Palabras clave
factores socio-demográficos
modelos lineales generalizados (GLM)
regresión de Poisson
regresión ponderada geográficamente (GWR)
Costa Rica
COVID-19
socio-demographic factors
generalized linear models (GLM)
Poisson regression
geographically weighted regression (GWR)
Costa Rica.
Cómo citar
Resumen
Introducción: La enfermedad por coronavirus (COVID-19) se ha extendido entre la población de todo el país y ha tenido un gran impacto a nivel mundial. Sin embargo, existen diferencias geográficas importantes en la mortalidad de COVID-19 entre las diferentes regiones del mundo y en Costa Rica. Objetivo: El objetivo principal de este artículo fue explorar el efecto de algunos de los factores sociodemográficos en la mortalidad de COVID-19 en los cantones de Costa Rica. Métodos: Se obtuvieron datos acerca de la mortalidad del COVID-19 e información sociodemográfica en los cantones del país. El modelo epidemiológico para COVID19 de regresión clásico de Poisson de la familia de modelos lineales generalizados (GLM) se comparó con el modelo de regresión ponderada geográficamente (GWR). Resultados: En comparación con el modelo de regresión GLM, se obtuvo un criterio de información de Akaike (AIC) significativamente más bajo en el modelo GWR (927.1 en GLM versus 358.4 en GWR), lo que significa que el modelo GWR es un modelo que explica mejor la mortalidad del COVID-19. Los cantones con una densidad poblacional más elevada, bienestar material más alto, proporción de cobertura de salud más bajo y que están ubicadas en el área del Pacífico de Costa Rica, tuvieron un mayor riesgo de mortalidad por COVID-19 que el resto de los cantones del país. Conclusiones: Existen algunos efectos potenciales de los factores sociodemográficos en la mortalidad por COVID-19, sin embargo, los hallazgos y la metodología de este estudio podría guiar a otros países a comprender mejor la transmisión local del COVID-19 y diseñar una estrategia de intervención enfocada.
Citas
Blume, J. D., Su, L., Olveda, R. M., & McGarvey, S. T. (2007). Statistical evidence for GLM regression parameters: a robust likelihood approach. Statistics in Medicine, 26(15), 2919–2936. https://doi.org/10.1002/sim.2759
Bonilla-Carrión, R. (2022). Guatemala: Análisis geoestadístico del COVID-19 en el primer año de pandemia. Revista Médica (Colegio de Médicos y Cirujanos de Guatemala), 161(1), 2–7. https://doi.org/10.36109/rmg.v161i1.474
Bonilla-Carrión, R., & Zapata-Quintanilla, E. (2021). Análisis geoespacial del COVID-19 en Honduras a los 18 meses de pandemia. Revista Médica (Colegio de Médicos y Cirujanos de Guatemala), 160(3), 212–223. https://doi.org/10.36109/rmg.v160i3.448
Bonilla-Carrión, R., Evans-Meza, R., & Salvatierra-Durán, R. (2021). Análisis geográfico de la morbilidad del COVID-19 en Costa Rica, 2020-2021. Revista Hispanoamericana de Ciencias de la Salud, 7(1), 3–10. https://doi.org/10.56239/rhcs.2021.71.468
Carhuapoma-Yance, M., Apolaya-Segura, M., Valladares-Garrido, M. J., Failoc-Rojas, V. E., & Díaz-Vélez, C. (2021). Índice desarrollo humano y la tasa de letalidad por Covid-19: Estudio ecológico en América. Revista Del Cuerpo Médico Hospital Nacional Almanzor Aguinaga Asenjo, 14(3), 362–366. https://doi.org/10.35434/rcmhnaaa.2021.143.1258
Carozzi, F. (2020). Urban density and covid-19. SSRN Electronic Journal, 13440. https://doi.org/10.2139/ssrn.3643204
