Download una primera visión sobre el impacto del cambio climático en la

ANEXO 12
UNA PRIMERA VISIÓN SOBRE EL IMPACTO DEL CAMBIO CLIMÁTICO
EN LA EPIDEMIOLOGÍA DE LAS INFECCIONES RESPIRATORIAS
AGUDAS EN COLOMBIA
Boshell J.F.1; A. Molina 2 & D. Herrera 3
RESUMEN
Se realizó un estudio conjunto entre el Grupo de Investigación en Meteorología de la
Universidad Nacional de Colombia y el Instituto Nacional de la Salud (INS) con el fin de
determinar tanto las relaciones existentes entre el clima y la epidemiología de las infecciones
respiratorias agudas - IRA - (influenza, VRS, adenovirus) en el área de Bogotá, como las
posibles modificaciones en los patrones epidemiológicos de las IRA por efecto de un posible
cambio climático en el país Se utilizaron los datos epidemiológicos de 150 semanas
correspondientes al período 1997 – 1999, los datos meteorológicos de la estación del
aeropuerto El Dorado y las proyecciones realizadas por el Grupo sobre los cambios en los
regímenes de la precipitación y temperatura del aire bajo el escenario de duplicación del
CO2. Se desarrolló un modelo lineal generalizado con distribución Poisson para el análisis de
la relación clima – influenza, el cual simula la tendencia general de los casos de influenza,
pero no estima de manera adecuada los picos de ésta. Se elaboró entonces un modelo de
tipo ARIMA, AR(1), con un índice climático integrado, siguiendo una metodología aplicada en
varios países de América Latina, con el cual se simuló de manera aceptable el patrón
epidemiológico básico de las IRA en la zona, incluyendo sus picos. Se aplicó el modelo para
el escenario del CO2 duplicado y se estableció, de manera preliminar, que se produciría un
incremento entre moderado y medio en aquellas, en la mayor parte del año epidemiológico.
Se concluyó que este modelo se debería ajustar cuando se posea mayor información
epidemiológica y socioeconómica de los pacientes afectados.
ABSTRACT
A joint study was performed between the Group of Meteorology of the National University of
Colombia and the National Institute of Health (INS) with the purpose of determining: a.- the
existing relations between climate and the epidemiology of the acute respiratory infections IRA - (influenza, VRS, adenovirus) in the area of Bogota; b- the possible modifications on IRA
epidemiological patterns by effect of climatic change. In order to accomplish these goals,
epidemiological data of 150 weeks, corresponding to period 1997- 1999, were evaluated, as
well as local meteorological data and projections made by the Group on the expected
changes in the regimes of precipitation and air temperature, under a doubled CO2 scenario. A
generalized linear model with Poisson distribution was developed for the analysis of the
relation climate- influenza; this model simulates the general tendency, but underestimate
influenza peaks throughout the year. A model of type ARIMA, AR(1), was then developed,
1
Profesor Asociado. Grupo de Meteorología. Universidad Nacional de Colombia e Investigador
Proyecto Proyecciones climáticas e impactos socioeconómicos del cambio climático en
Colombia
2
Coinvestigadora. Grupo de Meteorología. Universidad Nacional de Colombia y coinvestigadora
Proyecto Proyecciones climáticas e impactos socioeconómicos del cambio climático en
Colombia.
3
Laboratorio de Virología. Instituto Nacional de la Salud
ANEXO 12
1
with an integrated climatic index, following a methodology applied in several countries of
Latin America, which simulated the general IRA epidemiological pattern in the zone. The
model was then applied under a doubled CO2 scenario and it was found, in a preliminary
way, that a moderate IRA increase would take place, for most of the epidemiological year. It
was concluded that this model would provide a better output, when more extended
epidemiological and socioeconomic data of the affected patients, be available.
1. INTRODUCCIÓN
Teniendo en cuenta las variaciones estacionales significativas que se han determinado en el
número de pacientes afectados por las enfermedades respiratorias agudas producidas por
virus de influenza, VRS y adenovirus, así como los reportes internacionales sobre la relación
entre tales variaciones y las fluctuaciones en las condiciones climáticas de las zonas
involucradas, profesionales del Instituto Nacional de la Salud, INS, y miembros del Grupo de
Investigación en Meteorología de la Universidad Nacional de Colombia acordaron adelantar
una investigación conjunta sobre dicho tema.
Por otra parte, uno de los objetivos específicos del Proyecto Colciencias – Universidad
Nacional, “Proyecciones climáticas e impactos socioeconómicos del cambio climático en
Colombia”, era el desarrollo de un estudio sobre las implicaciones del cambio climático en el
sector de la salud humana en el país.
En consecuencia, los profesionales del Grupo y del INS unieron esfuerzos para adelantar
este primer estudio sobre las relaciones existentes entre las enfermedades respiratorias
causadas por virus y el clima en Colombia, tomando como punto de referencia la zona de
Bogotá D. C., la información epidemiológica recolectada por los especialistas del INS y los
datos climatológicos de la zona, suministrados por el IDEAM.
A partir de los análisis del Grupo sobre los efectos posibles del cambio climático en la
precipitación y la temperatura del aire en nuestro país, efectuados con el modelo de
circulación general (GCM) CCM3, se ejecutó el presente estudio, para proyectar los efectos
eventuales del cambio climático en la epidemiología de dichas enfermedades en la zona
estudiada.
En este artículo se presentan los procedimientos utilizados y los resultados obtenidos, lo cual
se considera como un primer avance en el tema, el que debe ser complementado por
estudios posteriores, una vez se amplíe la base de datos epidemiológicos y
socioeconómicos necesarios para tal fin.
