ABSTRACT
Introducción. El virus sincitial respiratorio es uno de los principales causantes de mortalidad de niños y adultos mayores en el mundo. Objetivo. Predecir las semanas de inicio de los brotes de infección por el virus sincitial respiratorio en Bogotá entre 2005 y 2010, utilizando variables climatológicas como variables de predicción. Materiales y métodos. Se establecieron las fechas de inicio de los brotes en niños menores de cinco años ocurridas entre 2005 y 2010, en Bogotá D.C., Colombia. Se seleccionaron las variables climatológicas utilizando una matriz de correlación y, posteriormente, se construyeron 1.020 modelos resultado de la combinación de las distintas variables climatológicas y las semanas de antelación al inicio del brote. Se seleccionaron los modelos utilizando los datos correspondientes a periodos de seis (2005-2010), cuatro (2005-2008) y dos años (2009-2010). Se determinaron los mejores modelos y las variables climatológicas más relevantes, utilizando clasificadores bayesanos ingenuos y curvas características de operación del receptor ( Receiver Operating Characteristic, ROC). Resultados. Los mejores resultados se obtuvieron con los modelos que utilizaron el periodo de dos años (2009-2010) y la semana 0, con 52 y 60 % de aciertos, respectivamente. La humedad mínima fue la variable que más apareció en los mejores modelos (62 %). Los clasificadores bayesanos ingenuos permitieron establecer cuáles eran los mejores modelos para predecir la semana de inicio del brote. Conclusiones. Los resultados sugieren que los modelos en que se utilizaron la humedad mínima, la velocidad del viento y la temperatura mínima serían los modelos de predicción más eficaces.
lntroduction: The respiratory syncitial virus is one of the most common causes of mortality in children and older adults in the world. Objective: To predict the initial week of outbreaks and to establish the most relevant climate variables using naive Bayes classifiers and receiver operating characteristic curves (ROC). Materials and methods: The initial dates of the outbreaks in children less than five years old for the period 2005-2010 were obtained for Bogotá, Colombia. We selected the climatological variables using a correlation matrix and we constructed 1,020 models using different climatological variables and data from different weeks previous to the initial outbreak. In addition, we selected models using a six-year period (2005-2010), a four-year period (2005-2008), and a two-year period (2009-2010). We obtained the best predictive models and the most relevant climatological variables to predict the outbreak using naive Bayes classifiers and ROC curves. Results: The best models were those using a two-year period (2009-2010) and week 0, with 52% and 60% of effectiveness, respectively. Humidity was the most frequent variable in the best models (62%). Conclusions: We used naive Bayes classifiers to establish the best models to predict correctly the initial week of the outbreak. Our results suggest that the best models used humidity, wind speed and minimum temperature in outbreaks prediction.