relativos
apresentaram uma variação considerável ao longo do period
of tempo e espaço analisados. Nenhum município apresentou
va lores consistentemente “melhores” ou “piores.” Adiciona
lmente aos varios factores que influyen en la dinámica de
transmisión de COVID-19, una existencia de varios surtos
que foram ocorrendo ao longo de todo o territorio nacio nal,
también puede ayudar a explicar a variação observada.
Una identificación semanal de áreas críticas es importante,
pois sibilita a implementação de intervenções atem padas
permitindo um controlo controlar os surtos em fases iniciais.
© 2021 El(los) autor(es) Publicado por S. Karger AG, Basilea
en nombre de la Escuela Nacional de Salud Pública de NOVA según la categorización de incidencia del ECDC, se descargaron del sitio
Introducción
El COVID-19 se informó por primera vez en China a
fines de 2019. El 30 de enero, la Organización Mundial
de la Salud declaró al COVID-19 una emergencia de
salud pública de interés internacional, y el 11 de marzo
se declaró una pandemia [1]. El primer caso en Portugal para cada municipio, que puede ser superior a 1, 1 o inferior a 1. Por
se notificó el 2 de marzo y a finales de enero de 2021 Portugal
Dinámica del espacio-tiempo COVID-19
tenía casi 700.000 casos confirmados y 12.000 muertes
[2].
La carga de COVID-19 varía entre y dentro de los países [3,
4] debido a las diferencias en los factores contextuales e
individuales, las tasas de transmisión y las intervenciones clínicas
y de salud pública [5]. La rápida evolución y variación de
COVID-19 están influenciadas por su dinámica de transmisión,
que puede describirse como su difusibilidad [6]. La transmisión
de los huéspedes infecciosos a los susceptibles depende de las
tasas de contacto entre los individuos y de la probabilidad de que
los contactos den lugar a la transmisión [6, 7]. Este es un concepto
importante en el control de enfermedades, ya que trata de
describir el patrón de la enfermedad y cómo la implementación
de medidas de salud pública puede contener su propagación [8],
reduciendo el número de contactos y, por lo tanto, reduciendo la tasa de trans
Por lo tanto, es importante describir la distribución geográfica
de la incidencia de COVID-19 para controlar los brotes y
desarrollar políticas de salud pública. Durante una enfermedad
infecciosa emergente como la COVID-19, es fundamental
implementar la vigilancia del espacio-tiempo para priorizar las
intervenciones específicas, las pruebas rápidas y la asignación
de recursos. El análisis de riesgo relativo (RR) se ha utilizado
ampliamente para describir y monitorear la variación temporal
y espacial de COVID-19 dentro de los países, no solo de
manera prospectiva sino también retrospectiva, para describir
patrones espaciales [3, 4, 10]. Por lo tanto, el objetivo de este
estudio es identificar áreas de alto riesgo, entre abril y octubre,
semanalmente ya nivel de municipio, y evaluar su evolución
temporal, considerando municipios clasificados por niveles de incidencia.
Métodos
Este estudio ecológico sigue un enfoque de 3 pasos, es decir, (1)
cálculo del RR basado en el número de casos nuevos de COVID-19
notificados por municipio semanalmente, (2) clasificación de los municipios
según la normativa europea Categorización de incidencia del Centro para
el Control de Enfermedades (ECDC) el 19 de noviembre, y (3) caracterización
de la evolución temporal de RR por grupos de incidencia (definidos en el
paso 2).
Los datos sobre los casos de COVID-19 por municipio, y clasificados
web de la Dirección General de Salud de Portugal (DGS), dedicado a
COVID-19 [11]. La población por municipio se descargó de Estadísticas de
Portugal (INE) [12].
Para el primer paso del análisis, calculamos el número semanal de
nuevos casos confirmados de COVID-19 entre el 4 de abril y el 26 de
octubre de 2020 para cada municipio. La variable dependiente correspondió
al número semanal de nuevos casos confirmados de COVID-19 dividido
por la población de cada municipio. Esta metodología fue propuesta por
Kulldorff y Nagarwalla [13] y prueba la existencia de grupos espaciales
significativos de enfermedades. Cada análisis da como resultado un RR
ejemplo, un RR igual a 1,2 para un área determinada
Port J Public Health 2020;38(suplemento 1):4– 5
10 DOI: 10.1159/000515535
Machine Translated by Google

