Relación entre las variables ambientales y la distribución espacial del mosquito Aedes aegypti en zonas rurales de Colombia
PDF

Palabras clave

spatial analysis
disease vectors
public health
environmental variables análisis espacial
salud pública
vectores de enfermedades
variables ambientales

Cómo citar

Cabezas Pinzón, L. V., Sanabria-Marin, R., Andrade-Rivas, F., Darghan, A., & Olano, V.-A. (2022). Relación entre las variables ambientales y la distribución espacial del mosquito Aedes aegypti en zonas rurales de Colombia. Revista Salud Bosque, 12(1), 1–18. https://doi.org/10.18270/rsb.v12i1.3218

Resumen

Antecedentes: Los cambios en las variables ambientales mundiales y locales condicionan la distribución y la densidad de los vectores de enfermedades. Este estudio tuvo como objetivo estimar la relación entre el indicador entomológico de las formas inmaduras y adultas del mosquito Aedes aegypti por unidad de superficie, las variables ambientales de temperatura, precipitación y humedad relativa en las zonas rurales de dos municipios de Colombia.

Métodos: Se ajustaron cuatro modelos de regresión espacial: The Spatial Autoregressive Model with Autoregressive Disturbances of order [1,1]  (SARAR[1,1]), Spatial Error Model (SEM), Spatial Lag Model (SLM), and the Pure Spatial Autoregressive Model. Las formas inmaduras y adultas de A. aegypti se recogieron en los hogares durante junio de 2013 (estación seca). Las casas fueron elegidas al azar y fueron georeferenciadas. La información climática se obtuvo del Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). La información climática se completó con la interpolación matemática de la biblioteca de Akima.

Resultados: El modelo más apropiado fue el SARAR[1,1], ya que mostró los valores más bajos del criterio de información de Akaike (AIC = 473,34). En este modelo, la variable que mejor explicaba el indicador entomológico (formas inmaduras y adultas por unidad de superficie) era la altitud de las casas de la zona rural donde se recogían las muestras entomológicas.  Esto significa que a mayor altitud, menor es el indicador entomológico calculado. Los rangos de las variables ambientales en las que se produjo la presencia del mosquito están entre 602 y 1414 m.s.n.m. (metros sobre el nivel del mar) para la altitud, 17 °C a 27 °C para la temperatura, 27 mm a 86 mm para la precipitación, y 70% a 85% para la humedad relativa.

Conclusiones: Se resalta la importancia de comprender la relación que existe entre las características ambientales locales con la presencia del vector para diseñar estrategias de gestión integral, contribuyendo a una mejor vigilancia, prevención y control de los vectores y las enfermedades transmitidas por ellos.

https://doi.org/10.18270/rsb.v12i1.3218
PDF

Citas

Centers for Disease Control and Prevention- CDC. Surveillance and control of Aedes aegypti and Aedes albopictus in the United States. Atlanta GA: 2016; Available at: https://www.cdc.gov/chikungunya/pdfs/Surveillance-and-Control-of-Aedes-aegypti-and-Aedes-albopictus-US.pdf

Adin A, Martínez-Bello DA, López-Quílez A, Ugarte MD. Two-level resolution of relative risk of dengue disease in a hyperendemic city of Colombia. PloS One 2018; 13(9): e0203382. DOI: 10.1371/journal.pone.0203382

Singh SK. Viral infections and global change. 1st ed. ed. US: Wiley-Blackwell; 2014.

Yi H, Devkota BR, Yu JS, Oh KC, Kim J, Kim HJ. Effects of global warming on mosquitoes & mosquito‐borne diseases and the new strategies for mosquito control. Entomol Res.2014; 44(6), 215-35. DOI:10.1111/1748-5967.12084

Brady OJ, Gething PW, Bhatt S, Messina JP, Brownstein JS, Hoen AG, Moyes CL, Farlow AW, Scott TW, Hay SI. Refining the global spatial limits of dengue virus transmission by evidence-based consensus. PLoS Negl Trop Dis. 2012;6(8): e1760. DOI: 10.1371/journal.pntd.0001760

Messina JP, Brady OJ, Golding N, Kraemer MUG, Wint GRW, Ray SE, Pigott DM, Shearer FM, Johnson K, Earl L, Marczak LB, Shirude S, Davis Weaver N, Gilbert M, Velayudhan R, Jones P, Jaenisch T, Scott TW, Reiner RC Jr, Hay SI. The current and future global distribution and population at risk of dengue. Nat Microbiol. 2019;4(9):1508-15. DOI:10.1038/s41564-019-0476-8

Colón-González FJ, Harris I, Osborn TJ, Steiner São Bernardo C, Peres CA, Hunter PR, Lake IR. Limiting global-mean temperature increase to 1.5-2 °C could reduce the incidence and spatial spread of dengue fever in Latin America. Proc Natl Acad Sci U S A. 2018;115(24):6243-8. DOI: 10.1073/pnas.1718945115

