6. CONCLUSIONES

6. CONCLUSIONES

Existe un mismo patrón de distribución de riesgo de dengue para los tres años, donde las comunas más afectadas son la 4 y 5, seguidas por las 7 y 8 y las de menor riesgo son la 1, 2, 3 y 6. A nivel visual se observa una relación entre la variable de precipitación y el número de casos mostrando que el periodo con mayor número de casos para el 2018 y 2019 coincide ser el segundo trimestre, Se comprueba que la variable precipitación está relacionada con la incidencia del dengue en Villavicencio, la variabilidad de los casos de dengue del 2018 están relacionados en un 62% con la precipitación y en un 86% para el 2019. Las variables temperatura y precipitación pueden predecir de un 30 a un 90 % de la variabilidad de los casos de dengue que se presentan en Villavicencio para el año 2018.

Se comprueban las hipótesis planteadas para este estudio donde existen patrones de distribución para los casos de dengue en la ciudad de Villavicencio, y existe relación entre las variables climáticas y la variabilidad del dengue en el 2018.

Los métodos utilizados fueron los adecuados, habría por mejorar para futuros estudios o extensiones de este estudio, acceder y utilizar más variables climáticas de las estaciones del IDEAM para ver una relación real entre estas y el dengue. Así mismo sería de gran utilidad que los encargados de la programación de la base de datos en la que se incluyen las direcciones en el SIVIGILA se estructurara de tal manera que se ingresara siempre las direcciones con unas condiciones específicas, de tal manera que la georreferenciación sea adecuada y no existan datos perdidos.

Se generan las preguntas de ¿en qué grado las variables temperatura y humedad relativa (medidas por el IDEAM) pueden estar aportando a la variabilidad del dengue?, ¿en qué grado las variables de estratificación, accesibilidad a agua potable, costumbres de almacenamiento de agua, disposición de residuos pueden estar aportando a la variabilidad del dengue? ¿la variabilidad del dengue en otras ciudades del departamento está explicada por las variables climáticas? ¿algún índice climático está relacionado con la variabilidad del dengue en la ciudad?

Se advierte que los valores de la explicación de la variabilidad de los casos de dengue en el 2017 pueden estar afectada por el volumen de los datos, así como la variabilidad explicada por la variable temperatura y humedad relativa corresponde a valores aproximados por WorldClim. Así mismo las observaciones del primer trimestre del 2018

donde se realiza la regresión OLD, no cumple con los supuestos por lo cual debe analizarse la información con cuidado.

RECOMENDACIONES

• Muchos de los datos que no se pudieron geo codificar fueron aquellos que sólo tenían el barrio, la vereda y o la dirección estaba incompleta. La falta de consistencia en cómo se ingresa al sistema la dirección de residencia del afectado es una gran dificultad a la hora de georreferenciar los datos, por lo cual sería muy útil el que el sistema de SIVIGILA contara con unos campos específicos donde se almacena cada parte de la dirección y que genere homogeneidad en la información ingresada, pues muchos técnicos escriben calle o carrera de manera diferente. • Se debe realizar una verificación con una muestra significativa para evaluar qué porcentaje de los datos geocodificados tienen error ya sí evaluar la veracidad de la información.

• Realizar una regresión múltiple con variables sociales resultaría en una mejor explicación de los brotes de dengue teniendo en cuenta que la presencia del vector en un lugar es multifactorial, así mismo el que el virus se disperse y genere zonas de mayor riesgo de contagio. • A pesar de que para uno de los trimestres muestra que las variables precipitación y temperatura pueden explicar la variabilidad del número de casos y su distribución es importante realizar más análisis. Sería adecuado realizar análisis como se pudo realizar con los datos de cada año, teniendoen cuenta la variabilidad climática de todo el año y el comportamiento de la enfermedad a lo largo de todo el año.

• Es importante realizar un análisis de teleconexiones para ver cuantos meses adelante o atrás se refleja este fenómeno en la zona de estudio.