2. EL CAMBIO CLIMÁTICO Y LA SALUD HUMANA
En el primer informe del Grupo de Trabajo II del IPCC (Panel Intergubernamental de
Expertos sobre el Cambio Climático), se expresa que una duplicación del CO 2 repercutiría en
un incremento en la temperatura media mundial entre 1.5 y 4 a 5ºC (IPCC, 1990). Tal
incremento, y las distorsiones estimadas en el régimen de la precipitación, podrían
ocasionar, de acuerdo con el informe, “...impactos sanitarios considerables, en especial en
las grandes áreas urbanas, por las variaciones en la disponibilidad en aguas y alimentos y
por el incremento en los problemas de salud derivados de una mayor difusión de las
infecciones por efectos de las mayores temperaturas....”. los cambios en la precipitación y en
la temperatura del aire podrían alterar de forma radical la distribución de las enfermedades
virales y las transmitidas por agentes vectores”.
ANEXO 12
2
En un informe especial del mencionado Panel Intergubernamental de evaluación de la
vulnerabilidad (IPCC, 1997), se presentan nuevas estimaciones sobre los incrementos
inducidos por el cambio climático en la temperatura del aire, menores que las anteriores en
cerca de una tercera parte, como consecuencia de la aplicación de modelos acoplados
suelo–atmósfera–océano. Se concluye, en cuanto atañe a la América Latina, que “...el
incremento de las temperaturas y la precipitación, ocasionaría la extensión hacia el sur y
hacia áreas de mayor altitud, de la distribución geográfica actual de las enfermedades
transmitidas por vectores y de las enfermedades infecciosas.”.
Diversos investigadores (Epstein, 1997; McMichael et al., 1996) han relacionado las
fluctuaciones en las condiciones climáticas locales, zonales o regionales, con la presencia y
progresión de distintas enfermedades humanas, como la malaria, el dengue, el cólera, la
fiebre amarilla y las enfermedades respiratorias agudas. Se ha concluido que la salud
humana sigue las tendencias de los sistemas socioeconómicos y del ambiente natural y que
en la actualidad, las variaciones y el cambio en los patrones del clima en las diferentes
regiones del planeta, están contribuyendo de manera activa en la emergencia, el
resurgimiento y la redistribución de una importante gama de enfermedades infecciosas, en la
escala global.
En un estudio desarrollado acerca del impacto del cambio climático sobre los patrones
epidemiológicos de varias enfermedades humanas en algunos países de América Latina
(Ortíz et al., 2000), con base en las proyecciones climáticas obtenidas con el modelo de
circulación general (GCM) HADCM2, se concluyó que para el año 2010, se podrían esperar
incrementos importantes en el número de casos de enfermedades respiratorias agudas,
enfermedades diarreicas agudas y hepatitis viral en Cuba, así como de influenza y de
enfermedades diarreicas agudas en Panamá.
Mientras que en la escala local, o sea en Colombia, no se han realizado estudios previos
sobre los efectos eventuales del cambio climático en la salud humana, existen reportes
sobre el aumento en los casos de enfermedades como la malaria bajo ciertos escenarios de
variabilidad climática, como en los años de ocurrencia del evento “El Niño”, debido a una
disminución en la escorrentía y en las acumulaciones hídricas superficiales, lo cual
incrementaría el número de sitios para la reproducción del mosquito vector de la enfermedad
(Bouma et al., 1997; Poveda et al., 1996).
3. LAS INFECCIONES RESPIRATORIAS AGUDAS EN COLOMBIA
La infección respiratoria aguda, altamente contagiosa y de importancia mundial, conocida
como influenza, es causada por virus de influenza tipos A, B y C. El virus tipo C no tiene
importancia epidemiológica. Los tipos A y B han sido estudiados con mayor profundidad, ya
que son la causa más importante de morbilidad y mortalidad. Una de las características más
destacadas del virus de la influenza es la frecuencia con la cual ocurren los cambios en la
antigenicidad. Estos cambios son conocidos como variación antigénica y ocurren con una
frecuencia casi anual en el caso del virus de influenza A, pero con menor frecuencia en el
virus tipo B.
Se pueden presentar cambios antigénicos relativamente menores que pueden ocasionar
epidemias significativas o cambio mayores que producen “virus nuevos” a los cuales la
población no tiene inmunidad. Dichas cepas nuevas son las responsables de las pandemias.
Las pandemias causadas por virus de influenza se presentan aproximadamente cada 40
años y han llegado a afectar hasta al 80% de la población mundial. La ultima pandemia
severa ocurrió en 1957. No obstante, cabe anotar que la carga interpandémica de muertes y
ANEXO 12
3
enfermedades graves es mayor, en sus valores acumulados, que las pandemias (Herrera et
al., 2000).
En los países localizados en el hemisferio norte, se presentan incrementos o picos de la
enfermedad entre diciembre y marzo (época de invierno) y en el hemisferio sur, entre mayo y
agosto. En general, una epidemia de influenza se inicia de modo abrupto, llega a su máximo
de incidencia entre 3 y 5 semanas más tarde y se puede extender por otras 4 a 6 semanas
más.
En Colombia, como en general en el trópico, los virus de la enfermedad permanecen activos
a lo largo del año. Se han reportado algunos picos entre septiembre y diciembre, aun cuando
en años como 1999 el virus se presentó de manera endémica durante todo el año (Herrera
et al., 1999, 2000). La epidemia reciente de mayor importancia se presentó en agosto de
1996 (conocida como “el abrazo del pato”), la que alcanzó a afectar a unas 10 millones de
personas en el país y ocasionó la muerte de unas 1500 de ellas (Ministerio de Salud, 1996;
Herrera et al., 2000). A raíz de tal epidemia, en 1997 el Ministerio de Salud recomendó la
vacunación, en especial en los grupos de mayor riesgo.
