ABSTRACT
This study analyses time series of dengue occurrence in the southern region of Guatemala. Temporal patterns of epidemic outbreaks in the department of Escuintla were investigated using the official reports from 2001 to 2013. In order to identify underlying associations with climate behavior, the epidemiological data were compared with historical reports available for temperature, rainfall and humidity. Preliminary results reveal that waves of dengue outbreaks exhibit a periodic pattern modulated by climatic conditions. A hierarchical cluster analysis allowed to indirectly estimate the degree of association of each climatic variable with dengue occurrences, showing the dominance of rainfall in dengue outbreaks patterns in three different localities. A further prospective analysis was performed to check whether epidemic trends driven by rainfall are hold in the subsequent years. Results presented here give support to predictive models for dengue incidence driven by climate.
Este estudio analiza series de tiempo de incidencia de dengue en la región sur de Guatemala. Los patrones temporales de los brotes epidémicos observados en el departamento de Escuintla se investigaron utilizando los informes oficiales de 2001 a 2013. Con el fin de identificar posibles asociaciones subyacentes con el comportamiento climático, los datos epidemiológicos se compararon con los informes históricos disponibles para temperatura, lluvia y humedad. Los resultados preliminares revelan que las olas de brotes de dengue exhiben un patrón periódico modulado por las condiciones climáticas. Un análisis de conglomerados jerárquicos permitió estimar indirectamente el grado de asociación de cada variable climática con las incidencias del dengue, mostrando el papel dominante de la lluvia en los patrones de brotes de dengue en tres localidades diferentes. Se realizó un análisis prospectivo adicional para verificar si las tendencias epidémicas causadas por las precipitaciones se mantienen en los años subsiguientes. Los resultados presentados aquí dan soporte a los modelos predictivos epidemiológicos con forzamiento estacional.