Ineficiencia dinámica en la prevención del virus del dengue: el caso de República Dominicana
Issue | Vol. 40 Núm. 2 (2015): Ciencia y Sociedad |
DOI | |
Publicado | jun 1, 2015 |
Estadísticas |
Resumen
En este trabajo se analiza la decisión del gasto en prevención y control de vectores que transmiten el virus del dengue en el marco de un modelo de optimización dinámica. Mediante el uso de métodos numéricos se han encontrado resultados cualita-tivos respecto a la política de control óptima de la epidemia para el caso dominicano. Esta consiste esencialmente en anticipar los períodos en los que la tasa de crecimiento natural del vector es mayor y así mantener la población del mismo controlada. Dado este resultado, indicamos que la política de prevención actual, consistente en realizar esfuerzos para controlar el vector solo cuando se reportan períodos de epidemia, es ineficiente. Adicio-nalmente el modelo muestra que debido a la presencia de externalidades, asociadas al gasto en prevención, la solución privada óptima se hace más ineficiente a medida que aumenta el número de habitantes susceptibles y/o la población es más densa.
Ang, K. C. & Li, Z. (1999). Modelling the Spread of Dengue in Singapore, in Proceedings for the Modelling and Simulation Conference (Vol. 2). (pp. 555-560). New Zealand: Hamilton.
Barbazan, P., Yoksan, S. & González, J-P. (2002). Dengue hemorrhagic fever epidemiology in Thailand: description and forecasting of epidemics. Microbes and Infection, 4(7), 699-705.
Bartlett, M. S. (1964). The Relevance of Stochastic Models for Large-Scale Epidemiological Phenomena. Journal of the Royal Statistical Society. Series C (Applied Statistics), /5(1), 2-8.
Beatty, M. E., Beutels, P., Meltzer, M. I., Shepard, D. S., Hombach, J., Hutubessy, R., Dessis, D., Coudeville, L., Dervaux, B., Wichmann, O. Margolis, H. S. & Kuritsk,J. N. (2011). Health Economics of Dengue: A Systematic Literature Review and Expert Panel’s Assessment. The American Journal of Tropical Medicine and Hygiene, 84(3), 473-488.
Castro Medeiros, L. C. de., Rodrigues Castilho, C. A., Braga, C., Vieira de Souza, W., Regis, L. & Vieira Monteiro, A. M. (2011). Modeling the Dynamic Transmission of Dengue Fever: Investigating Disease Persistence. PLoS Neglected Tropical Diseases, 5(1), e942.
Chunsuttiwat, K. A. B., Nisalak, A., Mammen, M., Libraty, D. H., Rothman, A. L., Green, S., Vaughn, D. W. Ennis, F. A. & Endy, T. (2007). Burden of symptomatic dengue infection in children at primary school in Thailand: a prospective study. Lancet, 555(9571), 1452-1459.
Díaz-Quijano, F. A. & Alves Waldman, E. (2012). Factors associated with dengue mortality in Latin America and the Caribbean, 1995-2009: an ecological study. American Journal of Tropical Medicine and Hygiene, 86(2), 328-334.
Donald, S., Coudeville, L., Halasa, Y. A., Zambrano, B. & Dayan G. H. (2011). Economic Impact of Dengue Illness in the Americas. American Journal of Tropical Medicine and Hygiene, 2011, 84(2), 200-207.
Elodie, D. Mangeas, M., Menkes, C. E., Lengaigne, M., Leroy, A., Tehei, T. Guillaumot, L., Teurlai, M., Gourinat, A-C., Benzler, J. et al. (2012). Climate-based models for understanding and forecasting dengue epidemics. PLoS Neglected Tropical Viseases, 6(2), el 470.
Favier, C., Degallier, N., Dubois, M.A., Boulanger, J.-P., Menkes, C. E. & Torres, L. (2005). Dengue epidemic modeling: stakes and pitfalls. Asia Pacific Biotech News, 9(22), 1191-1194. Recuperado de http://www.asiabiotech.com/readmore/ vol09/0922/dengue.html
Fulmali, P. V, Walimbe, A. & Mahadev, P. V. M. (2008). Spread, establishment & prevalence of dengue vector Aedes aegypti (L.) in Konkan región, Maharashtra, Indian Journal of Medical Research, 127(6), 589-601.
Gharbi, M., Philippe, Q., Gustave, J., Cassadou, S., Ruche, G., Girdary, L. & Marrama, L. (2011). Time series analysis of dengue incidence in Guadeloupe, French West Indies: Forecasting models using climate variables as predictors. BMC Infectious Viseases, 11(1), 166-168.
