Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Semana epidemiológica N° 51
Acerca del modelo
Estimamos el riesgo relativo (RR) de COVID-19 (casos, hospitalizaciones o defunciones, según sea el caso) para cada distrito (o departamento, según sea el caso) y semana epidemiológica partiendo de que el número de casos observados en un área i, en una semana j, se modelan como
\(Y_{ij} \sim Poisson(E_{ij}\theta_{ij})\),
donde \(Y_{ij}\) es el número observado de casos, \(E_{ij}\) es el número esperado de casos y \(θ_{ij}\) es el RR para un área i, en una semana j. Para determinar el riesgo relativo (RR) en cada departamento se empleó un modelo estadístico conocido como Besag-York-Mollié (BYM), el cual es un modelo de Poisson lognormal desarrollado para el mapeo de riesgos de enfermedades. A este modelo se le ha integrado un modelo autoregresivo de primer orden. Este modelo fue ajustado mediante la metodología INLA (Para más información del modelo, revisar 1 y 2). Además, se añadieron como covariables a las coberturas de vacunación (1ra, 2da, 3ra y 4ta dosis) con un delay de 2 semanas para las hospitalizaciones y defunciones”.
Interpretación de resultados
Estos RR cuantifican si el riesgo del evento en el área i y la semana j es mayor (RR>1) o menor (RR<1) que el riesgo promedio en la región seleccionada desde el inicio de la cuarta ola. Por ejemplo, en el mapa de defunciones de Lima Metropolitana, el distrito de Santiago de Surco tiene un RR de 0.35, lo que significa que tiene 0.35 veces el riesgo promedio de presentar muertes en el resto de la región. Así mismo, como se ha ajustado cada modelo por región, entonces estos RR pueden ser comparados entre área de cada una, determinando así aquellas con un mayor riesgos a reportar el evento.
Respecto a los datos
La información correspondiente para COVID proviene del netlab de INS y del SISCOVID del MINSA. Esta ha sido restringida a la 4ta ola (01 de mayo del 2022 en adelante). Por otro lado, la cobertura de vacunación proviene de los datos del MINSA.