Proyection of COVID-19 Spread in Colombia
Abstract
Coronaviruses are a wide family of viruses that cause disease in both animals and humans. In humans, several coronaviruses are known to cause respiratory infections ranging from the common cold to more complicated diseases such as Middle East respiratory syndrome (MERS) and severe acute respiratory syndrome (SARS). The most recently developed coronavirus causes the disease called COVID-19. The objective of this article is to present a projection, with the use of Brown's linear model, of the transmission dynamics of COVID-19 in colombia, related to confirmed, active, recovered, and deceased cases. To carry out this research, the database of people infected with covid-19 and the data information corresponding to the period from March 6, 2020 to May 5, 2020 were used. For its prediction analysis, the brown model prediction method was used, using the spss v.25 Statistical package. It was determined by prediction analysis that the total number of infected people by COVID-19 in Colombia as of August 31, 2020 will be around 65,835, 46,175 active cases, 16,543 recovered and 2,577 deaths. A high population of confirmed coronavirus cases was evidenced in Colombia as of August 31, 2020; which alerts the country's public hospital network, in addition to forcing people and communities to be quarantined due to the health emergency.
Downloads
References
Organización Mundial de la Salud, oms. Preguntas y respuestas sobre la enfermedad por coronavirus (covid-19) [Internet]. 2020. Disponible en: https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-public/q-a-coronaviruses
Ministerio de Salud y protección Social. Orientaciones para el tamizaje de viajeros procedentes de zonas con circulación del nuevo coronavirus (covid-19) [Internet]. 2020. Disponible en: https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/asif04-guia-tamizaje-poblacional-puntos-entrada-coronavirus.pdf
isciii. Informe sobre la situación de covid-19 en España. 2020 [Internet]. 2020. Disponible en: https://www.isciii.es/QueHacemos/Servicios/VigilanciaSaludPublicaRENAVE/EnfermedadesTransmisibles/Paginas/InformesCOVID-19.aspx
Sanche S, Lin YT, Xu C, Romero-Severson E, Hengartner N, Ke R. Alta contagiosidad y rápida propagación del coronavirus agudo grave del síndrome respiratorio 2. Emerg Infect Dis. 2020;26(7):s.p. doi: https://doi.org/10.3201/eid2607.200282
ibm. Modelos personalizados de suavizado exponencial [Internet]. 2010. Disponible en: https://www.ibm.com/support/knowledgecenter/es/SSLVMB_sub/statistics_mainhelp_ddita/spss/trends/idh_idd_exp_smooth_crit.html
Anónimo. Suavización Exponencial Doble Método de Brown Ajuste a la Tendencia. [Internet]. 2020. Disponible en: http://modelosdepronosticos.info/metodo_de_suavizacion_exponencial_doble_metodo_de_brown.html
Coutin MG. Pronósticos de mortalidad por enfermedades no transmisibles seleccionadas. Rev. Cubana Higiene Epidemiológica. 2008;46(3):1-14.
Ramos D, Bacca A. Importancia de la planeación de la demanda en una empresa del sector industrial [Internet]. 2014. Disponible en: https://core.ac.uk/download/pdf/143448212.pdf
Villareal F. Introducción a los Modelos de Pronósticos [Internet]. 2016. Disponible en: https://www.matematica.uns.edu.ar/uma2016/material/Introduccion_a_los_Modelos_de_Pronosticos.pdf
Díaz-Pinzón J.E. Simulador applet descartes: como didáctica de enseñanza de la función cuadrática. innova Research Journal. 2017;2(8):69-78. doi: https://doi.org/10.33890/innova.v2.n8.2017.256
Díaz-Pinzón JE. Aprendizaje de las matemáticas con el uso de simulación [Internet]. Sophia. 14;(1):22-30. doi: https://doi.org/10.18634/sophiaj.14v.1i.519
Hernández R, Fernández C, Baptista M. Metodología de la Investigación. México, D. F.: McGraw-Hill; 2010. 656p.
Potts C. Modelo computarizado del coronavirus: “Los asintomáticos son el gran riesgo” [Internet]. 2020. Disponible en: https://www.dw.com/es/modelo-computarizado-del-coronavirus-los-asintom%C3%A1ticos-son-el-gran-riesgo/a-52798332
Díaz-Pinzón JE. Precisión del pronóstico de la propagación del covid-19 en Colombia [Internet]. Revista Repertorio de Medicina y Cirugía. 2020;29(Núm. Supl. 1):27-33. doi: https://doi.org/10.31260/Repert-MedCir.01217372.1045
bmj. Modelos de predicción para el diagnóstico y pronóstico de la infección por covid-19: revisión sistemática y valoración crítica [Internet]. bmj. 2020;369. doi: https://doi.org/10.1136/bmj.m1328
Van Calster B, McLernon DJ, Van Smeden M, Wynants L, Steyerberg EW, Grupo temático ‘Evaluación de pruebas de diagnóstico y modelos de predicción’ de la iniciativa stratos. Calibración: el talón de Aquiles de la analítica predictiva [Internet]. bmc Med. 2019;17(230):1-7. doi: https://doi.org/10.1186/s12916-019-1466-7
Steyerberg EW. Modelos de predicción clínica: un enfoque práctico para el desarrollo, validación y actualización [Internet]. Nueva York: Springer US; 2009.
Riley RD, Ensor J, Snell KI, et al. Validación externa de modelos de predicción clínica utilizando grandes conjuntos de datos de registros de salud electrónica o metaanálisis de dpi: oportunidades y desafíos [Internet]. bmj 2016;353(i3140):s.p. doi: https://doi.org/10.1136/bmj. i3140.
Galindo-Uribarri S, Rodríguez-Meza M, Cervantes-Cota J. Las matemáticas de las epidemias: caso México 2009 y otros. ciencia ergo-sum.2014;20(3):238-246.
Navarro-Robles E, Martínez-Matsushita L, López-Molina R, Fritz-Hernández F, Flores-Aldana B, Mendoza-Pérez J. Modelo para estimación del comportamiento epidémico de la influenza A (H1N1) en México [Internet]. Revista Panamericana de Salud Pública. 2011;4:269-274. Disponible en: https://scielosp.org/article/rpsp/2012.v31n4/269-274/
| Article metrics | |
|---|---|
| Abstract views | |
| Galley vies | |
| PDF Views | |
| HTML views | |
| Other views | |
