REDVET - Revista electrónica de Veterinaria - ISSN 1695-7504 Modelación matemática hasta el año 2020 de la densidad larvaria anofelínica de mosquitos (Diptera: Culicidae) en Caibarien provincia Villa Clara. Cuba. Osés Rodríguez, Ricardo: Centro Meteorológico Provincial. Prolongación de Marta Abreu # 59 altos. Santa Clara. Villa Clara. Cuba. E-mail: ricardo.oses@vcl.insmet.cu Fimia Duarte, Rigoberto: Centro Provincial de Higiene, Epidemiología y Microbiología. Ave. Libertadores No. 99/C y D. Rpto. Santa Catalina, Santa Clara. CP 20100. Villa Clara. Cuba. Silveira Prado, Enrique A.: Centro de Bioactivos Químicos. Universidad Central Marta Abreu de Las Villas. Carretera a Camajuaní Km. 5 ½. Santa Clara. CP 54830. Villa Clara. Cuba. Hernández Viera, William: Centro Meteorológico Provincial. Prolongación de Marta Abreu # 59 altos. Santa Clara. Villa Clara. Cuba. Saura González, Guillermo: Centro Meteorológico Provincial. Prolongación de Marta Abreu # 59 altos. Santa Clara. Villa Clara. Cuba. Pedraza Martínez, Alfredo: Centro Meteorológico Provincial. Prolongación de Marta Abreu # 59 altos. Santa Clara. Villa Clara. Cuba. González González, Ramón: Centro Provincial de Higiene, Epidemiología y Microbiología. Ave. Libertadores No. 99/C y D. Rpto. Santa Catalina, Santa Clara. CP 20100. Villa Clara. Cuba. Resumen El objetivo de este trabajo está encaminado a la modelación matemática de la densidad larvaria anofelínica (en mosquitos Anopheles) mensual en la localidad de Caibarien en la Provincia de Villa Clara, Cuba, así como la vinculación con algunas variables climáticas, que permitan hacer un pronóstico adecuado en el manejo de esta variable. Se utilizo un período de estudio desde 1998 hasta 2009, también se analizan las correlaciones con algunas variables climáticas como son la temperatura media, la máxima y la mínima, la humedad relativa media, la máxima y la mínima, la precipitación y la velocidad del viento, los datos climáticos son tomados para igual período en la estación meteorológica de Caibarien. Se utilizó la modelación ARIMA en relación con las variables climáticas, lográndose un modelo significativo de medias móviles de orden uno,, que permiten predecir la densidad larvaria anofelínica mensual utilizando la temperatura mínima como predictora. La temperatura mínima en el mes anterior fue significativa la misma fue estimada hasta el año 2020 observándose que los valores pronosticados de densidad larvaria anofelínica estarán por encima de los históricos de Febrero hasta abril mientras en enero y desde Mayo hasta diciembre se presentarán 1
valores por debajo de los valores históricos.el pronóstico se realiza hasta el año 2020. Palabras clave: densidad larvaria anofelínica, pronóstico, modelación matemática, variables climáticas. Introducción Las enfermedades trasmitidas por vectores constituyen unos de los problemas prioritarios de salud en la mayoría de los países tropicales 1,2. En el continente americano adquieren especial importancia como resultado del proceso dinámico de desarrollo que está teniendo lugar en la región, el cual implica profundos cambios ecológicos, así como en la conducta humana 3,4, que son determinantes en el surgimiento y dispersión de brotes epidémicos de algunas enfermedades endémicas. Pero unido al proceso dinámico de desarrollo que está ocurriendo en la región, están ahora el calentamiento global y el cambio climático con efectos inequívocos sobre la biodiversidad biológica, la agricultura, poblaciones vectoras y la propia salud humana 5-7, con crecientes tendencias en la incidencia y predominio de enfermedades que son sensibles a las variaciones del clima y las asociaciones entre él y los problemas de salud 8,9. Por la ubicación geográfica que posee Cuba y las características climatológicas, hace que tenga una amplia fauna de culícidos, donde muchas especies poseen demostrada capacidad vectorial para cerrar cualquier ciclo biológico de entidades tanto emergentes como reemergentes vinculadas con los mosquitos 10,11 con implicaciones inmesurables para la salud humana y animal. Tomando en consideración los aspectos relacionados con la interacción climaenfermedades, se decidió realizar un estudio encaminado a la modelación matemática de la densidad larvaria de mosquitos del género Anopheles en el municipio de Caibarién vinculada con 8 variables climáticas de forma tal que modelando matemáticamente las variables climáticas se pudiera contar con pronósticos a largo plazo para conocer como se comportará la densidad larvaria para un mejor manejo de esta ya que la misma está altamente correlacionada con los problemas de salud, mientras mayor sea la densidad larvaria mayor será el riesgo de presentarse enfermedades transmitidas por culícidos. 2