Carr, D. (2020). Sharing research data and findings relevant to the novel coronavirus (COVID-19) outbreak. Wellcome Trust. https://wellcome.ac.uk/press- release/sharing-research-data-and-findings-relevant- novel-coronavirus-covid-19-outbreak
Cruz-Castanheira H., & Monteiro da Silva J. H. (2021). Mortalidad por COVID-19 y las desigualdades por nivel socioeconómico y por territorio. La Comisión Económica para América Latina (CEPAL). https://www.cepal.org/es/enfoques/mortalidad-covid-19-desigualdades-nivel-socioeconomico-territorio
Dorregaray-Farge, Z. E., Soto, A., & De la Cruz Vargas, J. (2021). Correlación entre mortalidad por covid-19, índices de riqueza y desarrollo humano y densidad poblacional en distritos de Lima Metropolitana durante el 2020. Revista de la Facultad de Medicina Humana, 21(4), 780–789. https://dx.doi.org/10.25176/rfmh.v21i4.3987
Evans, R., Bonilla, R., Salvatierra, R., & González, L. (2022). Una Pandemia en Perspectiva (100). Universidad Hispanoamericana. https://uh.ac.cr/investigaciones/detalle/una-pandemia-en-perspectiva-100-
Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2007). Geographically weighted regression: The analysis of spatially varying relationships. John Wiley & Sons.
Google (s.f.). [Mapa Geográfico de los cantones de Costa Rica mediante Google Earth]. Recuperado el 15 de marzo del 2022, de https://www.google.com/earth/
Guan, W. J., Ni, Z. Y., Hu, Y., Liang, W. H., Ou, C. Q., He, J. X., Liu, L., Shan, H., Lei, C. L., Hui, D. S. C., Du, B., Li, L. J., Zeng, G., Yuen, K. Y., Chen, R. C., Tang, C. L., Wang, T., Chen, P. Y., Xiang, J., … Zhong, N. S. (2020). Clinical characteristics of 2019 novel coronavirus infection in China. New England Journal of Medicine, 382, 1708–1720. https://doi.org/10.1056/NEJMoa2002032
Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Zhang, L., Fan, G., Xu, J., Gu, X., Cheng, Z., Yu, T., Xia, J., Wei, Y., Wu, W., Xie, X., Yin, W., Li, H., Liu, M., … Cao, B. (2020). Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet, 395(10223), 497–506. https://doi.org/10.1016/S0140-6736(20)30183-5
INCAE. (2020). Índice de Progreso Social Cantonal 2019. INCAE Business School. https://www.incae.edu/es/clacds/proyectos/indice-de-progreso-social-cantonal-2019.html
Jeanne, L., Bourdin, S., Nadou, F., & Noiret, G. (2022). Economic globalization and the COVID-19 pandemic: global spread and inequalities. GeoJournal, 1–8. https://doi.org/10.1007/s10708-022-10607-6
Kadi, N., & Khelfaoui, M. (2020). Population density, a factor in the spread of COVID-19 in Algeria: statistic study. Bulletin of the National Research Centre, 44(1), 138. https://doi.org/10.1186/s42269-020-00393-x
Khavarian-Garmsir, A. R., Sharifi, A., & Moradpour, N. (2021). Are high-density districts more vulnerable to the COVID-19 pandemic?. Sustainable Cities and Society, 70, 102911. https://doi.org/10.1016/j.scs.2021.102911
Lai, Y. J., Chang, C. M., Lin, C. K., Yang, Y. P., Chien, C. S., Wang, P. H., & Chang, C. C. (2020). Severe acute respiratory syndrome coronavirus-2 and the deduction effect of angiotensin-converting enzyme 2 in pregnancy. Journal of the Chinese Medical Association, 83(9), 812–816. https://doi.org/10.1097/jcma.0000000000000362
Ludbrook, J. (2010). Linear regression analysis for comparing two measurers or methods of measurement: but which regression?: Linear regression for comparing methods. Clinical and Experimental Pharmacology & Physiology, 37(7), 692–699. https://doi.org/10.1111/j.1440-1681.2010.05376.x
