Análisis del patrón espacio-temporal de transmisión del COVID-19 por municipios de Baja California


Analysis of the spatio-temporal transmission pattern of COVID-19 by municipalities of Baja California

https://doi.org/10.21670/ref.2108071

Autores/as

Palabras clave:

Patrón de transmisión, COVID-19, municipios de Baja California

Resumen

El texto analiza del patrón espacio-temporal de propagación del COVID-19 en los municipios de Baja California desde la semana epidemiológica 10 hasta la 31 con base en las metodologías de Dinámica de Sistemas (ds) y Sistemas de Información Geográfica (sig). Se usa el modelo susceptibles, infectados y recuperados (sir) epidémico a fin de modelar los factores críticos de contagio de la pandemia —tasa de infección y tasa de recuperación de la infección— con datos de la Dirección General de Epidemiología de la Secretaría de Salud disponibles el día 6 de junio de 2020. El patrón epidemiológico tiende a concentrase espacialmente en Mexicali, Tijuana y Tecate, ciudades que albergan a los trabajadores transfronterizos entre las Californias. Además, presenta una dinámica temporal cambiante hacia los municipios de Ensenada y Playas de Rosarito que son el destino de mayor demanda de los turistas californianos.

Abstract

The text analyzes the spatio-temporal pattern of spread of COVID-19 in the municipalities of Baja California from epidemiological week 10 to 31 based on System Dynamics (sd) and Geographic Information Systems (gis) methodologies. The epidemic sir model is used to model the critical factors of pandemic congestion —infection rate and infection recovery rate— with data from the General Directorate of Epidemiology of the Ministry of Health available on June 6, 2020. The epidemiological pattern tends to be spatially concentrated in Mexicali, Tijuana and Tecate, which are home to cross-border workers between the Californias. In addition, it presents a changing temporal dynamic towards the municipalities of Ensenada and Playas de Rosarito, which are the most demanded destinations by Californian tourist.

Citas

Bhaskar, A. Ponnuraja, C., Srinivasan, R. & Padmanaban, S. (2020). Distribution and growth rate of COVID-19 outbreak in Tamil Nadu: A log-linear regression approach. Indian Journal of Public Health, 64(6), 188-191. https://doi.org/10.4103/ijph.ijph_502_20

Castro, C. A., Lodoño, L. A. & Valdés, J. C. (2005). Modelación y simulación computacional usando sistemas de información geográfica con dinámica de sistemas a fenómenos epidemiológicos. Revista Facultad de Ingeniería Universidad de Antioquia, (34), 86-100. https://www.redalyc.org/articulo.oa?id=43003408

Cuartas, D., Arango-Londoño, D., Guzmán-Escarria, G., Muñoz, E., Caicedo, D., Ortega, D., Fandiño-Losada, A., Mena, J., Torres, M., Barrera, L. & Méndez, F. (2020). Análisis espacio temporal del SARS-COV-2 en Cali, Colombia. Revista Salud Publica, 22(2), 1-6. https://doi.org/10.15446/rsap.v22n2.86431

Delgado, J. A. (2017). Dinámica de sistemas aplicado a la epidemiología. Seminario permanente: las matemáticas aplicadas a la epidemiología. Facultad de Matemática. UMC. Colombia. http://www.mat.ucm.es/~aramosol/TextoDeConferencia-JoseAlfonsoDelgado.pdf

Dirección General de Epidemiología de la Secretaría de Salud (DGE-SS). (2020). Bases de datos COVID 19 en México. https://www.gob.mx/salud/documentos/datos-abiertos-152127

Forrester, J. W. (1960). The impact of feedback control concepts on the management sciences. Foundation for Instrumentation Education and Research.