Materiales y Métodos Se utilizaron para este estudio los resultados obtenidos por meses de la densidad larvaria de mosquitos anófeles(dla)en los 29 reservorios que son muestreados semanalmente en el municipio de Caibarien por parte de la brigada que atiende los criaderos de esa localidad, dicha densidad se determinó a través del método del cucharón 12, establecido por la Organización Mundial de Salud(OMS) para tales propósitos. Para la investigación se tomaron los datos de 12 años de trabajo(1998-2009), teniendo como base de análisis los resultados de la DLA en cada uno de los meses de esos años. Se procesaron las siguientes variables climáticas: Humedad Relativa Media.(HRM) Humedad Relativa Mínima(HRN) Humedad Relativa Máxima(HRX) Velocidad Media del viento (VV). Precipitación Provincial (Prec). Temperaturas máximas.(tx) Temperaturas mínimas(tn) Temperaturas medias(tm). Estas variables climáticas se calcularon para igual periodo que la DLA, siempre tratando de buscar la posible relación entre dichas densidades con las variables climáticas objeto de análisis. Se utilizaron para el caso de las variables climáticas los datos de la estación meteorológica de Caibarién. Los datos obtenidos se procesaron con el paquete estadístico SPSS Versión 13.. utilizándose la Modelación ARIMA según (Box and Jenkins 13 ). Todo esto nos posibilitó realizar un pronóstico a largo plazo hasta el año 2020 incluyendo la variable climática temperatura mínima que fue la que entró como significativa al modelo obtenido. Resultados De los doce años analizados en nuestra investigación en función de la densidad larvaria para el municipio de Caibarien, el mes donde dicha densidad fue más alta resultó ser Octubre, (con una densidad promedio de 2.84 larvas por metro cuadrado), mientras que el mes de Marzo fue donde se comportó más bajo (0.38 l/m 2 como promedio). 3
En la Tabla 1se aprecia la correlación entre la DLA y las variables climáticas, la TN es la que mayor correlación presenta (0.325) y será utilizada como predictora para extender el pronóstico hasta el año 2020, solo las temperaturas(tm;tx ytn) y la Precipitación son significativas al 99 %, el resto de las variables no fueron significativas. Tabla 1. Correlaciones de las variables climáticas con la DLA en Caibarien. Variable TM TX TN HRM HRX HRN Prec VV Correlac. 0.301 0.256 0.325 0.16 0.16 0.11 0.304-0.14 Signif 0.001 0.004 0.000 0.07 0.07 0.20 0.001 0.097 Posteriormente se realizó la modelación ARIMA incluyendo la variable TN a su vez estimada climáticamente hasta el 2020, los resultados del modelo obtenido se aprecian en la Tabla 2. Se obtiene un modelo de media móvil de orden 1(MA1) con coeficiente negativo y dependiente de la temperatura( Unstandardized Predicted Value) en forma positiva el error del modelo es de 1.78 larvas/m 2. Ambos parámetros son altamente significativos. Debe esperarse que a medida que aumente la temperatura mínima aumente la DLA, este modelo es local por lo que para otras localidades pudiera presentarse un modelo diferente en dependencia de las características locales de la DLA y de las características climáticas de la región de estudio. Tabla 2. Resultados del modelo ARIMA para DLA incluyendo TN (Unstandardized Predicted Value). Parameter Estimates Non-Seasonal Lags Regression Coefficients MA1 Unstandardized Predicted Value Melard's algorithm was used for estimation. Estimates Std Error t Approx Sig -.374.079-4.745.000.063.009 6.751.000 Por último se extendió el modelo a largo plazo hasta el año 2020 (Fig. 1) observándose que los valores pronosticados de DLA estarán por encima de los históricos de Febrero hasta abril mientras en enero y desde mayo hasta diciembre se presentarán valores por debajo de los promedios históricos. Se puede apreciar también como Octubre es el mes de mayor densidad larvaria histórica. 4
Comportamiento de la Densidad Larvaria Anofelínica en Caibarién 3larvas/m2 PRONOSTICO2020 DLAHistorico 2.5larvas/m2 2larvas/m2 1.5larvas/m2 1larvas/m2 0.5larvas/m2 0larvas/m2 1 2 3 4 5 6 7 mes 8 9 10 11 12 Figura 1. Pronóstico de la densidad larvaria anofelínica hasta el año 2020 y valores históricos Discusión Para el análisis de la densidad larvaria en el municipio de Caibarien y al correlacionar dicha densidad con las ocho variables que se tuvieron en cuenta, solo las temperaturas(tx.tn y TM) presentaron correlaciones significativas, siendo la TN la de mayor impacto, es de destacar al respecto, que la Comisión de Climatología de la Organización Meteorológica Mundial (OMM) ha destacado la necesidad creciente de índices climáticos pertinentes para la salud que sean fáciles de elaborar y de interpretar, nuestra