Uso del aprendizaje automatizado y de variables climáticas como herramienta para la predicción del riesgo de dengue en Costa Rica, período 2007-2017

Abstract

Las últimas décadas han traído consigo profundos cambios ambientales, demográficos y sociales que han contribuido a unaumentoen la incidencia y distribución geográfica del dengue. Actualmente, se estima quemás de 3.000 millones de personas viven en zonas de riesgo de contagio y que más de 390 millones de infecciones ocurren anualmenteen más de 120 países tropicales y subtropicales, convirtiendoa esta enfermedad viral de transmisión vectorial, en uno de los mayores desafíos de salud pública a nivel global. Para abordar este desafío, investigadores e instancias internacionales han resaltado la importancia de innovar en las herramientas utilizadas parael control de esta enfermedad. Este proceso,implica unamejor comprensión de los diversos factoresinvolucrados en la estacionalidad y ciclicidad característica del dengue, comportamientoenquelasvariables climáticas han demostrado desempeñar un papel fundamental, al influirde forma directa o indirecta en la ecología del vector, del virus y lasociedad. En Costa Rica, un país con circulaciónendo-epidémica del virus desde1993,y caracterizadopor una diversidad de microclimas separados por cortas distancias,el identificar la influencia de distintas variables climáticas en la transmisión de este creciente problema de salud pública y su uso en la toma de decisiones, es fundamental. Por lo que, la presente investigación tuvo como objetivo analizar la relación de la precipitación, temperatura, humedad relativa y el fenómeno del Niño Oscilación del Sur en la casuística del dengue en los cantones de Santa Cruz, Liberia, Alajuela, Buenos Aires y Limón que permitiera, mediante el uso de algoritmos de aprendizaje automatizado, la generación de un modelo predictivo, que sirva como una herramienta de gestión en el desarrollo de programas de control y prevención del dengue en Costa Rica. El contar, hoy más que nunca, con los elementos necesarios para la implementación de este tipo de modelos, al tener un mejor acceso a datos, la gran variedad y tecnología detrás de la obtención de datos climatológicos, así como, los avances en los modelos estadísticos y epidemiológicos permiten aumentar la sensibilidad para la detección, la calidad de la evaluación de riesgos y la oportunidad de responder al riesgo de brotes y epidemias de manera temprana y eficaz.