El virus sincicial respiratorio (VRS) está considerado como el agente causal más importante
de enfermedades del tracto respiratorio inferior en infantes, en especial en menores de 5
años (Ministerio de Salud, Instituto Nacional de la Salud, 1997). Entre enero y abril de
1997, el Instituto Nacional de la Salud, INS, aisló este virus en 66 pacientes en Bogotá, con
lo cual se confirmó su presencia, la cual anteriormente era sugerida a través de diagnósticos
clínicos y por descarte de otros agentes infecciosos.
El período de incubación del virus es de 4 a 5 días y su diseminación se realiza a través del
epitelio respiratorio o de la aspiración de secreciones. Los cuadros infecciosos que ocasiona
(neumonía, bronquiolitis) son similares a los causados por los virus de otras enfermedades
respiratorias agudas.
A raíz de todas las experiencias anteriores, el Instituto Nacional de Salud inició en 1997 una
vigilancia epidemiológica de los virus causantes de estas enfermedades, para determinar
sus características y sus impactos epidemiológicos.
4 ANÁLISIS DE LAS RELACIONES EXISTENTES ENTRE LAS INFECCIONES
RESPIRATORIAS AGUDAS Y EL CLIMA EN BOGOTÁ
4.1
Entorno inicial del estudio
El programa de vigilancia epidemiológica de influenza y virus respiratorios establecido por el
INS en 1997, ha cubierto inicialmente a la ciudad de Bogotá. Bajo este programa, se han
recolectado datos diarios, tanto del número total de pacientes tratados a causa de síntomas
asociados con la ocurrencia de IRA (infección respiratoria aguda) en centros de atención
seleccionados, como del número de pacientes cuyos análisis de laboratorio han resultado
positivos a la presencia de virus de influenza (A y B), VRS y adenovirus.
Los datos anteriores se analizaron por semanas y por períodos (meses) epidemiológicos. En
la Tabla 1 se presenta un resumen de los casos determinados de las IRA entre 1997 y 1999.
El año con un mayor número de casos de IRA fue 1998 con 129, mientras que en 1997 y
1999 se registraron números de casos muy similares (55 y 54 respectivamente) de aquellas.
La enfermedad con un mayor número total de casos registrados fue el VRS, con 138 casos,
en tanto que hubo 71 reportes de influenza (A y B).
ANEXO 12
4
Tabla 1. Casos registrados de infecciones respiratorias agudas 1997-1999
IRA
Adenovirus
Influenza A
Influenza B
Parainfluenza
VRS
VRS + Parainfluenza
TOTAL
1997
2
16
7
4
26
1998
14
34
1999
2
14
5
76
1
36
1
TOTAL
18
64
7
10
138
1
238
En una fase inicial del trabajo, los profesionales del INS realizaron algunos análisis
preliminares sobre las relaciones estadísticas existentes entre el número semanal de casos
de influenza (A y B) determinados en el período 1997-1999 y la precipitación semanal
registrada en Bogotá (estación aeropuerto El Dorado). Durante este proceso se produjo la
integración de los esfuerzos entre los profesionales del INS y el Grupo de Investigación en
Meteorología de la Universidad Nacional y se aclaró la acción integrada de los diversos
elementos climáticos (temperatura del aire, precipitación, velocidad del viento, humedad
relativa, etc.) sobre las enfermedades humanas.
Aun cuando los análisis estadísticos iniciales de la relación precipitación–influenza,
realizados en esta primera etapa por medio de modelos lineales generalizados, no arrojaron
resultados satisfactorios, se determinaron algunos hechos importantes, como la ocurrencia
de un mayor número de casos de enfermedades respiratorias agudas en un período
caracterizado por la ocurrencia del evento oceánico–atmosférico de gran escala conocido
como “La Niña”, en relación con otro período en el que ocurrió un evento “El Niño”.
En efecto, en el período analizado (1997–1999) ocurrió un evento “Niño”, entre marzo 1997 y
mayo 1998, y un evento “Niña”, entre agosto 1998 y octubre 1999 (IDEAM, 2000). En el
período “Niño”, la precipitación total registrada en Bogotá fue de 762 mm y se registró un
total de 25 casos positivos de virus de la influenza, VRS y adenovirus, en los centros de
atención integrados al sistema de vigilancia. En el período “Niña” la precipitación alcanzó los
1348 mm y el número de casos positivos a tales virus, fue de 113.
Lo anterior sugiere que los mayores volúmenes pluviales asociados con los eventos “Niña”
en el centro del país, podrían estar auspiciando la mayor circulación de los virus causantes
de las enfermedades respiratorias agudas en dicha zona, en relación con los años “Niño”, en
los cuales las condiciones de menor pluviosidad podrían estar vinculadas con una situación
epidemiológica opuesta a la anterior.
Dos hechos que se consideran limitantes en los diversos análisis que se han realizado, son
la corta longitud de las series epidemiológicas disponibles, lo que reduce la posibilidad de
adelantar análisis estadísticos completos y la falta de información de índole socioeconómica,
de los pacientes tratados. En el programa de vigilancia no se han registrado datos sobre las
condiciones económicas, sociales, culturales y de salubridad de las zonas y de los hogares
de los cuales provienen los pacientes, lo cual se considera de alta importancia para
completar el entorno total (socioeconómico, ambiental, inmunológico y epidemiológico) que
permita explicar la dinámica de la enfermedad en la zona.
