Climate-Driven Statistical Models as Effective Predictors of Local Dengue Incidence in Costa Rica: A Generalized Additive Model and Random Forest Approach
Fecha
2019-12
Tipo
artículo original
Autores
Vásquez Brenes, Paola Andrea
Loría García, Antonio
Sánchez Peña, Fabio Ariel
Barboza Chinchilla, Luis Alberto
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Climate has been an important factor in shaping the distribution and incidence of dengue cases in tropical and subtropical countries. In CostaRica, a tropical country with distinctive micro-climates, dengue has been endemic since its introduction in 1993, inflicting substantial economic, social, and public health repercussions. Using the number of dengue reported cases and climate data from 2007-2017, we fitted a prediction model ap-plying a Generalized Additive Model (GAM) and Random Forest (RF)approach, which allowed us to retrospectively predict the relative risk of dengue in five climatological diverse municipalities around the country.
En países tropicales y subtropicales alrededor del mundo, el clima ha sido un factor fundamental en moldear la distribución geográfica e incidencia de los casos de dengue. En Costa Rica, un país tropical con múltiples microclimas, el dengue ha sido endémico desde 1993, con repercusiones no solo en el ámbito de la salud, sino también en el social y económico.Utilizando el número de casos de dengue y los datos climáticos del 2007-2017, ajustamos un modelo predictivo mediante un enfoque de Modelo Aditivo Generalizado y bosques aleatorios, el cual nos permitió predecir de forma retrospectiva el riesgo relativo de dengue en cinco cantones alrededor del país.
En países tropicales y subtropicales alrededor del mundo, el clima ha sido un factor fundamental en moldear la distribución geográfica e incidencia de los casos de dengue. En Costa Rica, un país tropical con múltiples microclimas, el dengue ha sido endémico desde 1993, con repercusiones no solo en el ámbito de la salud, sino también en el social y económico.Utilizando el número de casos de dengue y los datos climáticos del 2007-2017, ajustamos un modelo predictivo mediante un enfoque de Modelo Aditivo Generalizado y bosques aleatorios, el cual nos permitió predecir de forma retrospectiva el riesgo relativo de dengue en cinco cantones alrededor del país.
Descripción
Palabras clave
Mosquito-borne diseases, Dengue, Climate variables, Costa Rica, Generalized additive models, Random forests, Enfermedades de trasmisión vectorial, Variables climáticas, Modelos aditivos generalizados, Bosques aleatorios