Gubler, D. J. (1998). Dengue and Dengue Hemorrhagic Fever. Clinical Microbiology Revieivs, 11(3), 480-496.
Guilarde, A. O, Turchi, M. D., Siqueira, J. B., Jr., Feres, V. C., Rocha, B., Levi, J. E., Vanda, A. U., Souza, F., Santos Vilas Boas, L., Pannuti, C. S. & Martelli, C. M. T. (2008). Dengue and Dengue Hemorrhagic Fever among Adults: Clinical Outcomes Related to Viremia, Serotypes, and Antibody Response. Journal of lnfectious Diseases, 197(6), 817-824.
Ling, H. Y., Zhu, H., Ng, N., Ching Ng., L. & Rocklóv. J. (2012). Forecast of Dengue Incidence Using Temperature and Rainfall. PLoS Neglected Tropical Viseases 6(11), el 908.
Luz, P. M., Grinsztejn, B. & Galvani, A. P. (2009). Disability adjusted life years lost to dengue in Brazil. Tropical Medicine <& International Health y 14(7), 237-246.
Meltzer, M. I., Rigau-Perez, J. G., Clark, G. G., Reiter, P. & Gubler, D. J. (1998). Using disability-adjusted life years to assess the economic impact of dengue in Puerto Rico: 1984-1994. American Journal of Tropical Medicine and Hygiene, 59(7), 265-271.
Nazmul, K. M., Ullah, S. M., Anwar, N. & ShahAlam, M. D. (2012). Climatic factors influencing dengue cases in Dhaka city: a model for dengue prediction. Indian Journal of Medical Research, 136(1), 32-39.
Nishiura, FI. (2006). Mathematical and Statistical analyses of the spread of dengue. Dengue Bullentin, 1(30), 51-67.
Organización Panamericana de la Salud. (2004). Estrategia Nacional de Gestión Integrada de Prevención y Control del Dengue República Dominicana. (Final Report). Santo Domingo: Secretaría de Salud Pública de República Dominicana, Banco Interamericano de Desarrollo, Organización Panamericana de la Salud y Organización Mundial de la Salud.
Organización Mundial de la Salud. (2009). Dengue: Guidelines for Diagnosis, Treatment, Prevention and Control Nonserial [Publication Series]. Ginebra: Organización Mundial de la Salud
Rigau-Pérez, J. G.; Millard, P. S., Walker, D. R., Deseda, C. C. & Casta-Velez, A. (1999). A deviation bar chart for detecting dengue outbreaks in Puerto Rico. American Journal of Tropical Medicine and Hygiene, 89(3), 374-378.
Siqueira-Junior, J.; Maciel, I.; Barcellos, C.; Souza, W.; Carvalho, M.; Nascimento, N.; Oliveira, R.; Moráis-Neto, O. & Martelli, C. (2008). Spatial point analysis based on dengue survey sat household level in central Brazil. BMC Public Health, 8(1), 8-361.
Sluiter, R. (2009). Interpolation methods of climate data: literature review. (Technical Report). Ultrecht: Royal Netherlands Meteorological Institute.
Suaya, J. A.; Shepard, D. S.; Siqueira, J. B.; Martelli, C. T.; Lum, L. C.; Huat Tan, L.; Kongsin, S.; Jiamton, S.; Garrido, F.; Mon- toya, R.; Armien, B.; Huy, R.; Castillo, L.; Caram, M.; Sah, B. K.; Sughayyar, R.; Tyo, K. R. & Halstead, S. B. (2009). Cost of Dengue Cases in Eight Countries in the Americas and Asia: A Prospective Study. American Journal of Tropical Medicine and Hygiene, 80(5), 846-855.
Vázquez-Prokopec, G. M., Kitron, U., Montgomery, B., Home, P. &. Ritchie, S. A. (2010). Quantifying the Spatial Dimension of Dengue Virus Epidemic Spread within a Tropical Urban Environment. PLoS Neglected Tropical Diseases, 4(12), e920.
- Resumen visto - 333 veces
- PDF descargado - 151 veces
- HTML descargado - 757 veces
Descargas
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Copyright
© Ciencia y Sociedad, 2017
Afiliaciones
José M. Mota Aquino
Instituto Tecnológico de Santo Domingo (INTEC)
Carlos Cassó Domínguez
Northeastern University