metodología trabaja con variables que aporten varianza a la varianza del modelo en cuestión siendo un enfoque de tipo local lo que difiere con tendencias en nuestro país donde se utilizan índices climáticos, según Ortiz,2004 14. De las ocho variables climáticas analizadas, la precipitación fue la segunda que mayor efecto ejerció sobre las poblaciones larvales de mosquitos en los ecosistemas fluviales, pero no se incluyó en el modelo al ser la TN la de mayor impacto, en el modelo la precipitación provoca muchas veces disminución en la densidad larvaria producto al arrastre o efecto de crecida de los reservorios, pero esto puede tener igual consecuencia sobre los depredadores naturales de las larvas de cilícidos(en especial los peces larvífagos), aspecto este demostrado por Hernández et al., 2006 15 y Marquetti, 2006 16 para ambos casos, esto puede traer consigo cambio en los patrones de 5
las enfermedades, así como en los brotes de enfermedades por la influencia directa del clima sobre los sistemas ecológicos, creando condiciones favorables para el desarrollo de enfermedades trasmitidas por mosquitos, aspecto este en el cual coincidimos con lo planteado por Navarra 17. Bibliografía 1. Nogueira R,M, Miagostovich MP, Lampe E, Schamatzmayr HG. Isolation of dengue virus type 2 in Rio de Janeiro.Mem Inst Oswaldo Cruz 1990; 85: 253. 2. Cavasini MT, Ribeiro WL, Kawamoto F, Ferreira MU. How prevalent is Plasmodium malariae in Rondonia, Western Brazilian Amazon. Rev.Soc.Bras.Med.Trop. 2000; 33: 489-492. 3. Conn JE, Wilkerson RC, Segura MN. Emergente of a new Neotropical malaria vector facilitated by human migration and changes in land use. Am.J. Trop. Med.Hyg. 2002; 66: 18-22. 4. Singer BH, de Castro MC. Agricultural colonization and malaria on the Amazon frontier. Ann. NY Acad. Sci. 2001; 954: 184-222. 5. Álvarez A. El cambio climático y la actividad agraria cubana. En: Libro de Ponencias: IV Congreso Forestal de Cuba. La Habana del 17 al 20 de abril de 2007.p.14-15. 6. Ortiz BP, Perez R, A, Rivero, León NV, Díaz M, Pérez A. Resulted to assessing the human health vulnerability to climate variability and change in Cuba. Environmental Health Perspectives (EHP). E.U. 2006;114(12): 1942-1949. 7. Programa de las Naciones Unidas para el Desarrollo (PNUD). Guia del usuario para el marco para las políticas de adaptación al cambio climático; 2003. 8. Gore A. An inconvenient truth[videocinta] E.U.A: Paramount Classic and Participant Productions; 2007. 9. Panel Intergubernamental para el Cambio Climático (IPCC). Cambio climático y diversidad biológica. Eds. Gitay H, Suárez A, Watson RT y Dokken DJ. Reporte TécnicoV del IPCC; 2002.pp. 85. 10. Ortega LG. Dengue: un problema siempre emrgente. Epidemiología 2001; 14(2): 41-52. 11. López C, Fernández PV, Manso R, Valdés A, León A, Guevara AV. Gases de Efecto Invernadero. Emisiones y Remociones. Cuba 1990-2002. Instituto de Meteorología, La Habana, Cuba; 2007. p. 1-29. 12. Organización Mundial de la salud. Resistencia de los vectores de enfermedades a plaguicidas. V Informe del Comité de Expertos de la OMS en Biología de los Vectores y Lucha Antivectorial. Ginebra; 1980.p.13-19. (Series de Informes Técnicos No.655). 13. Box, G. E. P. and Jenkins, G. M., (1976): Time Series Analysis Forecasting and Control, Holden- Day, San Francisco. 6
14. Ortiz, B.P.L, Rivero A (2004). Índices climáticos para la determinación y simulación de las señales de la variabilidad climática en diferentes escalas espacio temporales. Revista Cubana de Meteorología. Vol 11 No 1: 66-75. 15. Hernández NC, Doadrio IV, Sosota AF, Fimia RF, Odio NP. Determinación de la ictiofaunma que participa en el control de culícidos en sistemas acuáticos del municipio Guamá, Santiago de Cuba. Revista Cubana Medicina Tropical 2006; 58(1) 16. Marquetti MF. Aspectos bioecológicos de importancia para el control de Aedes aegipti y otros culícidos en el ecosistema urbano [ Tesis doctoral]. Ciudad de la Habana, Instituto de Medicina Tropical Pedro Kourí ; 2006. 17. Navarra A. The climate dilemma. In: Extremes Weather Events and Public Health Responses.[In English]. (Kirch W, Menne B and Bertollini. Eds.) Springer-Verlag.Berlin Heidelberg 2005. REDVET: 2012, Vol. 13 Nº 3 Recibido 25.06.2011 / Ref. prov. JUN1123B_REDVET / Revisado 29.01.2012 / Aceptado 03.02.2012 Ref. def. 031207_REDVET / Publicado: 01.03.2012 Este artículo está disponible en http://www.veterinaria.org/revistas/redvet/n020212.html concretamente en REDVET Revista Electrónica de Veterinaria está editada por Veterinaria Organización. Se autoriza la difusión y reenvío siempre que enlace con Veterinaria.org http://www.veterinaria.org y con REDVET - http://www.veterinaria.org/revistas/redvet 7