ANEXO 12
5
A pesar de las limitaciones mencionadas, dado que se dispuso de los datos epidemiológicos
de las IRA reportadas durante 150 semanas, se adelantaron dos tipos de análisis
estadísticos. En primera instancia se utilizó un modelo lineal generalizado para la evaluación
de la relación clima–influenza. En una segunda fase, con la asesoría de un especialista en la
modelación del impacto del clima en la salud humana (Paulo Ortíz), se aplicaron análisis de
funciones ortogonales empíricas o de componentes principales, se calculó un índice
descriptivo del clima asociado con las variaciones en la enfermedad y se desarrolló un
modelo de simulación de la relación clima–enfermedades respiratorias agudas.
El Instituto de Hidrología, Meteorología y Estudios Ambientales, IDEAM, suministró los datos
meteorológicos diarios necesarios para los análisis estadísticos, período 1997–1999, de la
estación sinóptica del aeropuerto El Dorado. Los datos involucraron los siguientes
parámetros: temperatura del aire (media, máxima y mínima), precipitación, velocidad del
viento, humedad relativa y brillo solar. Estos datos se analizaron en períodos semanales y
mensuales.
4.2
Aplicación de un modelo lineal generalizado
En la primera etapa del proceso analítico se seleccionó un modelo lineal generalizado, para
explicar el comportamiento de la variable respuesta objeto de estudio, en esta primera
instancia la influenza. Este tipo de modelo se caracteriza por distinguir entre elementos
empíricos y elementos teóricos y por poseer una estructura definida. Se analizaron los datos
de las 150 semanas epidemiológicas disponibles, para el período 1997–1999.
El modelo lineal generalizado está definido en términos de un conjunto de variables
aleatorias independientes Y1,……,YN, cada una con una distribución de la forma de la familia
exponencial con las siguientes componentes (Dobson, 1986):


Las variables respuestas Y1,……,YN con la misma distribución de la forma exponencial
Un conjunto de parámetros  y variables explicativas X= (X1,….,XN)

Una función de enlace monótona g , tal que g (  i )  X i
T
 donde  i  E (Yi )
Se definió que el tipo de modelo lineal que mejor se ajusta a la información disponible es el
modelo lineal generalizado con distribución de Poisson, debido a que la variable respuesta
es el número de casos de la enfermedad en un tiempo determinado (semana
epidemiológica). Se estimaron las anomalías de las variables climáticas y sobre éstas
variables se realizaron los procesos de simulación.
Para evaluar la bondad del ajuste del modelo para las variables climáticas utilizadas, se
utilizó la desvianza (D, “deviance”) y la estadística de Chi–cuadrado de Pearson, las que
definen las diferencias existentes entre los valores observados y los valores estimados. La
desvianza se basa en la prueba de la razón de verosimilitud (“likelihood ratio test”) y su
cálculo difiere en función de la distribución de probabilidad utilizada. Con el Chi-cuadrado se
determina si se acepta o se rechaza la hipótesis nula: “el modelo no se ajusta” (Ato &
López, 1996).
Para el modelo obtenido el valor de la desvianza es de 322.36, el que comparado con el
valor de
2
 n2 p  140
 168.61,
permite inferir que el modelo en general se ajusta de
manera aceptable. No obstante, los valores de la desvianza y de Ch-cuadrado de Pearson
sobre los grados de libertad (value/DF) fueron superiores a 1 en todos los casos, lo cual
ANEXO 12
6
indica que existe una dispersión significativa en los datos estimados y que por tanto se
deben realizar nuevos análisis (utilizar otras transformaciones o considerar nuevas
variables), para mejorar el modelo.
Los parámetros significativos que componen el modelo son las anomalías de la velocidad del
viento (MVIENTO), la temperatura mínima media (MTIM), la temperatura media (MTMED), la
precipitación (SPRECIP) y la temperatura mínima absoluta (MINTMIN). El modelo resultante
es:
Yt = -0.42MVIENTO - 0.632MTIM + 0.27MTMED + 0.226SPRECIP + 0.293MINTMIN
(1)
Los resultados de esta fase de la modelación, se aprecian en la Fig.1. Mientras que en
general los valores estimados siguen la tendencia general de los valores observados, se
presentan diferencias importantes en las estimaciones cuando ocurren picos notorios en el
número de casos de la enfermedad.
Por lo anterior, se consideró necesario desarrollar nuevos análisis, con un enfoque diferente
al del modelo lineal generalizado, para encontrar un mejor ajuste entre las variables
consideradas.
casos influenza
6
5
4
3
2
1
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
1
0
semanas epidemiologicas
Reales
Simulados
Figura 1. Casos semanales de influenza: reales vs simulados por modelo lineal
generalizado poisson. Periodo 1997-1999
4.3
Aplicación de la metodología de análisis de componentes principales y de un
índice climático integrado
En esta etapa se aplicó la metodología desarrollada por Ortíz (2000, 2001) para el estudio
de las relaciones entre las condiciones climáticas locales y los patrones epidemiológicos de
las enfermedades respiratorias agudas – IRA - (influenza A, B, VRS, adenovirus).
Esta metodología ha sido utilizada por su autor en estudios análogos al presente, en Cuba,
Panamá, Bolivia y Paraguay. En líneas generales, el procedimiento consiste en detectar las
variables claves que expresan la esencia del impacto del clima en la salud humana,
identificar las relaciones entre estas variables mediante el análisis de componentes
principales, resumir estas relaciones en un índice climático (índice de Bultó), formular un
ANEXO 12
7
modelo de los efectos del clima sobre los patrones epidemiológicos de la enfermedad,
determinar el escenario climático futuro y utilizar el modelo bajo el nuevo escenario climático,
a fin de evaluar las modificaciones esperadas en los patrones epidemiológicos actuales.