Riesgo relativo
0–0.4

0,41–0,8

0,81–1,2

1.21–1.6

1,61–2,0

2.1–2.4

2.41–2.8

2.81–3.2

Por encima de 3.2

un b

Fig. 1. RR de nuevos casos de COVID-19 notificados por municipio. Las islas no se muestran. a RR de nuevos casos de
COVID-19 confirmados entre el 4 y el 10 de abril. b RR de nuevos casos de COVID-19 notificados entre el 19 y el 26 de octubre.

se traduce en un aumento del 20% en el riesgo de una mayor incidencia
de casos en esa área específica en comparación con el resto del país.
Para mapear RR se utilizó la siguiente lógica: (1) una clase inicial centrada
alrededor de 1 (valor de referencia de RR), agregando 0.2 al límite inferior
y superior, creando una clase 0.81–1.2, y (2) se aplicó el intervalo 0.4 para
definir otros 8 intervalos, siendo el primer intervalo entre 0,0 y 0,4 y el
último intervalo por encima de 3,2. Las unidades geográficas fueron los
municipios portugueses (n = 308). Se utilizó el software SaTScanTM y se
aplicaron formas de ventana circular y estadísticas de exploración espacial
isotónica [14].
Para el segundo paso de este estudio, utilizamos la incidencia
acumulada de 14 días por municipio el 19 de noviembre, correspondiente
a la incidencia acumulada entre el 6 y el 19 de noviembre de 2020. Antes
de esta fecha, los números de casos de COVID-19 por municipio estaban
disponibles semanalmente, pero el 19 de noviembre la DGS comenzó a
publicar solo la incidencia acumulada de 14 días (según los criterios del
ECDC). La incidencia se categorizó según la clasificación de incidencia
del ECDC (por 100 mil habitantes) de la siguiente manera: baja, < 120;
moderada, entre 120 y 239,9; alta, entre 240 y 479,9; muy alto, entre 480
y 959,9; y extremadamente alta, > 960.
En el tercer paso, agrupamos los municipios según la incidencia
acumulada de 14 días al 19 de noviembre (baja, moderada, alta, muy alta
y extremadamente alta) y describimos el RR por mes por municipio
utilizando medidas de tendencia central, es decir, media y mediana, y
medidas de dispersión, es decir, SD. El análisis descriptivo se realizó
utilizando R 4.0.2 [15].
Resultados
Los RR se calcularon semanalmente para cada
municipio. La figura 1a muestra el RR de nuevos casos
de COVID-19 confirmados entre el 4 y el 10 de abril para
cada municipio, mientras que la figura 1b muestra el RR
entre el 19 y el 26 de octubre (primera y última semana
en estudio). A principios de abril, la costa norte portuguesa
tenía más municipios con mayor RR que el resto del país.
A fines de octubre, el RR más alto se pudo ver en el noreste

