Un grupo de investigadores de la Universidad de Cantabria (España) acaba de publicar en revista internacional Journal of Geo-Information un estudio que analiza con perspectiva espacial y temporal las pautas de distribución de la COVID-19 de una forma integrada.
Este artículo se enmarca en una línea de investigación sobre patrones espaciales y salud desarrollada por el grupo de investigación de Economía de la Salud UC-IDIVAL y se vincula a distintos proyectos de investigación, tanto mediante convenio UC-Gobierno de Cantabria, como a través de la convocatoria de proyectos INN-VAL 2020, del Instituto de Investigación Sanitaria Valdecilla (IDIVAL).
La contribución, con una clara orientación metodológica, presenta un estudio centrado en los patrones espacio-temporales de la COVID-19 a escalas de detalle en la Comunidad Autónoma de Cantabria. Para su desarrollo es clave el papel desempeñado por las Tecnologías de la Información Geográfica, y más exactamente, por la herramienta SITAR, Sistema de Información Territorial de Acción Rápida, implementada por los autores a partir de tecnología ESRI.
El artículo es muy novedoso en su enfoque, dado que aplica la metodología 3D bins y emerging hot spots (puntos calientes emergentes) al estudio de la COVID-19 a partir de microdatos de casos positivos geocodificados, lo que posibilita un desarrollo metodológico replicable multi-escalarmente, con análisis de patrones desde micro-escalas. Esta línea supone un importante avance en el conocimiento del comportamiento espacial de la COVID-19 en cuanto que permite distinguir el riesgo de distintas zonas en un territorio en función de cómo ha sido afectado por la pandemia tanto espacialmente (en unidades homogéneas, a modo de cubos 3D) como temporalmente, en las diferentes olas a lo largo del tiempo.
En la investigación, además de aplicarse metodologías GIS consolidadas para el análisis geo estadístico, se hace una aportación destacada en la parametrización del método, en cuanto que se dan argumentos objetivos y exportables a otros territorios y escalas para definir dos de las claves de dimensionado de los 3D bins: la dimensión espacial (distancia) y la dimensión temporal (intervalos de tiempo a lo largo de un periodo total).
Fase 1. Análisis de los patrones espacio-temporales
La metodología de investigación se estructura en dos fases. La primera analiza los patrones espacio-temporales durante los primeros nueve meses de pandemia de COVID-19 (correspondientes a las dos primeras olas), que muestran un patrón con significación estadística de disposición cluster, y sobre ellos modeliza los emerging hot spots correspondientes.
Diferenciando el riesgo de incidencia del COVID-19 utilizando cubos 3D espacio temporales
Con este planteamiento un hallazgo importante es precisamente revelar en primer lugar las áreas en riesgo a lo largo del tiempo (con significación estadística). En relación al estudio de caso, los autores precisan que, de todas las áreas que presentaron casos en Cantabria durante los nueve primeros meses de pandemia, no se obtiene suficiente significación estadística en un 57% de la superficie afectada; de hecho, esas áreas solo alojaron una cuarta parte de los casi 14.000 casos geocodificados.
Además, en relación a las tres cuartas partes de casos restantes, que se ubicaron en áreas con significación estadística y, por tanto, de interés para su análisis más detallado, el análisis emerging hot spots permitió diferenciar patrones diferentes, tales como: zonas de nueva incidencia, casos consecutivos y áreas de repetición alternante con modelos esporádicos y oscilantes.
Fase 2. Distribución de casos
El estudio concluye con una segunda fase, de comprobación de la fase anterior, que se basa en analizar la distribución de los casos de la tercera ola -durante un periodo de dos meses- respecto a los patrones modelizados anteriormente. En esta comprobación la investigación muestra que cerca del 93% de los 5.700 nuevos casos se ubicaron dentro de alguna de las zonas 3D bins de la fase 1 y, lo que es aún más importante, a pesar de la mayor extensión ocupada por los cubos sin patrón estadístico, hay que destacar el hecho de que el 83% de los nuevos casos de la tercera ola se ubicaron en algún emerging hot spot con significación estadística.
En suma, se trata de una investigación que aporta destacadas pautas para que desde la óptica de la geo-prevención se pueden plantear reflexiones, o incluso medidas por parte de las autoridades competentes, para territorios concretos sobre la base de análisis geo-estadísticos estratégicos.
Puedes leer el artículo completo en:
De Cos, O.; Castillo, V.; Cantarero, D. Differencing the Risk of Reiterative Spatial Incidence of COVID-19 Using Space–Time 3D Bins of Geocoded Daily Cases. ISPRS International Journal of Geo-Information 2021, 10, 261