Madrigal-Leer, F., Martínez-Montandón, A., Solís-Umaña, M., Helo-Guzmán, F., Alfaro-Salas, K., Barrientos-Calvo, I., Camacho-Mora, Z., Jiménez-Porras, V., Estrada-Montero, S., & Morales-Martínez, F. (2020). Clinical, functional, mental and social profile of the Nicoya Peninsula centenarians, Costa Rica, 2017. Aging Clinical and Experimental Research, 32(2), 313–321. https://doi.org/10.1007/s40520-019-01176-9
Ministerio de Salud. (2022). Situación Nacional COVID-19. Ministerio de Salud de Costa Rica. https://geovision.uned.ac.cr/oges/
Nakaya, T., Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2005): Geographically weighted Poisson regression for disease associative mapping. Statistics in Medicine, 24, 2695–2717. https://doi.org/10.1002/sim.2129
Pan, A., Liu, L., Wang, C., Guo, H., Hao, X., Wang, Q., Huang, J., He, N., Yu, H., Lin, X., Wei, S., & Wu, T. (2020). Association of public health interventions with the epidemiology of the COVID-19 outbreak in Wuhan, China. Journal of the American Medical Association, 323(19), 1915–1923. https://doi.org/10.1001/jama.2020.6130
Programa de las Naciones Unidas para el Desarrollo (PNUD). (2021). Atlas de desarrollo humano cantonal, 2021. Programa de las Naciones Unidas para el Desarrollo. https://www.cr.undp.org/content/costarica/es/home/atlas-de-desarrollo-humano-cantonal.htm
R Core Team. (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/
Thapa, R. B., & Estoque, R. C. (2012). Geographically Weighted Regression in Geospatial Analysis. In Y. Murayama (Ed.), Progress in Geospatial Analysis (pp. 85–96). Springer Japan.
Varotsos, C. A., Krapivin, V. F., & Xue, Y. (2021). Diagnostic model for the society safety under COVID-19 pandemic conditions. Safety Science, 136(105164), 105164. https://doi.org/10.1016/j.ssci.2021.105164
Velavan, T. P., & Meyer, C. G. (2020). The COVID-19 epidemic. Tropical Medicine & International Health: TM & IH, 25(3), 278–280. https://doi.org/10.1111/tmi.13383
Wheeler, D. C., & Páez, A. (2010). Geographically Weighted Regression. In M. Fishcer, & A. Getis (Eds.), Handbook of Applied Spatial Analysis (pp. 461–486). Springer Berlin Heidelberg.
Wu, Z., & McGoogan, J. M. (2020). Characteristics of and important lessons from the Coronavirus disease 2019 (COVID-19) outbreak in China: Summary of a report of 72 314 cases from the Chinese center for disease control and prevention. Journal of the American Medical Association, 323(13), 1239–1242. https://doi.org/10.1001/jama.2020.2648
Zazo-Moratalla, A., & Álvarez-Agea, A. (2020). CIUDAD COVID-19: una nueva inequidad en el espacio y el tiempo urbano. Urbano, 23(41), 04–09. https://doi.org/10.22320/07183607.2020.23.41.00
Zhang, C. H., & Schwartz, G. G. (2020). Spatial disparities in Coronavirus incidence and mortality in the United States: An ecological analysis as of may 2020. The Journal of Rural Health: Official Journal of the American Rural Health Association and the National Rural Health Care Association, 36(3), 433–445. https://doi.org/10.1111/jrh.12476
Zhang, H., Liu, Y., Chen, F., Mi, B., Zeng, L., & Pei, L. (2021). The effect of sociodemographic factors on COVID-19 incidence of 342 cities in China: a geographically weighted regression model analysis. BMC Infectious Diseases, 21(1), 428. https://doi.org/10.1186/s12879-021-06128-1
Comentarios
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2023 Revista de Biología Tropical