6 Port J Public Health 2020;38(suplemento 1):4– Moniz/Soares/Nunes

10 DOI: 10.1159/000515535
Machine Translated by Google
Incidencia
(6 a 19 de noviembre)
ÿ Bajo
ÿ Moderado
ÿ Alto
ÿ Muy alto
ÿ Extremadamente alto
0 25 50 kilometros
Figura 2. Incidencia acumulada de casos de COVID-19 en
catorce días, según la clasificación del ECDC. Las islas no se
muestran. Bajo, <120; moderada, entre 120 y 239,9; alta, entre
240 y 479,9; muy alto, 480 y 959,9; y extremadamente alto, >960.
Portugal. Durante ambas instancias, se identificaron diferentes
municipios en el sur de Portugal.
El RR medio global fue de 0,53, con una DE de 1,44,
variando entre 0 (mínimo) y 46,4 (máximo).
La clase más alta creada incluía RR por encima de 3,2,
correspondiente a áreas donde el riesgo de tener más
casos era al menos 3,2 más alto que el resto del país.
Estas áreas altamente críticas se analizaron a lo largo
del tiempo y se identificaron varios municipios entre abril
y octubre. El norte y la zona de Lisboa y Valle del Tajo
(LVT) fueron las regiones con mayor número de estos
RR altos. En abril y principios de mayo, la mayoría de
los municipios críticos altos estaban en la región norte,
mientras que entre mayo y agosto la mayoría estaba en
la zona LVT. De hecho, Amadora, Sintra, Loures y
Odivelas, municipios del área LVT, se identificaron
consistentemente con un RR superior a 3,2 entre mayo
Dinámica del espacio-tiempo COVID-19
15 y 31 de julio. A mediados de agosto se volvió a divisar
la RR más alta en la región norte. Con el tiempo, varios
municipios con RR extremadamente altos se asociaron
con brotes, como Reguengos de Mon saraz en junio (RR
= 43,9), Azambuja en mayo (RR = 5,8), Bombarral en
junio (RR = 4,6), Lagos en junio (RR = 6,4), y Vimioso
en septiembre (RR = 22,9); la mayoría de ellos estaban
en municipios relativamente pequeños (en términos de
población).
Luego clasificamos los municipios según la incidencia
acumulada de 14 días al 19 de noviembre como baja, moderada,
alta, muy alta o extremadamente alta. La Figura 2 muestra la
categoría de incidencia para cada municipio. Se calculó el RR
medio para cada mes, globalmente, y cada categoría de
incidencia (tabla 1).
En general, el RR medio presentado por mes fue bajo (entre
0,38 y 0,65), mientras que el máximo varió de 9,3 a 46,4,
correspondiente a Miranda do Douro y Mora, respectivamente.
Para la categoría de baja incidencia, la mediana del RR fue 0
para cada mes, mientras que para la categoría de incidencia
extremadamente alta, la mediana del RR varió de 0 en junio a
1,13 en abril. Junio fue consistentemente el mes con el RR más
bajo en las diferentes categorías, excepto en las categorías de
incidencia muy alta y moderada. Agosto fue el mes con menor
RR para la categoría muy alta, mientras que para la categoría de
incidencia moderada mayo fue el mes con menor RR. Por el
contrario, el RR más alto se encontró en septiembre para las
categorías de incidencia baja y alta, mientras que para las
categorías de incidencia moderada y muy alta el RR más alto se
encontró en agosto.
La categoría de incidencia extremadamente alta tuvo el RR más
alto en abril. Las categorías extremadamente alto, muy alto y
alto presentaron la mayor variación a lo largo de los meses,
como se muestra en la Figura 3.
Discusión/Conclusión
El objetivo principal de este estudio fue identificar áreas de
alto riesgo a nivel municipal y evaluar la evolución temporal de
la COVID-19, demostrando la alta variabilidad de esta enfermedad
a través del espacio y el tiempo. Nuestros resultados mostraron
una variación considerable en RR a lo largo del tiempo, sin
municipios "mejores" o "peores" consistentes. La comparación
de la incidencia en noviembre y el análisis retrospectivo del RR
mostraron una variación sustancial, con municipios con un RR
de 0 clasificados como áreas de incidencia extremadamente alta
y municipios con un RR igual a 25 clasificados como de baja
incidencia. No había patrones claros que diferenciaran la
categorización de incidencia distinta
Port J Public Health 2020;38(suplemento 1):4– 7
10 DOI: 10.1159/000515535
Machine Translated by Google

Tabla 1. TR medio mensual considerando la clasificación de municipios con base en la incidencia acumulada de 14 días al 19 de noviembre