El procedimiento aludido también reconoce que los factores socioeconómicos juegan un
importante papel en el contexto clima–salud humana, pero esta parte no se consideró en el
presente trabajo, debido a la falta de los datos respectivos. En una etapa posterior será
necesario agregar este elemento.
El análisis de componentes principales (ACP), es una técnica estadística multivariada,
utilizada de manera amplia en las ciencias de la atmósfera. También se conoce como la
técnica de análisis de funciones ortogonales empíricas (EOF).
El propósito del ACP es reducir el número de variables de un conjunto a otro con nuevas
variables, de tal manera que estas últimas representen la mayor parte de la variabilidad
contenida en los datos originales. Es decir, dado el vector de observaciones X (KX1) se
encuentra un vector U (M*X1) cuyos elementos son funciones de los elementos de X, que
contiene la mayor parte de la información de los datos originales X, y cuya dimensionalidad
es M*<<K. Esto se obtiene si existen correlaciones fuertes entre las variables contenidas en
X. Los elementos de los nuevos vectores U se denominan las componentes principales.
Además de constituir una representación compacta de los datos originales X, las nuevas
variables de U deben tener una característica muy deseable: que no estén correlacionadas
entre sí. El ACP es muy potente en el análisis de las variaciones temporal y espacial de los
campos analizados (Wilks, 1995). El ACP se realiza sobre una matriz centrada o anomalías,
las que retienen la misma dimensión física de las variables originales y tienen igual variación
y mutua correlación.
4.3.1
Análisis de componentes principales
Se realizó la descomposición de cada una de las variables de acuerdo con sus medianas.
Para cada periodo epidemiológico se tomó la mediana de las siguientes variables: brillo
solar, humedad relativa, precipitación, temperatura media, temperatura máxima absoluta,
temperatura mínima absoluta, velocidad del viento y oscilación de la temperatura o amplitud.
Para la descomposición se determinaron las diferencias entre los valores originales y las
medianas y luego se calcularon sus cocientes con las desviaciones estándar.
Con estos nuevos datos se realizó el análisis de componentes principales, obteniéndose la
matriz de correlación que se presenta en la Tabla 2.
Tabla 2. Matriz de las correlaciones de la primera fase del análisis de componentes
principales
Brillo sol
Hum rel
Precip
Tmax
Tmed
Tmin
Vel viento
Ampl temp
ANEXO 12
Brillo sol
1.00
-0.43
-0.32
0.37
0.28
-0.28
0.29
0.42
Hum rel
-0.43
1.00
0.43
-0.41
-0.59
0.21
-0.32
-0.35
Precip
-0.32
0.43
1.00
-0.38
-0.23
0.42
-0.36
-0.44
Tmax
0.37
-0.41
-0.38
1.00
0.43
-0.38
0.11
0.68
Tmed
0.28
-0.59
-0.23
0.43
1.00
-0.02
0.11
0.18
Tmin
-0.28
0.21
0.42
-0.38
-0.02
1.00
-0.31
0.70
Vel viento Ampl temp
0.29
0.42
-0.32
-0.35
-0.36
-0.44
0.11
0.68
0.11
0.18
-0.31
0.70
1.00
0.16
0.16
1.00
8
Las variables con las mayores correlaciones son la temperatura mínima con la amplitud de la
temperatura (correlación: 0.70), la temperatura máxima con la amplitud (correlación: 0.68), la
humedad relativa y la temperatura media (correlación: -0.59) y la precipitación con la
amplitud de la temperatura (correlación: -0.44). Se concluyó que las variables importantes
para desarrollar el estudio, son aquellas relacionadas con la componente térmica, la
humedad y la precipitación. Las variables que presentaron una menor correlación son la
velocidad del viento y el brillo solar.
Los resultados de los autovalores (Tabla 3) indican que se deben tomar las dos primeras
componentes, para tener la mayor proporción de la varianza explicada, ya que el acumulado
en tal caso alcanza el valor de 0.6.
Tabla 3. Autovalores de la matriz de correlación
PRIN1
PRIN2
PRIN3
PRIN4
PRIN5
PRIN6
PRIN7
PRIN8
Eigenvalue
3.47
1.30
1.05
0.69
0.54
0.44
0.34
0.17
Diferencia
2.17
0.25
0.36
0.15
0.10
0.10
0.16
.
Proporción
0.43
0.16
0.13
0.09
0.07
0.06
0.04
0.02
Acumulado
0.43
0.60
0.73
0.81
0.88
0.94
0.98
1.00
La primera componente viene explicada por la humedad relativa, la precipitación, la
temperatura máxima y la amplitud de temperatura. En la segunda componente las variables
significativas son la temperatura media, la temperatura mínima, la humedad relativa y la
amplitud térmica.
Las variables con los mayores pesos fueron la humedad relativa, la temperatura máxima, la
temperatura mínima, la amplitud u oscilación de la temperatura y la precipitación; estas
variables constituyen los elementos climáticos característicos de la región bajo estudio. Se
realizó entonces de nuevo el proceso de componentes principales con tales variables y los
datos de las enfermedades consideradas.
Los resultados de este análisis muestran que se tiene un 70% de varianza explicada con las
dos primeras componentes (Tabla 4). La primera componente está asociada con la
temperatura, pues las variables de mayor peso son la temperatura mínima, la temperatura
máxima y la amplitud u oscilación de la temperatura. La segunda componente corresponde a
la precipitación y las IRA.
