La pandemia de COVID-19 en Brasil: una aplicación del método de agrupamiento de k-medias
DOI:
https://doi.org/10.33448/rsd-v9i10.9059Palabras clave:
Clústeres; COVID-19; Coronavirus en Brasil; SARS-CoV-2.Resumen
COVID-19 es una infección causada por el coronavirus SARS-CoV-2, sus primeros registros fueron en la ciudad china de Wuhan en diciembre de 2019, y fue considerada por la Organización Mundial de la Salud (OMS) como una pandemia mundial en marzo de 2020 En Brasil, COVID-19 se extendió a 27 estados (UF). Como resultado, la toma de decisiones para disminuir la velocidad de transmisión se basó en las recomendaciones de la OMS, donde la principal es el aislamiento social. Sin embargo, debido a la heterogeneidad de la población en cada una de las UF, la pandemia se propagó de manera diferente. Así, es interesante agrupar las UF por similitud debido a algunas características, y así observar las medidas de combate al COVID-19 llevadas a cabo en cada uno de estos grupos. El objetivo de este estudio fue agrupar UF mediante análisis de conglomerados mediante el método de k-medias no jerárquico considerando los coeficientes epidemiológicos como incidencia, prevalencia y letalidad. Los datos se obtuvieron del sitio web del Ministerio de Salud de Brasil y consistieron en las variables número de casos y muertes nuevas y acumuladas en UF, además de la población en riesgo. Para el análisis de conglomerados, la base de datos se dividió en tres períodos cronológicos para los tres coeficientes en estudio. Con el análisis de conglomerados se pudo verificar la estratificación de las UF según sus similitudes con respecto al COVID-19. Así, la estratificación de incidencia, prevalencia y letalidad por UF puede presentarse como un recurso adicional para señalar qué lugares y qué medidas deben adoptarse y dónde estas medidas fueron efectivas.
Citas
Brasil (2020). Ministério da Saúde. COVID-19 no Brasil. Recuperado de https://susanalitico .saude.gov.br/extensions/covid-19_html/covid-19_html.html
Charrad, M., Ghazzali, N., Boiteau, V., & Niknafs, A. (2015). Determining the best number of clusters in a data set. Package ‘NbClust’. Recuperado de http://cran.rediris.es/ web/packages/NbClust/NbClust.pdf
Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis, (5th ed.), John Wiley.
Fávero, L. P., & Belfiore, P. (2019). Data Science for Business and Decision Making. Academic Press, Cambridge, MA, USA.
Fernandes, F. A., Alves, H. J. P., Fernandes T. J., & Muniz. J. A. (2020). Panorama da fase inicial do crescimento dos números de casos e óbitos causados pela COVID-19 no Brasil. Research, Society and Development, 9(10), 1-19. DOI: http://dx.doi.org/10.33448/rsd-v9i10.8560
Ferreira, D. F. (2018). Estatística Multivariada, (3a ed.), 624. Editora UFLA, Universidade Federal de Lavras.
Fundação Oswaldo Cruz. (2020a). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 1. Recuperado de https://bigdata-covid19.icict.fiocruz.br
Fundação Oswaldo Cruz. (2020b). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 2. Recuperado de https://bigdata-covid19.icict.fiocruz.br
Fundação Oswaldo Cruz. (2020c). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 11.
Fundação Oswaldo Cruz. (2020d). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 3. Recuperado de https://bigdata-covid19.icict.fiocruz.br
Guimarães, R. M., Eleuterio, T. D. A., & Monteiro-da-Silva, J. H. C. (2020). Estratificação de risco para predição de disseminação e gravidade da Covid-19 no Brasil. Revista Brasileira De Estudos De População, 37,.1-17. DOI: http://dx.doi.org/10.20947/s0102-3098a0122
Iritani, O., Okuno, T., Hama, D., Kane, A., Kodera, K., Morigaki, K., Terai, T., Maeno, N., & Morimoto, S. (2020). Clusters of covid-19 in long-term care hospitals and facilities in japan from 16 january to 9 may 2020. Geriatrics & gerontology international, 20(7), 715-719. DOI: 10.1111/ggi.13973
James, N., & Menzies, M. (2020). Cluster-based dual evolution for multivariate time series: Analyzing covid-19. Chaos: An Interdisciplinary Journal of Nonlinear Science, 30. DOI: https://doi.org/10.1063/5.0013156
Johnson, R. A., & Wichern, D. W. (2002). Applied Multivariate Statistical Analysis. Prentice hall Upper Saddle River, NJ, Upper Saddle River, 5.