Incidencia (municipios, n) Mes Significar Mediana Dakota del Sur Mínimo máximo

Mundiales (308) Abril 0,54 0,00 1,12 0,00 12.0

Puede 0,47 0,00 1,25 0,00 23.7
Junio 0,38 0,00 1,51 0,00 43,9
Julio 0,42 0.00 0,93 0.00 9.3
Agosto 0,62 0.00 1,91 0.00 46.4
Septiembre 0,65 0.28 1,59 0.00 25,0
Octubre 0.59 0.33 0.92 0.00 10.9

Bajo (46) Abril 0.20 0.00 0.83 0.00 6.89

Puede 0,21 0,00 1,44 0,00 17.89
Junio 0,07 0,00 0,50 0,00 6.19
Julio 0,20 0,00 0,81 0,00 6.50
Agosto 0,21 0,00 0,91 0,00 8.37
Septiembre 0,48 0,00 2,56 0,00 25.02
Octubre 0,27 0,00 0,74 0,00 5.63

Moderado (49) Abril 0,19 0,00 0,60 0,00 5.37

Puede 0,14 0,00 0,42 0,00 2.73
Junio 0,22 0,00 0,78 0,00 5.67
Julio 0,22 0.00 0,50 0.00 2.74
Agosto 0,49 0.00 1,51 0.00 14.63
Septiembre 0.35 0.00 0.71 0.00 5.49
Octubre 0.33 0.15 0.59 0.00 3.74

Alto (87) Abril 0.43 0.00 1.20 0.00 11.97

Puede 0,48 0,00 1,48 0,00 23.70
Junio 0,39 0,00 0,79 0,00 6.39
Julio 0,58 0,00 1,13 0,00 9.33
Agosto 0,66 0,08 1,23 0.00 9.45
Septiembre 0,70 0,39 1,53 0.00 22.89
Octubre 0.54 0,41 0.80 0.00 10.57

Muy alto (79) Abril 0,49 0.22 0,81 0.00 5.67

Puede 0,63 0.00 1,16 0.00 6.71
Junio 0.72 0.00 2.57 0.00 43.87
Julio 0,57 0,00 1.11 0.00 4.87
Agosto 0,87 0,10 3.13 0.00 46.38
Septiembre 0,62 0,31 0,76 0.00 3.90
Octubre 0,64 0,39 0,83 0.00 7.80

Extremadamente alto (47) Abril 1,52 1,13 1,49 0,00 9.14

Puede 0,81 0,46 1,18 0,00 7.88
Junio 0,26 0,00 1,20 0,00 17.12
Julio 0,28 0,14 0,48 0,00 2.95
Agosto 0,67 0,34 1,15 0,00 7.62
Septiembre 1.09 0,67 2,00 0.00 21.65
Octubre 1.20 0,93 1,35 0.00 10.88

clases, destacando la importancia de estos análisis de forma
continuada en el espacio y el tiempo.
El RR se analizó semanalmente, lo que permitió identificar los
“peores” (RR > 1) municipios de cada semana. Este análisis muestra
el RR en comparación con los restantes municipios y es altamente
susceptible a brotes. Sin embargo,
se debe tener en cuenta que los RR no son similares a la incidencia.
Los RR son medidas comparativas, comparando el riesgo dentro de
un municipio con el riesgo del resto del país.
Varios factores influyen en la dinámica de transmisión de las
enfermedades infecciosas, y la COVID-19 no es una excepción.
Como explican algunos autores, la dinámica de las enfermedades infecciosas

