Dinámica de la epidemia de malaria en Colombia: Predicción probabilística temporal
Dynamics of the malaria epidemic in Colombia: temporal probabilistic prediction
Rev. salud pública; 19 (1), 2017
Publication year: 2017
RESUMEN Objetivo Realizar una predicción de la dinámica de la epidemia de malaria para el 2007 en Colombia con base en el análisis de la dinámica geométrica de 1960-2006 como una caminata al azar probabilista. Materiales y Métodos Basados en la caminata al azar probabilística se estudió la dinámica geométrica del número de casos anuales de malaria registrados en Colombia durante los años 1960-2006, analizando el comportamiento probabilístico de aumentos y disminuciones consecutivos, y el comportamiento probabilístico de casos durante rangos de años consecutivos, para así realizar una predicción temporal de los casos. Resultados Se desarrolló una metodología sencilla y acausal que predice los valores extremos 81 003 y 104 098 para el número de infectados en el año 2007, predicción que fue refinada con el análisis de las variaciones anuales obteniendo un valor de 104 098 para el número de infectados en el año 2007. Esta predicción fue posteriormente corroborada con los datos del Instituto Nacional de Salud de Colombia, correspondiendo al 95,6 % respecto al número de casos reportados. Conclusión La comprensión del fenómeno acausal a partir de la caminata al azar probabilística permite realizar predicciones temporales, simples y prácticas, directamente comprobables y aplicables, economizando tiempo y recursos.(AU)
ABSTRACT Objective To predict the dynamics of the malaria epidemic of 2007 in Colombia. Materials and Methods Based on a random walk, the geometric dynamics of the number of annual cases of malaria registered in Colombia during the period 1960-2006 was studied by analyzing the probabilistic behavior of consecutive increases and decreases, as well as the probabilistic behavior of cases during consecutive year ranges, in order to make a temporary prediction of the cases. Results A simple and acausal methodology that predicts the extreme values for the number of infected people in 2007 was developed; the prediction was refined by the analysis of the annual variations, obtaining a value of 104098 corresponding to the number of infected population in 2007. This prediction was corroborated later against the information of Instituto Nacional de Salud de Colombia (National Institute of Health), finding a 95.6 % correspondence with the number of reported cases. Conclusion Understanding the acausal phenomenon based on a probabilistic random walk allows making temporal, simple and practical predictions that are directly verifiable and applicable, economizing time and sources.(AU)