Zambrano LI, Rodriguez E, Espinoza-Salvado IA, Fuentes-Barahona IC, Lyra de Oliveira T, Luciano da Veiga G, Cláudio da Silva J, Valle-Reconco JA, Rodríguez-Morales AJ. Spatial distribution of dengue in Honduras during 2016-2019 using a geographic information systems (GIS)-Dengue epidemic implications for public health and travel medicine. Travel Med Infect Dis. 2019; 32:101517. DOI: 10.1016/j.tmaid.2019.101517

Rico-Mendoza A, Alexandra PR, Chang A, Encinales L, Lynch R. Co-circulation of dengue, chikungunya, and Zika viruses in Colombia from 2008 to 2018. Rev Panam Salud Publica. 2019;43: e49. DOI:10.26633/RPSP.2019.49

Padilla JC, Rojas DP, Gómez RS. Dengue en Colombia: Epidemiología de la reemergencia a la hiperendemia. Bogotá-Colombia: Guías de Impresión Ltda ed;2012.

Ferreira MA, Fabro G, Ramírez A, Tosolini L, Torres P. Epidemias y salud pública Escritura en Ciencias N°12. Primera edición ed. Argentina: Instituto Nacional de Formación Docente; 2013. Disponible en: http://www.bnm.me.gov.ar/giga1/documentos/EL005262.pdf

Olano VA. Aedes aegypti en el área rural: Implicaciones en salud pública. Biomédica 2016; 36(2): 169-73. DOI:10.7705/biomedica.v36i2.3374

Carvajal JJ, Honorio NA, Díaz SP, Ruiz ER, Asprilla J, Ardila S, Parra-Henao G. Detección de Aedes albopictus (Skuse) (Diptera: Culicidae) en el municipio de Istmina, Chocó, Colombia. Biomédica 2016; 36(3): 438-46. DOI:10.7705/biomedica.v36i3.2805

Brady OJ, Golding N, Pigott DM, Kraemer MU, Messina JP, Reiner RC Jr, Scott TW, Smith DL, Gething PW, Hay SI. Global temperature constraints on Aedes aegypti and Ae. albopictus persistence and competence for dengue virus transmission. Parasit Vectors. 2014; 7:338. DOI:10.1186/1756-3305-7-338

Li C, Lu Y, Liu J, Wu X. Climate change and dengue fever transmission in China: Evidences and challenges. Sci Total Environ. 2018;622-623:493-501 DOI: 10.1016/j.scitotenv.2017.11.326

Sirisena PD, Noordeen F. Evolution of dengue in Sri Lanka—changes in the virus, vector, and climate. Int J Infect Dis. 2014;19:6-12. DOI: 10.1016/j.ijid.2013.10.012

Quintero-Herrera LL, Ramírez-Jaramillo V, Bernal-Gutiérrez S, Cárdenas-Giraldo EV, Guerrero-Matituy EA, Molina-Delgado AH, Montoya-Arias CP, Rico-Gallego JA, Herrera-Giraldo AC, Botero-Franco S, Rodríguez-Morales AJ. Potential impact of climatic variability on the epidemiology of dengue in Risaralda, Colombia, 2010-2011. J Infect Public Health. 2015; 8(3):291-7. DOI: 10.1016/j.jiph.2014.11.005

Méndez-Lázaro P, Muller-Karger FE, Otis D, McCarthy MJ, Peña-Orellana M. Assessing climate variability effects on dengue incidence in San Juan, Puerto Rico. Int J Environ Res Public Health. 2014; 11(9):9409-28. DOI:10.3390/ijerph110909409

Almeida AP, Baptista SS, Sousa CA, Novo MT, Ramos HC, Panella NA, Godsey M, Simões MJ, Anselmo ML, Komar N, Mitchell CJ, Ribeiro H. Bioecology and vectorial capacity of Aedes albopictus (Diptera: Culicidae) in Macao, China, in relation to dengue virus transmission. J Med Entomol. 2005; 42(3):419-28. DOI:10.1093/jmedent/42.3.419

Suarez MF, Nelson MJ. Registro de altitud del Aedes aegypti en Colombia. Biomédica. 1981; 1(4):225. DOI:10.7705/biomedica.V1I4.1809

Ruiz-López F, González-Mazo A, Vélez-Mira A, Gómez GF, Zuleta L, Uribe S, Vélez-Bernal ID. Presencia de Aedes (Stegomyia) aegypti (linnaeus, 1762) y su infección natural con el virus dengue en alturas no registradas para Colombia. Biomédica 2016; 36(2):303-8. DOI:10.7705/biomedica.v36i2.3301

Fuentes-Vallejo M. Space and space-time distributions of dengue in a hyper-endemic urban space: The case of Girardot, Colombia. BMC Infect Dis. 2017;17(1):512. DOI:10.1186/s12879-017-2610-7

Pfeiffer DU, Robinson TP, Stevenson M, Stevens KB, Rogers DJ, Clements AC. Spatial analysis in epidemiology. New York (NY): Oxford University Press; 2008.