8 Port J Public Health 2020;38(suplemento 1):4– Moniz/Soares/Nunes

10 DOI: 10.1159/000515535
Machine Translated by Google
1.2
0.8
0.4
0
Figura 3. Variación del RR medio por mes según
Abril
la clasificación de incidencia acumulada de 14
días (a 19 de noviembre).
están influenciados por las interacciones de persona a persona, las
distribuciones geográficas, los factores contextuales, la duración de
la latencia y la naturaleza heterogénea de los seres humanos [16,
17]. CO VID-19 surgió como una nueva enfermedad en 2020, lo que
complica la identificación de casos, ya sea debido a la duración
desconocida del período infeccioso o al período desconocido para
desarrollar síntomas más graves. Debido a los mecanismos
infecciosos desconocidos de COVID-19 y a una disminución en la
tasa de reproducción, se implementaron a nivel internacional
intervenciones masivas de salud pública, como cierres, medidas de
higiene, cierre de escuelas y amplias restricciones de viaje [18]. En
algunas enfermedades, la variación geográfica puede explicarse por
factores contextuales comunes, como diferencias socioeconómicas y
factores individuales. Sin embargo, para COVID-19, las diferencias
no pueden explicarse únicamente por esos factores.
A lo largo de la pandemia, se identificaron varios brotes en
entornos específicos, como hogares de ancianos [19, 20], fábricas
[21, 22] o incluso después de fiestas ilegales [23], lo que puede
explicar por qué algunas áreas alcanzaron su punto máximo en un
período determinado. . Sin embargo, cuando un brote se propaga
más allá de su configuración inicial o su origen no está claro, el
control puede ser más difícil y llevar más tiempo lograrlo. Si no se
controla a tiempo, el brote puede extenderse a otros lugares.
Por lo tanto, la identificación detallada de áreas críticas, en tiempo y
espacio, permite implementar intervenciones oportunas para controlar
la propagación de la pandemia.
La variación espacial también podría explicarse por las
intervenciones de salud pública implementadas a lo largo del tiempo,
ya que estas incluían intervenciones específicas adaptadas a cada municipio.
asociadas. Los datos utilizados dependen directamente de la notificación.
Dinámica del espacio-tiempo COVID-19
Incidencia
Global
Bajo
Moderado
Alto
Muy alto
Extremadamente alto
Puede Junio Julio agosto septiembre octubre
ciudad, según el municipio de incidencia. Las intervenciones de salud
pública apuntan a reducir las tasas de transmisión, influyendo en
varios factores involucrados en la dinámica de transmisión, como la
movilidad de la población. En general, el RR mensual medio durante
junio, julio y agosto estuvo por debajo de 1 para la mayoría de los
municipios, lo que podría explicarse por los cambios de comportamiento
durante las vacaciones. En verano se produjo una flexibilización de
las medidas implantadas en meses anteriores.
Esta disminución podría deberse al impacto de los bloqueos
anteriores, que aún eran perceptibles y podrían haberse percibido
como un progreso positivo, lo que generaba una falsa sensación de
seguridad. Por otro lado, las personas estaban más a menudo al aire
libre, en espacios abiertos, las escuelas estaban cerradas y las
personas pueden haber optado por viajar a lugares aislados para
pasar las vacaciones. El primer confinamiento, en Portugal, tuvo un
impacto sustancial en la reducción del número de casos, ingresos
hospitalarios y muertes durante la primera ola [9].
Sin embargo, los confinamientos deben ser el último recurso, ya que
tienen un fuerte impacto económico y social y, por lo tanto, no deben
usarse de manera constante y/o durante un período prolongado.
Paulatinamente, estas medidas se fueron flexibilizando con el tiempo
y adaptándose según la incidencia del municipio.
Se debe tener en cuenta que por cada intervención de salud pública
implementada se altera el patrón de transmisión natural, que a
menudo es el objetivo. Sin embargo, los gobiernos y las poblaciones
deben comprender que volver a una vida normal llevará algún tiempo
y estar preparados para la implementación de bloqueos futuros si es
necesario.
Este es un estudio ecológico y tiene algunas limitaciones
Port J Public Health 2020;38(suplemento 1):4– 9
10 DOI: 10.1159/000515535
Machine Translated by Google

tasas, considerando sólo los casos ya diagnosticados. En el Fuentes de financiamiento

presente estudio también se asume que, a pesar de los sesgos
identificados, el fenómeno de variación del riesgo es consistente
en todo el país, variando en el espacio y el tiempo.
Este estudio ha sido financiado por la Fundación para la Ciencia y la
Tecnología a través de la beca de investigación de doctorado (2020.09525.BD)
concedida en el marco de la Convocatoria DOCTORADOS 4 COVID-19.

