El Catálogo Colectivo reúne los registros del material que posee cada una de las
bibliotecas de la Universidad Nacional de Córdoba, pudiendo encontrarse colecciones
especializadas y actualizadas en todas las áreas del conocimiento; lo que permite una
amplia visibilidad y garantiza el acceso al patrimonio documental de la Universidad.
Se encuentra disponible para toda la comunidad académica: estudiantes, docentes,
egresados e investigadores.
Si formas parte de la comunidad de la UNC también podés solicitar préstamos de material,
a cualquier biblioteca universitaria, utilizando el servicio de préstamo interbibliotecario,
independientemente de la facultad a la que pertenezcas, la carrera que curses o la cátedra
que dictes.
Predictibilidad de la propagación espacial y temporal de la epidemia de influenza H1N1en Argentina /
Antecedentes: La epidemia de influenza A H1N1 se expandió rápidamente en el ámbito mundial dadas las actuales condiciones de alta interconectividad y velocidad de los transportes, imperantes tanto entre las personas como entre los países y las regiones. La diseminación espacial de la epidemia puede...
|a Predictibilidad de la propagación espacial y temporal de la epidemia de influenza H1N1en Argentina /
|c Eduardo José Cuesta.
260
|a Córdoba RA :
|b [s.n.],
|c 2013
300
|a 122 h. :
|b il.,
|c 29 cm. +
|e CD Texto completo.
502
|a Tesis (Maestría en Salud Pública) - Universidad Nacional de Córdoba. Facultad de Ciencias Médicas. Escuela de Salud Pública, 2013
520
|a Antecedentes: La epidemia de influenza A H1N1 se expandió rápidamente en el ámbito mundial dadas las actuales condiciones de alta interconectividad y velocidad de los transportes, imperantes tanto entre las personas como entre los países y las regiones. La diseminación espacial de la epidemia puede ser explicada mediante la modelización matemática de fenómenos complejos por la teoría de la percolación, que permite estimar un umbral más allá del cual se produce el traspaso de la epidemia entre distintas regiones geográficas. Objetivo: el objetivo de este trabajo fue probar la capacidad predictiva del modelo de percolación aplicado al análisis de la epidemia de influenza A H1N1 registrada en la Argentina en 2009, de acuerdo a los datos relevados por el Ministerio de Salud Pública de la Nación. Material y métodos: para aplicar el mencionado modelo se consideró al país como un conjunto de figuras geométricas irregulares, contiguas y continuas, que pueden representarse en dos dimensiones en una carta geográfica plana. Se analizó la proporción de provincias infectadas en el momento de la percolación con respecto al tiempo y se compararon los valores observados con los esperados mediante ecuaciones de estimación curvilínea en un modelo logístico. Resultados: la percolación ocurrió en el día 45. El valor esperado que generó el modelo fue de 42,4 días, intervalo de confianza de 95 % 28,5-56,3. La diferencia entre el valor observado y el esperado arrojó un valor de p = 0,997. Conclusión: se concluye que el modelo posee un buen ajuste y una adecuada capacidad predictiva.
|b Background: the influenza A H1N1 epidemic has spread rapidly worldwide on account of the current conditions of high interconnectivity and transport speed both among people and countries. The spatial and temporal spread of the epidemics can be explained by complex mathematic models how percolation theory which allows to estimate a threshold beyond which the transmission of the infection among different geographic regions occurs. Objective: the aim of this study was to test the predictive ability of the percolation model of influenza A H1N1 epidemic in Argentina according to data gathered by the National Department of Public Health. Methods: in the model, the country was considered as a set of irregular, contiguous and continuous geometric figures, which can be represented in two dimensions on a plane. We analyzed the proportion of infected provinces at the moment of percolation in relation to time in days and compared observed and expected values by curvilinear equations in a logistic model. Results: percolation occurred on day 45. The expected value generated by the model was 42.4 days, 95 % CI 28.5 to 56.3. The difference between observed and expected values was p = 0.997. Conclusion: we conclude that the model has good fit and predictive capacity.