Enduri MK, Jolad S. Dynamics of dengue disease with human and vector mobility. Spat Spatiotemporal Epidemiol. 2018;25:57-66. DOI: 10.1016/j.sste.2018.03.001

Eastin MD, Delmelle E, Casas I, Wexler J, Self C. Intra- and interseasonal autoregressive prediction of dengue outbreaks using local weather and regional climate for a tropical environment in Colombia. Am J Trop Med Hyg. 2014;91(3):598-610. DOI:10.4269/ajtmh.13-0303

Overgaard HJ, Alexander N, Matiz MI, Jaramillo JF, Olano VA, Vargas S, Sarmiento D, Lenhart A, Stenström TA. A cluster-randomized controlled trial to reduce diarrheal disease and dengue entomological risk factors in rural primary schools in Colombia. PLoS Negl Trop Dis. 2016;10(11): e0005106. DOI: 10.1371/journal.pntd.0005106

Departamento Administrativo Nacional de Estadística (DANE). Boletín. Censo General 2005. Perfil Anapoima Cundinamarca. Bogotá DC: DANE; 2010. Available at: https://www.dane.gov.co/files/censo2005/PERFIL_PDF_CG2005/25035T7T000.PDF

Departamento Administrativo Nacional de Estadística (DANE). Estimaciones de población 1985 - 2005 y proyecciones de población 2005 - 2020 total municipal por área. Bogota DC: DANE; 2005. Available at: http://www.dane.gov.co/index.php/poblacion-y-demografia/proyecciones-de-poblacion

Departamento Administrativo Nacional de Estadística (DANE Boletín. Censo General 2005. Perfil Anapoima Cundinamarca. Bogotá DC: DANE; 2010. Available at: https://www.dane.gov.co/files/censo2005/PERFIL_PDF_CG2005/25386T7T000.PDF

Espinal-Tascón LS. Zonas de vida o formaciones vegetales de Colombia: memoria explicativa sobre el mapa ecológico. Zonas de vida o formaciones vegetales de Colombia. Bogotá DC: IGAC. 1977. Available at: http://library.wur.nl/WebQuery/isric/6600

International Centre for Tropical Agriculture (CIAT). CGIAR-CSI SRTM 90m DEM digital elevation database. 2017. Available at: http://srtm.csi.cgiar.org/

Fries A, Rollenbeck R, Nauß T, Peters T, Bendix J. Near-surface air humidity in a megadiverse Andean Mountain ecosystem of southern Ecuador and its regionalization. Agric For Meteoro. 2012; 152: 17-30. DOI: 10.1016/j.agrformet.2011.08.004

Akima H, Gebhardt A, Petzold T, Maechler M, YYYY Association for Computing Machinery, Inc. akima: Interpolation of Irregularly and Regularly Spaced Data. 2016. Version: 0.6-2. https://CRAN.R-project.org/package=akima

R Core Team. R: A language and environment for statistical computing [computer software]. Vienna, Austria: R Foundation for Statistical Computing. 2013. Available at: http://www.R-project.org/Esri Inc. ArcMap (version 10.5.1) [computer software]. Redlands, CA; 2016.

Vazquez-Prokopec GM, Galvin WA, Kelly R, Kitron U. A new, cost-effective, battery-powered aspirator for adult mosquito collections. J Med Entomol. 2009;46(6):1256-9. DOI: 10.1603/033.046.0602

Olano VA, Matiz MI, Lenhart A, Cabezas L, Vargas SL, Jaramillo JF, Sarmiento D, Alexander N, Stenström TA, Overgaard HJ. Schools as potential risk sites for vector-borne disease transmission: mosquito vectors in rural schools in two municipalities in Colombia. J Am Mosq Control Assoc. 2015;31(3):212-22. DOI: 10.2987/moco-31-03-212-222.1

Bivand RS, Pebesma E, Gómez-Rubio V. Applied spatial data analysis with R. 2nd ed. New York, NY: Springer; 2013.