Reconocimiento Contribuciones de autor

Los autores desean agradecer a la DGS y al INE por sus datos disponibles CN concepto y diseño; Adquisición, análisis o interpretación de datos de MM
públicamente y por permitir su uso con fines de investigación. y PS; MM, PS y CN redacción del manuscrito; MM, PS y CN revisión crítica del
manuscrito para contenido intelectual importante; análisis estadístico PS;
Supervisión de CN.

Declaracion de conflicto de interes

Los autores no tienen ningún conflicto de intereses que declarar.

Referencias

1 Organización Mundial de la Salud. Palabras de
apertura del Director General de la OMS en la
rueda de prensa sobre la COVID-19: 11 de marzo
de 2020 [Internet]. 2020 [citado el 30 de noviembre
de 2020]. Disponible en: https://www.who.int/dg/speeches/detail/
who-director-general-s-opening-comentarios-en-la-
media-briefing-on-covid 19–-11-marzo-2020.
2 Centro Europeo para la Prevención y el Control de
Enfermedades. Distribución geográfica de casos de
COV ID-19 a nivel mundial [Internet]. 2020 [citado el
25 de enero de 2021]. Disponible en: https://www.
ecdc.europa.eu/en/publications-data/download-
todays-data-geographic-distribution covid-19-cases-
worldwide.
3 Desjardins MR, Hohl A, Delmelle EM. Vigilancia
rápida de COVID-19 en los Estados Unidos utilizando
una estadística prospectiva de exploración de
espacio-tiempo: detección y evaluación de grupos
emergentes. Appl Geogr. 2020 mayo;118:102202.
4 Ballesteros P, Salazar E, Sánchez D, Bolanos C.
Clustering espacial y espaciotemporal de la pandemia
de COVID-19 en Ecuador. Rev Fac Med (Caracas).
2020;69(1):1–8.
5 Liu T, Liang W, Zhong H, He J, Chen Z, He G, et al.
Factores de riesgo asociados con la infección por
CO VID-19: un estudio de cohorte retrospectivo
basado en el rastreo de contactos. Emerg Mi crobes
Infect. 2020 diciembre; 9 (1): 1546–53.
6 Barreto ML, Teixeira MG, Carmo EH. Epidemiología
de las enfermedades infecciosas. J Epidemiol Salud
Comunitaria. 2006 marzo;60(3):192–5.
7 Real LA, Biek R. Modelado de enfermedades
infecciosas y la dinámica de transmisión. En: Childs
JE, Mackenzie JS, Richt JA, editores. Vida silvestre
y enfermedades zoonóticas emergentes: biología,
circunstancias y consecuencias de la transmisión
entre especies [Internet]Berlin, Hei delberg: Springer
Berlin Heidelberg; 2007. págs.
33–49.
8 Wendelboe AM, Grafe C, Carabin H. Los beneficios
de los modelos de dinámica de transmisión para
comprender las enfermedades infecciosas emergentes.
Soy J Med Sci. septiembre de 2010; 340(3):181–6.
9 Ricoca Peixoto V, Vieira A, Aguiar P, Carv alho C,
Rhys Thomas D, Abrantes A. Evaluación inicial del
impacto de las medidas de confinamiento estatal de
emergencia en la primera ola de la epidemia de
COVID-19 en Portugal. Puerto Acta Med. 2020
noviembre; 33 (11): 733–41.
10 Alkhamis MA, Al Youha S, Khajah MM, Ben Haider
N, Alhardan S, Nabeel A, et al. Dinámica espacio
temporal de la pandemia de COVID-19 en el Estado
de Kuwait. Int J Infect Dis.
2020 septiembre; 98: 153–60.