Tabla 4. Matriz de las componentes de mayor peso
Variable
Hum rel
Tmin
Tmax
Ampl temp
Precipitac
IRA
ANEXO 12
Componente
1
2
0.49
0.53
0.89
-0.11
-0.61
0.57
-0.93
0.35
0.55
0.70
0.20
0.60
3
0.60
0.18
0.36
0.00
-0.12
-0.71
9
4.3.2.
Desarrollo de un índice climático integrado (índice Bultó)
Los índices climáticos se desarrollan con el fin de resumir y facilitar el análisis de una
cantidad importante de datos climáticos. Estos índices posibilitan tanto el ingreso del “clima
representativo” de un lugar en un modelo de simulación, como la comparación de las
condiciones climáticas de diversas regiones. No obstante, la formulación de tales índices
depende en muy alta medida de los fines específicos para los cuales se pretende utilizar.
El índice de Bultó (Ortíz, 1998) describe el “clima representativo” de un lugar, zona o país, o
sus condiciones socioeconómicas y se estructuró principalmente para definir las condiciones
climáticas que determinan la ocurrencia de diversas enfermedades humanas. Dicho índice,
IBt,r,p, o índice que representa t meses, en una secuencia r y en una región p, se expresa así:
IBt , r , p     ,t   /   
n
(2)
donde,

= 1,2, ... , n; índice que describe los elementos climáticos que caracterizan la zona o
región

= coeficiente de ponderación para los elementos climáticos o pesos de las
componentes
,t
= es la serie del elemento climático  en el tiempo t

= desviación estándar de ,t
Para la construcción del índice de Bultó, se realizaron los análisis de las componentes
principales solamente con las variables climáticas. Se obtuvieron dos componentes
principales. La matriz de componentes principales se presenta en la Tabla 5.
Tabla 5. Matriz de componentes para el desarrollo del índice de Bultó
Variables Componentes
1
2
Hum rel
0.585
0.678
Tem min
0.908
0.0068
Tem max
-0.719
0.559
Amplitud
-0.948
0.305
Precipit
0.574
0.620
4.4
Desarrollo del modelo de estimación del nuevo escenario epidemiológico de
las IRA, con el CO2 duplicado
El modelo de simulación del efecto climático en los patrones epidemiológicos de las
enfermedades humanas ha sido desarrollado por Ortíz (2000) a partir de las formulaciones
de Wei (1990) y de Enders (1995), esta última realizada en un principio para analizar el
impacto de los contaminantes en metales.
ANEXO 12
10
El modelo primario, conocido como autorregresivo con retardo distribuido, tiene la siguiente
forma:
 ( B) B b
B 
Yt 
Xt 
at    V  B 
 B 
B 
(3)
donde:
V(B)
= representa los pesos de las señales climáticas sobre las enfermedades
= es el polinomio en B

B
= es el parámetro que representa las diferencias entre las variables de entrada
Xt
= es el vector que contiene los valores de los índices
Yt
= es el vector que contiene la enfermedad.
El modelo anterior se puede transformar, asumiendo que la varianza cambia en el tiempo y
que ella está modulada por un factor externo, como el clima o índice de Bultó, en la siguiente
expresión (Ortíz, 2000):
Yt = a0 + a1Yt-1 +
. + c0 IBt-2,1,p + et
. (4)
En este caso Yt corresponde a las IRA bajo estudio, y se explica por el nivel del proceso a0,
su comportamiento en el período previo y el impacto del clima del período, o períodos
previos.
Para el caso del clima y las IRA en Bogotá, se realizaron las correlaciones cruzadas entre
las dos componentes principales obtenidas y los datos de las IRA. Con ello se determinan
las relaciones entre las variables climáticas y las IRA y los rezagos significativos, lo que a su
vez posibilita encontrar el número de semanas previas cuyas condiciones climáticas inciden
en la epidemiología de las enfermedades.
La correlación muestral cruzada se define de la siguiente manera para dos conjuntos de
datos X, Y, con n observaciones (Pankratz,1991):
 1 n k
 n  ( xt  x)( yt  k  y )
C xy k    n  k t 1
n 1  ( yt  y )( xt  k  x)
 t 1
donde
k  0,1,2,3,...
(5)
k  0,1,2,3,...
x y y son las medias muestrales de las dos series.
De acuerdo con los resultados, se encontró que la segunda componente es la más
significativa para explicar la aparición de las IRA. Con esta componente se realizó la
modelación de las series con el proceso de Arima y se determinó que el modelo que mejor
se ajusta es un AR(1) para las IRA y la componente principal sin ningún rezago.
El modelo es:
Yt = 2.67 + 0.50Yt-1 + 1.80 * IBt,1,p
(6)
Donde IBt,1,p corresponde a la componente principal 2 del desarrollo del índice de Bultó y es
igual a:
ANEXO 12
11
IBt,1,p = 0.678*HR’ - 0.0068TN’ + 0.559*TX’ + 0.305*OSC’ + 0.620*PCP’
(7)
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
16
14
12
10
8
6
4
2
0
1
NUMERO CASOS
Las variables climáticas con el signo ‘ están estandarizadas y corresponden a las variables
detalladas en la Tabla 5.
SEMANAS EPIDEMIOLOGICAS
Reales 97/99
Simulados 97/99
Figura 2. Casos de infecciones respiratorias agudas: reales vs simulados por modelo
con índice de bulto
En la Fig.2 se aprecia el resultado de la aplicación del modelo presentado bajo la expresión
(6), notándose cómo el ajuste del modelo a los datos reales es aceptable, en especial a
partir de la semana epidemiológica 12. Es interesante observar que los picos de la
enfermedad (semanas 14 a 20 y 39 a 45) son detectados por el modelo de una manera
apropiada, lo cual no ocurre en el caso del modelo lineal generalizado antes detallado.
