El uso de Sistemas de Información Geográfica - CDIA-EC ...

El uso de Sistemas de Información Geografica y Sensores Remotos (SR) en Salud Pública
Bogotá, Colombia, 27 al 30 de Marzo de 2006
además del modelo de elevación de terreno, representando un total de 71
variables (Datos satelitales del Centro Regional de Investigación Científica y
Transferencia Tecnológica (CRILAR), Anillaco, La Rioja, Argentina).
Se realizó un análisis de regresión logística del índice de infestación de casas por
R. prolixus en función del tiempo (1990-2000), utilizando para esto el software
Stata 8.2. El análisis mostró que hubo un incremento significativo de este índice a
una razón de 0,18% en cada año. Adicionalmente, para conocer la distribución de
la infestación, se realizó un análisis retrospectivo espacio-temporal el cual se basó
en el “scanner” de áreas con alta y baja infestación de viviendas usando el Modelo
de Poisson. Este tipo de análisis consiste en el estadístico espacio-temporal
“Scan” (Kulldorff et al 1997) y la salida de resultados, utilizando el software
SatScan (http://www.satscan.org), se caracteriza por clusters derivados de la
comparación del número de casos observados (número de casas positivas a R.
prolixus) dentro de cada ventana con el número de casos esperados. El análisis
arrojó un total de cuatro clusters significativos: uno con localidades de alta
infestación (1998-2000) y tres de baja a distintos períodos de tiempos, mostrando
que la infestación de casas no está distribuido en forma aleatoria en el país, sino
que hay una clara diferencia entre áreas geográficas con grupos de localidades
con alta (estados Barinas y Portuguesa) y baja infestación (Trujillo, Falcón,
Cojedes, Guarico).
Por otro lado, usando las 71 variables físico-ambientales seleccionadas, se
desarrolló un modelo predictivo con el fin de determinar su correlación con la
distribución de localidades con alta (codificada con el valor 1) y baja infestación
(codificada con el valor 0). El proceso de extracción de los datos ambientales para
cada una de las localidades de muestreo y las operaciones matemáticas de
imágenes digitales, se realizó con el programa Idrisi32 v 2.0. Para identificar las
variables físico-ambientales que contribuyen a la mejor descripción del conjunto de
datos, se realizó un Análisis Discriminante Lineal por pasos mediante la opción
“Backward”. Este método estadístico es potente cuando se intenta predecir un
evento que solo tiene dos posibilidades y separar entre si dos o más grupos de
casos con diferentes características. La función derivada de este análisis fue
empleada para clasificar áreas con alta y baja infestación de casas por R. prolixus
89