11 Ministério da Saúde (Portugal). COVID-19: relatório
de situação – 19 de noviembre de 2020. Lisboa :
DGS; 2020.
12 Instituto Nacional de Estadística. Especial INE
Covid-19. [Internet]. Lisboa: INE; 2020 [citado el 2
de febrero de 2021]. Disponible en: https://www.ine.
pt/xportal/xmain?xpgid=ine_
principal&xpid=INE.
13 Kulldorff M, Nagarwalla N. Grupos de enfermedades
espaciales: detección e inferencia. Stat Med.
1995 abril; 14 (8): 799–810.
14 Facultad de Medicina de Harvard, Instituto de
Atención de la Salud Pilgrim de Harvard. SaTScanTM
v8.0: software para las estadísticas de exploración
espacial y espacio-temporal [Internet]. Boston:
Departamento de Medicina de la Población; 2009.
Disponible en: http://www.satscan.org.
15 R Equipo central. R: un lenguaje y entorno para la
computación estadística [Internet]. Viena: Fundación
R para la Computación Estadística; 2018.
Disponible en: https://www.R-project.org/.
16 Erraguntla M, Zapletal J, Lawley M. Marco de trabajo
para el análisis de enfermedades infecciosas: un
enfoque integral e integrador de modelos múltiples
para la predicción y el manejo de enfermedades.
Informática de la salud J. 2019 Dic; 25 (4): 1170–87.
17 Kucharski AJ, Russell TW, Diamond C, Liu Y,
Edmunds J, Funk S, et al.; Grupo de trabajo VID-19
del Centro de Modelado Matemático de Enfermedades
Infecciosas. Dinámica temprana de transmisión y
control de COVID-19: un estudio de modelado
matemático. Lancet Infect Dis. mayo de 2020;
20(5):553–8.
18 Mitchison NA. Modelos matemáticos en inmunología.
Naturaleza. 1978;275(5681):675–6.
19 Lusa. Covid-19: lar de Reguengos de Mon saraz
corrige questões detectadas em vistoria [Internet].
2020 [citado el 3 de febrero de 2021]. Disponible
en: https://www.publico.pt/2020/09/07/
sociedade/noticia/covid19-lar-reguengos monsaraz-
corrigen-questoes-detectadas-vis
toria-1930717.
20 RTP. Surto de Covid-19 fez segunda vítima mortal
em lar de Vimioso [Internet]. 2020 [citado el 3 de
febrero de 2021]. Disponible en: https://
www.rtp.pt/noticias/pais/surto-de-covid 19-fez-
segunda-vitima-mortal-em-lar-de-vi mioso_v1260369.
21 Talixa J, Henrique A. Covid-19: foco na Azambuja é
um dos mais preocupantes na região de Lisboa
[Internet]. 2020 [citado el 3 de febrero de 2021].
Disponible en: https://www.publico.
pt/2020/05/21/local/noticia/foco-azambuja
preocupantes-regiao-lisboa-1917565.
22 RTP. COVID-19. Preocupações com foco de in
feções no Bombarral [Internet]. 2020 [citado el 3 de
febrero de 2021]. Disponible en: https://www.rtp.
pt/noticias/pais/covid-19-preocupacoes com-o-foco-
do-bombarral_v1234620.
23 Gonçalves M, Chaíça I; Lusa. Covid-19: perto de
"uma centena de pessoas" passou por festa em
Lagos: há pelo menos 16 conclusiones [Inter net].
2020 [citado el 3 de febrero de 2021]. Disponible en:
https://www.publico.pt/2020/06/16/socie dade/noticia/
covid19-registrados-nove-casos positivos-relacionados-
festa-ilegal-la gos-1920719.

10 Port J Public Health 2020;38(suplemento 1):4–10 Moniz/Soares/Nunes

DOI: 10.1159/000515535