4.5.
Resultados de la aplicación del modelo de estimación de las IRA para el
escenario 2CO2
Para determinar el nuevo escenario climático, bajo el supuesto del CO 2 duplicado, se
encontraron primero los cambios estimados en la temperatura del aire y la precipitación, en
la estación del Aeropuerto El Dorado, cuyos datos se utilizaron para desarrollar los análisis
estadísticos previos. Para el efecto se tomaron los resultados obtenidos en este mismo
Proyecto Colciencias–Universidad Nacional, en el proceso del “downscaling” estadístico
(reducción de escala) de tales parámetros, para la región 13 de la sabana de Bogotá (Bernal
et al., 2001, Molina et al., 2001). La proyección de los cambios en las temperaturas
máximas y mínimas, se realizó a partir de los cambios estimados en las temperaturas
medias de cada período analizado, adaptando un procedimiento recomendado por la OMM
(1972), de acuerdo con las diferencias mensuales existentes entre ellas.
A la variable humedad relativa no se le realizó ningún análisis de transformación, ya que no
hizo parte del proceso de reducción de escala y por ello se tomaron sus valores actuales.
En la Fig.3 se presenta la comparación de los patrones epidemiológicos de las IRA, bajo el
escenario climático actual y bajo unas condiciones climáticas proyectadas de acuerdo con
emisiones del CO2 equivalentes al doble de las actuales.
ANEXO 12
12
16
14
No. CASOS
12
10
8
6
4
2
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
7
4
1
0
Semanas epidemiológicas
Estimados con 2CO2
Simulados 97/99
Figura 3. Casos de infecciones respiratorias agudas: simulados 97/99 vs estimados
con 2CO2
Se nota que los dos patrones epidemiológicos son similares en su distribución intraanual,
pero se presenta un retardo de una a dos semanas en el escenario proyectado con 2 CO 2.,
en relación con el escenario actual. A lo largo del año se presentan diferencias moderadas
en los valores puntuales semanales, para los dos escenarios epidemiológicos.
Teniendo en caso las limitaciones existentes en este primer trabajo, ya anotadas y
relacionadas con la corta longitud de las series epidemiológicas disponibles, no se consideró
apropiado realizar proyecciones epidemiológicas cuantitativas y más bien se efectuaron
interpretaciones relacionadas con las posibles modificaciones en las tendencias (aumentos o
disminuciones generales) de los patrones epidemiológicos de las enfermedades bajo
análisis.
En consecuencia, se construyó la Fig. 4 en la que se presentan las diferencias entre las
anomalías actuales de los casos registrados de IRA y las proyectadas con el escenario
2CO2. Este análisis permite apreciar las tendencias, positivas o negativas, que se
presentarían en las anomalías a lo largo del año y por ello se utiliza para determinar los
períodos en los cuales ocurrirían aumentos o disminuciones en los casos de IRA.
En la Fig.4 se nota cómo a lo largo del año predominan las diferencias positivas entre las
anomalías mencionadas, lo cual señala una tendencia hacia el aumento, entre moderado y
medio (diferencias entre 0.1 y 0.5 en las anomalías), en la ocurrencia de las infecciones
respiratorias agudas en la zona evaluada. Estas diferencias positivas son mayores entre las
semanas 36 y 39 y entre las semanas 24 y 28, períodos en los cuales se presentarían los
mayores incrementos en los casos de tales enfermedades, en relación con los datos
reportados en el período 1997–1999.
Entre las semanas 8 y 12 las diferencias entre las anomalías son negativas, lo cual señala
que en este lapso se podrían presentar condiciones climáticas que incidan en una
disminución moderada en los casos de IRA.
ANEXO 12
13
0,70
0,50
0,40
0,30
0,20
0,10
49
46
43
40
37
34
31
28
25
22
19
16
13
7
10
-0,10
4
0,00
1
Diferencias de las anomalías
0,60
-0,20
-0,30
Semanas epidemiológicas
Figura 4. Diferencias de las anomalias entre casos estimados 97/99 y estimados con
2C02
4. CONCLUSIONES
4.1
Es necesario profundizar el estudio en cuanto se posea una base de datos de mayor
amplitud. Asimismo, en una siguiente fase se deberán incorporar aspectos
socioeconómicos de los pacientes tratados, para lo cual será menester realizar las
modificaciones pertinentes en las fichas que utiliza el Instituto Nacional de la Salud
para su vigilancia epidemiológica.
4.2
Se elaboró un modelo lineal generalizado con distribución Poisson, para simular las
relaciones clima–influenza. El modelo tuvo un ajuste general aceptable, pero
presenta limitaciones en la simulación de los picos altos de la enfermedad, por lo
que será necesario realizar análisis complementarios para su optimización.
4.3
Se desarrolló un modelo preliminar tipo ARIMA AR(1), basado en un índice climático
integrado (índice de Bultó) para simular las relaciones existentes entre el clima y las
infecciones respiratorias agudas (IRA), de acuerdo con una metodología utilizada de
manera satisfactoria en otros países de América Latina. El modelo mostró una
respuesta adecuada, aun en la simulación de los picos de las enfermedades, pero se
deben efectuar los ajustes del caso, en cuanto se tenga una mayor base de datos
epidemiológicos y de aspectos socioeconómicos.
