El uso de Sistemas de Información Geográfica - CDIA-EC ...
El uso de Sistemas de Información Geográfica - CDIA-EC ...
El uso de Sistemas de Información Geográfica - CDIA-EC ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>El</strong> <strong>uso</strong> <strong>de</strong> <strong>Sistemas</strong> <strong>de</strong> <strong>Información</strong> Geografica y Sensores Remotos (SR) en Salud Pública<br />
Bogotá, Colombia, 27 al 30 <strong>de</strong> Marzo <strong>de</strong> 2006<br />
a<strong>de</strong>más <strong>de</strong>l mo<strong>de</strong>lo <strong>de</strong> elevación <strong>de</strong> terreno, representando un total <strong>de</strong> 71<br />
variables (Datos satelitales <strong>de</strong>l Centro Regional <strong>de</strong> Investigación Científica y<br />
Transferencia Tecnológica (CRILAR), Anillaco, La Rioja, Argentina).<br />
Se realizó un análisis <strong>de</strong> regresión logística <strong>de</strong>l índice <strong>de</strong> infestación <strong>de</strong> casas por<br />
R. prolixus en función <strong>de</strong>l tiempo (1990-2000), utilizando para esto el software<br />
Stata 8.2. <strong>El</strong> análisis mostró que hubo un incremento significativo <strong>de</strong> este índice a<br />
una razón <strong>de</strong> 0,18% en cada año. Adicionalmente, para conocer la distribución <strong>de</strong><br />
la infestación, se realizó un análisis retrospectivo espacio-temporal el cual se basó<br />
en el “scanner” <strong>de</strong> áreas con alta y baja infestación <strong>de</strong> viviendas usando el Mo<strong>de</strong>lo<br />
<strong>de</strong> Poisson. Este tipo <strong>de</strong> análisis consiste en el estadístico espacio-temporal<br />
“Scan” (Kulldorff et al 1997) y la salida <strong>de</strong> resultados, utilizando el software<br />
SatScan (http://www.satscan.org), se caracteriza por clusters <strong>de</strong>rivados <strong>de</strong> la<br />
comparación <strong>de</strong>l número <strong>de</strong> casos observados (número <strong>de</strong> casas positivas a R.<br />
prolixus) <strong>de</strong>ntro <strong>de</strong> cada ventana con el número <strong>de</strong> casos esperados. <strong>El</strong> análisis<br />
arrojó un total <strong>de</strong> cuatro clusters significativos: uno con localida<strong>de</strong>s <strong>de</strong> alta<br />
infestación (1998-2000) y tres <strong>de</strong> baja a distintos períodos <strong>de</strong> tiempos, mostrando<br />
que la infestación <strong>de</strong> casas no está distribuido en forma aleatoria en el país, sino<br />
que hay una clara diferencia entre áreas geográficas con grupos <strong>de</strong> localida<strong>de</strong>s<br />
con alta (estados Barinas y Portuguesa) y baja infestación (Trujillo, Falcón,<br />
Coje<strong>de</strong>s, Guarico).<br />
Por otro lado, usando las 71 variables físico-ambientales seleccionadas, se<br />
<strong>de</strong>sarrolló un mo<strong>de</strong>lo predictivo con el fin <strong>de</strong> <strong>de</strong>terminar su correlación con la<br />
distribución <strong>de</strong> localida<strong>de</strong>s con alta (codificada con el valor 1) y baja infestación<br />
(codificada con el valor 0). <strong>El</strong> proceso <strong>de</strong> extracción <strong>de</strong> los datos ambientales para<br />
cada una <strong>de</strong> las localida<strong>de</strong>s <strong>de</strong> muestreo y las operaciones matemáticas <strong>de</strong><br />
imágenes digitales, se realizó con el programa Idrisi32 v 2.0. Para i<strong>de</strong>ntificar las<br />
variables físico-ambientales que contribuyen a la mejor <strong>de</strong>scripción <strong>de</strong>l conjunto <strong>de</strong><br />
datos, se realizó un Análisis Discriminante Lineal por pasos mediante la opción<br />
“Backward”. Este método estadístico es potente cuando se intenta pre<strong>de</strong>cir un<br />
evento que solo tiene dos posibilida<strong>de</strong>s y separar entre si dos o más grupos <strong>de</strong><br />
casos con diferentes características. La función <strong>de</strong>rivada <strong>de</strong> este análisis fue<br />
empleada para clasificar áreas con alta y baja infestación <strong>de</strong> casas por R. prolixus<br />
89