Khailany, R. A., Safdar, M., & Ozaslan, M. (2020). Genomic characterization of a novel sars-cov-2. Gene reports, 19, 1-6. DOI: https://doi.org/10.1016/j.genrep.2020.100682
Kodinariya, T. M., & Makwana, P. R. (2013). Review on determining number of cluster in k-means clustering. International Journal of Advance Research in Computer Science and Management Studies, 1(6), 90-95.
Kumar, S. (2020). Monitoring Novel Corona Virus (COVID-19) Infections in India by Cluster Analysis. Annals of Data Science, 7(3), 417-425. DOI: https://doi.org/10.1007/s40745-020-00289-7
Letko, M., Marzi, A., & Munster, V. (2020). Functional assessment of cell entry and receptor usage for SARS-CoV-2 and other lineage B betacoronaviruses. Nature Microbiology, 5, 562-569. DOI: https://doi.org/10.1038/s41564-020-0688-y
Maciel, E. L., Jabor, P., Goncalves Júnior, E., Tristão-Sá, R., Lima, R. C. D., Reis-Santos, B., Lira, P., Bussinguer, E. C. A., & Zandonade, E. (2020). Fatores associados ao óbito hospitalar por covid-19 no Espírito Santo. Epidemiologia e Serviços de Saúde, 29(4), 1-11. DOI: 10.5123/S1679-49742020000400022
Nassiri, R. (2020). Perspective on Wuhan viral pneumonia. Advances in Public Health, Community and Tropical Medicine, 2, 1-3.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka R. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Recuperado de https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.
R Core Team. R: a language and environment for statistical computing. Vienna, 2020. Recuperado de https://www.Rproject.org/
Ratkowsky, D., & Lance, G. (1978). Criterion for determining the number of groups in a classification. Australian Computer Journal, 10(3), 115-117.
Salathé, M., Althaus, C.L.b., Neher, R., Stringhini, S., Hodcroft, E., Fellay, J., Zwahlen, M., Senti, G., Battegay, M., Wilder-Smith, A., Eckerle I., Egger M., & Low N. (2020). Covid-19 epidemic in Switzerland: on the importance of testing, contact tracing and isolation. Swiss Medical Weekly, 150, 1-3. DOI: https://doi.org/10.4414/smw.2020.20225
Souza, C. D. F. D., Paiva, J. P. S. D., Leal, T. C., Silva, L. F. D., & Santos, L. G. (2020). Evolução espaçotemporal da letalidade por COVID-19 no Brasil, 2020. Jornal Brasileiro de Pneumologia, 46(4), 1-3. DOI: https://doi.org/10.36416/1806-3756/e20200208
Stier, A., Berman, M., & Bettencourt, L. (2020). COVID-19 attack rate increases with city size. Mansueto Institute for Urban Innovation Research Paper Forthcoming. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3564464
Velavan, T. P., & Meyer, C.G. (2020). The COVID-19 epidemic. Tropical Medicine and International Health, 25(3), 278-280. DOI: 10.1111/tmi.13383
Wang, C., Horby, P. W., Hayden, F. G., & Gao, G. F. (2020). A novel coronavirus outbreak of global health concern. The Lancet, 395, 470-473. DOI: https://doi.org/10.1016/S0140-6736(20)30185-9
Werneck, G. L., & Carvalho, M. S. (2020). A pandemia de COVID-19 no Brasil: crônica de uma crise sanitária anunciada. Cadernos de Saúde Pública, 36(5), 1-4. DOI: 10.1590/0102-311X00068820
Zarikas, V., Poulopoulos, S. G., Gareiou, Z., & Zervas, E. (2020). Clustering analysis of countries using the covid-19 cases dataset. Data in Brief, 31, 1-8. DOI: https://doi.org/10.1016/j.dib.2020.105787
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Henrique José de Paula Alves; Felipe Augusto Fernandes; Kelly Pereira de Lima; Ben Dêivide de Oliveira Batista ; Tales Jesus Fernandes
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