Turner R. Delaunay Triangulation and Dirichlet (Voronoi) Tessellation. 2020. R package version 0.1-25. https://CRAN.R-project.org/package=deldir

Oldoni H, Costa BRS, Rocha-Junior RC, Rabello LM, Bassoi LH. Effects of size and sampling grid on the quality of apparent soil electrical conductivity maps. Eng. Agricola. 2019; 39(spe): 1-12. DOI: 10.1590/1809-4430-eng.agric.v39nep1-12/2019

Barboza GE. A spatiotemporal analysis of heroin-related calls for emergency medical services and community health centers in Boston, Massachusetts. Appl. Spatial Analysis. 2020; 13(2), 507-25. DOI:10.1007/s12061-019-09315-5

Balcan D, Gonçalves B, Hu H, Ramasco JJ, Colizza V, Vespignani A. Modeling the spatial spread of infectious diseases: the GLobal Epidemic and Mobility computational model. J Comput Sci. 2010; 1(3):132-45. DOI: 10.1016/j.jocs.2010.07.002

Moran PAP. The interpretation of statistical maps. J R Stat Soc Series B Stat Methodol. 1948; 10(2): 243-51.

Arbia G. A primer for spatial econometrics - with applications in R: Palgrave texts in Econometrics. UK: Palgrave Macmillan; 2014. DOI: https://doi.org/10.1057/9781137317940

Bivand RS, Wong DWS. Comparing implementations of global and local indicators of spatial association. Test. 2018; 27(3): 716-48. DOI:10.1007/s11749-018-0599-x

Bivand R, Piras G. Comparing implementations of estimation methods for spatial econometrics. J. Stat. Softw. 2015; 63(18): 1-36. DOI:https://doi.org/10.18637/jss.v063.i18.

Ding Y, Zhang M, Chen S, Wang W, Nie R. The environmental Kuznets curve for PM2.5 pollution in Beijing-Tianjin-Hebei region of China: A spatial panel data approach. J. Clean. Prod. 2019; 220: 984-94. DOI: 10.1016/j.jclepro.2019.02.229

Darghan AE, Reyes G, Rivera CA, Grisales EF. Effect of experimental blocking on the suppression of spatial dependence potentially attributable to physicochemical properties of soils. Model. Simul. Eng. 2021: e3322074. DOI:10.1155/2021/3322074

Liu C, Nie G. Spatial effects and impact factors of food nitrogen footprint in China based on spatial durbin panel model. Environ Res. 2022; 204(Pt B):112046. DOI: 10.1016/j.envres.2021.112046

Aponte-Gómez C, Romero-Aroca EM, Santa-Guzmán LF. Análisis de datos espaciales del índice de necesidades básicas insatisfechas en la región andina. Perspectiva Geográfica. 2016; 20(2): 391:418. DOI: 10.19053/01233769.4533

Elhorst JP. Spatial econometrics: from cross-sectional data to spatial panels. Heidelberg, New York, Dordrecht, London: Springer; 2014.

Gavrilov I, Pusev R. normtest: Tests for normality. Version 1.1. 2014. Available at: https://cran.r-project.org/web/packages/normtest/normtest.pdf

Restrepo AC, Baker P, Clements AC. National spatial and temporal patterns of notified dengue cases, Colombia 2007-2010. Trop Med Int Health. 2014;19(7):863-71. DOI:10.1111/tmi.12325

Pinto E, Coelho M, Oliver L, Massad E. The influence of climate variables on dengue in Singapore. Int J Environ Health Res. 2011; 21(6):415-26. DOI:10.1080/09603123.2011.572279

Castañeda-Tiria PM. Zonificación climatológica según el modelo Caldas-Lang de la Cuenca Río Negro mediante el uso del sistema de información geográfica SIG. 2014. Available at: http://hdl.handle.net/10654/11701

Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM. Clasificación climática Caldas-lang 2012. Available at: https://www.datos.gov.co/Ambiente-y-Desarrollo-Sostenible/Clasificaci-n-Clim-tica-Caldas-Lang-2012/3akx-3ph5

López MS, Müller GV, Sione WF. Analysis of the spatial distribution of scientific publications regarding vector-borne diseases related to climate variability in South America. Spat Spatiotemporal Epidemiol. 2018; 26:35-93. DOI: 10.1016/j.sste.2018.04.003

Sarmiento-Senior D, Matiz MI, Jaramillo-Gómez JF, Olano VA, Vargas SL, Alexander N, Overgaard HJ. Conocimientos, actitudes y prácticas sobre dengue en estudiantes de escuelas rurales de un área endémica en Colombia. Biomédica. 2019; 39(3): 478-90. DOI:10.7705/biomedica.4255

Chen Y, Zhao Z, Li Z, Li W, Li Z, Guo R, Yuan Z. Spatiotemporal transmission patterns and determinants of dengue fever: a case study of Guangzhou, China. Int J Environ Res Public Health. 2019;16(14):2486. DOI: 10.3390/ijerph16142486

Tuladhar R, Singh A, Varma A, Choudhary DK. Climatic factors influencing dengue incidence in an epidemic area of Nepal. BMC Res Notes. 2019;12(1):131. DOI: 10.1186/s13104-019-4185-4

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Derechos de autor 2022 Universidad El Bosque

Descargas

Los datos de descargas todavía no están disponibles.