4.4
El análisis de las diferencias entre las anomalías de los casos de IRA en el período
1997–1999, y las anomalías de los casos esperados con la duplicación del CO 2,
mostró que en el nuevo escenario climático se presentaría un incremento entre
moderado y medio en tales enfermedades, en la mayor parte del año.
4.5
El estudio realizado se debe considerar de índole preliminar, por las limitaciones
antes expuestas y se deberá ajustar en cuanto se disponga de los datos
ANEXO 12
14
epidemiológicos de los años 2000 y 2001, así como los datos socioeconómicos
citados.
4.6
El estudio se orientó hacia la zona de Bogotá, D. C., por lo que en una siguiente
etapa, se debería ampliar a otras zonas del país, en la medida en que se disponga
de la información necesaria.
Reconocimientos
Trabajo realizado dentro del marco del Grupo de Investigaciones en Meteorología - U.N., que
cuenta con el apoyo financiero de COLCIENCIAS y el BID, contrato COLCIENCIAS-U.N.
No.391/99. Forma parte de los resultados del Proyecto de Investigación apoyado por
COLCIENCIAS y el BID “Proyecciones climáticas e impactos socioeconómicos del cambio
climático en Colombia", contrato COLCIENCIAS-U.N. No.321-98 y por el IDEAM.
BIBLIOGRAFÍA
Ato, G. & J. López. 1996: Análisis Estadístico para datos categóricos. Editorial síntesis.
Madrid. 371 pp.
Bernal, N., A. Molina, J. Martínez & D. Pabón. 2001: El método de reducción de escala
estadístico aplicado al territorio colombiano. Meteorología colombiana. No. 3 (en edición).
Bouma, M., G. Poveda, W. Rojas, D. Chavasse, M. Quiñones, J. Cox & J. Patsz. 1997:
Predicting high-risk years for malaria in Colombia using parameters of El Niño Southern
Oscillation. Tropical Medicine and International Health. Vol. 2, No. 12. pp 1122 – 1127.
Dobson, A. 1996: An introduction to generalized linear model. Chapman & Hall. New York.
187 pp.
Enders, W. 1995: Applied econometric time series. John Wiley and sons, Inc. New York.
Epstein, P. 1997: Climate, ecology and human health. Consequences. Vol. 3, No. 2. GCRIO.
Herrera, D., A. Leal, F. De la Hoz & J. Boshell. 1999: Estacionalidad de la circulación de la
influenza en Colombia. Memorias, IV Congreso Colombiano de Infectología. Cartagena.
Herrera, D. 2000: Vigilancia epidemiológica de influenza y virus respiratorios, 1999.
Información epidemiológica nacional quincenal. Ministerio de Salud, Instituto Nacional de la
Salud. 5(7).
Instituto Colombiano de Hidrología, Meteorología y Estudios Ambientales. IDEAM.
2000: Fenómeno Cálido del Pacífico, “El Niño”. Fenómeno Frío del Pacífico, “La Niña”.
Sistema de Información Ambiental. Informe especial. Página Web <www.ideam.gov.co>.
IPCC. 1990: Panel intergubernamental de expertos sobre el cambio climático. Primer informe
de evaluación del IPCC. Informe del Grupo de Trabajo II. Evaluación de impactos.
IPCC. 1997: Panel intergubernamental de expertos sobre el cambio climático. Impactos
regionales del cambio climático: evaluación de la vulnerabilidad. Informe especial del Grupo
de Trabajo II.
ANEXO 12
15
McMichael, A, A. Haines & R. Sloof (Ed.). 1996: Climate change and human health. World
Health Organization, World Meteorological Organization, United Nations Environmental
Program. Geneva, Switzerland.
Ministerio de Salud, Instituto Nacional de la Salud. 1996: Epidemia de influenza A/H3N2
en Colombia. Informe Epidemiológico Nacional Quincenal. 1:39-41.
Ministerio de Salud, Instituto Nacional de la Salud. 1997: Nuevo aislamiento: virus
sincicial respiratorio. Informe Epidemiológico Nacional Quincenal. 2:203-204.
Molina, A., N. Bernal, J. Martínez, D. Pabón & E. Vega. 2001: Cambios en la temperatura
del aire en Colombia bajo un escenario de duplicación del dióxido de carbono. Meteorología
Colombiana. No. 3 (en edición).
Ortíz, P. 1998: Models for setting up a Biometeorological Warning System over a populated
area in Havana. Urban Ecology. Springer-Verlang. Germany. pp. 87-91.
Ortíz, P. 2000: Guía para las evaluaciones de impacto de la variabilidad y el cambio
climático en la salud según una metodología cubana. Editores: P.L. Ortíz y A.V. Guevara.
Centro del clima. INSMET. Cuba.
Ortiz P., A. Guevara, J. Ulloa & M. Aparicio. 2001: Principios metodológicos para la
evaluación de impacto de la variabilidad y el cambio climático en la salud humana. un
enfoque estadístico. Meteorol. Colomb. 3:67-76. ISSN 0124-6984. Bogotá, D.C. – Colombia.
Pankratz, A. 1991: Forecasting with Dynamic Regression Models. John Wiley & Sons Inc.
USA. 386 pp.
Poveda, G & W. Rojas. 1996: Asociación entre el Fenómeno El Niño y brotes de malaria en
Colombia. Proc. XII Encuentro Colombiano de Hidrología. Sociedad Colombiana de
Ingenieros.
Wei, W. 1990: Time series analysis. Addison Wesley. 478 pp.
Wilks, D. 1995. Statistical methods in the atmospheric sciences. Academic Press. San
Diego. 467 pp
World Meteorological Organization. WMO. 1972: Some methods of climatological analysis.
Technical note 42. Geneva. Switzerland.
ANEXO 12
16