Evidencias y tendencias para tomar decisiones sobre medidas de contención y mitigamiento de la COVID-19 en Jalisco, México.

Autores/as

  • Abel Armando Arredondo-López Instituto Nacional de Salud Pública

DOI:

https://doi.org/10.19136/hs.a19n3.3832

Resumen

OBJETIVO: Identificar evidencias y tendencias de pronóstico de la pandemia de COVID-19, que apoyen la toma decisiones sobre su mitigamiento. MATERIAL Y METODOS Investigación evaluativa basada en estimación de evidencias y tendencias de pronóstico a través de la simulación computacional del modelo S.E.I.R. que clasifica a la población en 4 grupos: los susceptibles al contagio (S); los expuestos al contagio (E), los infectados (I) y los Recuperados/Fallecidos (R). RESULTADOS El peor escenario, sin intervención, se daría a principios de junio con R0=3 afectando a un 73.2% de la población. Ante medidas de mitigación el mejor ajuste es con Ro=2.2 (mitigación 37.2%), iniciando a finales de julio, afectando un 58.9% de la población, CONCLUSIONES Se sugiere un monitoreo y adecuación permanente de medidas de mitigación en las fases de transmisión sostenida. Se requiere una estrategia de distanciamiento social intermitente, que se activaría con el incremento de la tasa básica de reproducción R0.

Biografía del autor/a

Abel Armando Arredondo-López, Instituto Nacional de Salud Pública

Licenciado en Medicina Maestro en Ciencias en Organización y Dirección de sistemas de Atención a la Salud Doctor en Ciencias de la Salud Profesor Investigador del Instituto Nacional de Salud Pública SNI III

Citas

Li Q, Guan X, Wu P, et al. Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected neumonia. N Engl J Med. [Internet] 2020; Citado 25 de marzo de 2020; 382:1199-1207. Disponible en: https://bit.ly/39spYE3.

Lu R, Zhao X, Li J, et al. Genomic characterisation and epidemiology of 2019 novel coronavirus: implications for virus origins and receptor binding. Lancet [Internet]; 2020; Citado el 25 de marzo de 2020; 395:565-574. Disponible en: https://bit.ly/3bNqTAL.

Zhu N, Zhang D, Wang W, et al. A novel coronavirus from patients with pneumonia in China, 2019. N Engl J Med [Internet] 2020; Citado el 25 de marzo de 2020; 382:727-733. Disponible en: https://bit.ly/39uR9yc.

Wu, JT, Leung, K., Bushman, M. et al. Estimating clinical severity of COVID-19 from the transmission dynamics in Wuhan, China. Nat Med [Internet]. 2020. Citado el 25 de marzo de 2020. Disponible en: https://bit.ly/2R0lQoB

Coronavirus (COVID-19) events as they happen [Internet]. World Health Organization. Citado el 25 de marzo de 2020. Disponible en: https://bit.ly/3bECmCn

Surveillances, Vital. The Epidemiological Characteristics of an Outbreak of 2019 Novel Coronavirus Diseases (COVID-19)—China. China CDC Weekly [Internet]. 2020. Citado el 25 de marzo de 2020. 2,8,113-122. Disponible: https://bit.ly/2WV3JUA

«Coronavirus COVID-19 Global Cases». Johns Hopkins University. Consultado el 23 de abril de 2020.

«Coronavirus Update (Live): Cases and Deaths from COVID-19 Virus Outbreak Worldometer». www.worldometers.info

Montesino L. O, Hernández S C. Modelos matemáticos para enfermedades infecciosas. Salud Pública de México. Vol 49, No 3. mayo-junio 2007. p218.

Gutiérrez J.M, & Varona J.L.. (2020). Análisis de la posible evolución de la epidemia de coronavirus COVID-19 por medio de un modelo SEIR. Marzo 15,2020, de UNIRIOJA Sitio web: https://www.unirioja.es/apnoticias/servlet/Archivo?C_BINARIO=12051

Peng L, Yang W, Zhang D, et al. Epidemic analysis of COVID-19 in China by dynamical modeling. arXiv preprint arXiv [Internet]. 2002. Citado 25 de marzo de 2020. 06563. Disponible en: https://arxiv.org/abs/2002.06563

Giuliani D, Dickson MM, Espa G, et al. Modelling and predicting the spread of Coronavirus (COVID-19) infection in NUTS-3 Italian regions. arXiv preprint arXi [Internet]. 2020. Citado 25 de marzo de 2020.2003.06664. Disponible en: https://arxiv.org/abs/2003.06664

Jia W, Han K, Song Y, et al. Extended SIR prediction of the epidemics trend of COVID-19 in Italy and compared with Hunan, China. MedRxiv [Intenet]. 2020. Citado 25 de marzo de 2020. Disponible en: https://bit.ly/2ycRHeW

Manrique-Abril, Fred G., Agudelo-Calderon, Carlos A., González-Chordá, Víctor M., Gutiérrez-Lesmes, Oscar, Téllez-Piñerez, Cristian F., & Herrera-Amaya, Giomar. (2020). Modelo SIR de la pandemia de COVID-19 en Colombia. Revista de Salud Pública, 22(1), e185977. Epub April 07, 2020.

https://dx.doi.org/10.15446/rsap.v22.85977

Mikler AR, Venkatachalam S, Abbas K. Modeling infectious diseases using global stochastic cellular automata. J Biol Syst. [Internet]. 2005. Citado 25 de marzo de 2020; 13(4):421–39. Disponible en: https://bit.ly/2wFIETE

Velasco-Hernández JX, Leite MC. A model for the A(H1N1) epidemic in Mexico, including social isolation. Salud Pública Mex [Internet]. 2011. Citado 25 de marzo de 2020;53(1):40–7. Disponible en: https://bit.ly/2Jngbo3

Heesterbeek JA. A brief history of R0 and a recipe for its calculation. Acta Biotheor [Internet]. 2002. Citado 25 de marzo; 50(3):189–204. Disponible en: https://bit.ly/2QYw4Wt

Qianying Lin, Shi Zhao, Daozhou Gao, Yijun Lou, Shu Yang, Salihu S. Musa, Maggie H. Wang, Yongli Cai, Weiming Wang, Lin Yang, Daihai He, A conceptual model for the coronavirus disease 2019 (COVID-19) outbreak in Wuhan, China with individual reaction and governmental action, International Journal of Infectious Diseases 93 (2020), 211–216. Publicado: March 04, 2020. https://www.ijidonline.com/article/S1201-9712(20)30117-X/fulltext

Li R, Pei S, Chen B, Song Y, Zhang T, Yang W, et al. Substantial undocumented infecti

Publicado

2020-09-23

Cómo citar

Arredondo-López, A. A. (2020). Evidencias y tendencias para tomar decisiones sobre medidas de contención y mitigamiento de la COVID-19 en Jalisco, México. Horizonte Sanitario, 19(3), 375-384. https://doi.org/10.19136/hs.a19n3.3832

Número

Sección

Articulo original