García Piñera, A. (2014). Modelos de ecuaciones diferenciales para la propagación de enfermedades infecciosas (trabajo de grado). Facultad de Ciencias. Universidad de Cantabria, España. https://repositorio.unican.es/xmlui/bitstream/handle/10902/7125/Andrea%20Garcia%20Pi%C3%B1era.pdf?sequence=1&isAllowed=y

Kermack, W. O. & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the royal society of London. Series A, Containing papers of a mathematical and physical character, 115(772), 700-721. http://links.jstor.org/sici?sici=0950-1207%2819270801%29115%3A772%3C700%3AACTTMT%3E2.0.CO%3B2-Z

Medeiros, A., Daponte, A., Moreira, D., Gil-García, E. & Kalache, A. (2020). Letalidad del COVID-19: Ausencia de patrón epidemiológico. Gaceta Sanitaria. Artículo en prensa. https://doi.org/10.1016/j.gaceta.2020.04.001

Miramontes, O. (2020). Entendamos el COVID-19 en México. COVID-19 en México. http://scifunam.fisica.unam.mx/mir/corona19/

Ortigoza, G., Lorandi, A. & Neri, I. (2020). Simulación numérica y modelación matemática de la propagación del COVID-19 en el estado de Veracruz. Revista Mexicana de Medicina Forense y Ciencias de la Salud, 5(3), 21-37. https://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=94909

Palacios, B. (2020). Breve cronología de la pandemia 28 de febrero/14 de septiembre de 2020. Ibero, 70. http://revistas.ibero.mx/ibero/uploads/volumenes/55/pdf/breve-cronologia-de-la-pandemia.pdf

Parr, J. (2020, 5 de mayo). COVID-19 data analysis, part 5: different models of infection rates in Mexico and what they tell us. Digital@DAI. https://dai-global-digital.com/covid-19-part-5-different-methods-to-model-infection-rates-in-mexico-and-what-they-tell-us.html

Pérez, V. (2012). Estrategia de vacunación para una epidemia de influenza (Tesis de maestría). CIMAT, México.

Ruiz, V. R. (2020). COVID-19 México, modelo matemático revela que sistema sanitario de México estará rebasado entre mayo y junio. Revista Contra Línea. https://contralinea.com.mx/covid-19-modelo-matematico-revela-que-sistema-sanitario-de-mexico-estara-rebasado-entre-mayo-y-junio/

USAFacts.org (2020). US COVID-19 cases and deaths by state. https://usafacts.org/visualizations/coronavirus-covid-19-spread-map

Vargas Magaña, R. M., Vargas Magaña, M. & Fromenteau, S. (2020). Impacto de las medidas de control en la evolución del brote COVID-19. En colaboración con el Colectivo Científicos Mexicanos en el Extranjero. https://mexiciencia.github.io/y Laboratorio ConCiencia Social https://concienciasocialla.wixsite.com/misitio

Publicado

2021-06-04

Número

Sección

Sección temática. Las fronteras y los impactos de la pandemia de COVID-19
Compartir

Biografía del autor/a

Alejandro Brugués Rodríguez

Mexicano, nacido en Ciudad de La Habana, Cuba. Doctor en ciencias económicas por la Universidad Autónoma de Baja California. Profesor-investigador del Departamento de Estudios Económicos de El Colegio de la Frontera Norte. Miembro del SNI nivel I. Líneas de investigación: estudios regionales y desarrollo económico. Publicación reciente: Fuentes, N. A., Brugués, A. & Carrillo, J. (2020). Impacto económico de la reducción de la tasa del IVA en la región fronteriza norte de México con base en el uso de precios implícitos en el modelo insumo-producto. Revista de economía, 37(95).

Noé Arón Fuentes Flores

Doctor en economía por la Universidad de California, Irvine. Profesor investigador del Departamento de Estudios Económicos de El Colegio de la Frontera Norte. Miembro del SNI nivel II. Líneas de investigación: desarrollo regional, economía fronteriza y modelos Insumo-Producto. Publicación reciente: Fuentes, N. A., Brugués, A., González, G. & Carrillo, J. (2020). El impacto económico en la industria maquiladora y en la región fronteriza del norte de México debido al alza de 100% del salario mínimo. Región y sociedad, 32.

Alejandra Ramírez Cervantes

Licenciada en Economía por la Universidad Autónoma de Baja California. Líneas de investigación: educación financiera, innovación social, acceso a la información pública y protección de datos personales.