Interpolación espacial de la abundancia larval de Aedes

416 Rev Panam Salud Publica 29(6), 2011

Interpolación espacial de la abundancialarval de Aedes aegypti para localizar focos de infestación

Larry Niño1

Objetivo. Diseñar e implementar una metodología de vigilancia que localice los focos de in-festación de Aedes aegypti con el empleo de larvitrampas y técnicas de interpolación espacial,las cuales permiten estimar la abundancia vectorial de forma continua en el espacio a partir delconteo de individuos colectados en el área de estudio. Métodos. Se instalaron 228 larvitrampas —a razón de una por manzana— en la zona másdensamente poblada de la comuna cinco de Villavicencio (Meta). Con la información regiona-lizada de la abundancia de larvas se realizaron interpolaciones espaciales con las técnicas polí-gonos de Voronoi, Kriging ordinario y ponderación de distancias inversas. Resultados. Se presenta una metodología alternativa para la vigilancia del vector del den-gue, basada en el uso de larvitrampas y técnicas de interpolación espacial, con las cuales se ob-tuvieron mapas de superficie sustentados en observaciones puntuales. Conclusiones. Los resultados muestran que esta estrategia aventaja a los índices normal-mente usados, dado que permite visualizar de manera continua el nivel de infestación vectorialy por ende el riesgo de transmisión de dengue de acuerdo al grado de infestación por A. aegypti.Es de esperar que su adopción contribuya a planificar, optimizar y evaluar con mayor efectivi-dad las actividades de prevención y control.

Aedes; dengue; vectores de enfermedades; modelos estadísticos; mapa de riesgo; vi-gilancia epidemiológica, Colombia.

RESUMEN

El dengue, actualmente la arbovirosiscon mayor dispersión en el mundo, re-gistra entre 50 y 100 millones de casospor año en más de 100 países tropicales ysubtropicales endémicos, donde se cal-cula que hay unos 3 500 millones de per-sonas en riesgo de infección (1–7). Ladispersión y la persistencia de esta enfer-medad se deben principalmente al rá-pido crecimiento demográfico, los viajesinternacionales, la urbanización incon-

trolada en los países endémicos, la proli-feración de criaderos de vectores y lasinadecuadas medidas de control contrael mosquito (1, 6, 8–11).

El principal vector del virus del den-gue es Aedes aegypti, una especie antro-pofílica adaptada a ambientes urbanos,particularmente a viviendas humanas.Se trata de un vector muy eficiente de-bido a su comportamiento y a su habili-dad para la supervivencia, que incluyenla postura de huevos en una gran varie-dad de recipientes artificiales, la resisten-cia de sus huevos a la desecación y lacapacidad de la hembra de picar en múl-tiples ocasiones (1–3, 5, 10, 12–14).

Así es que la alta eficiencia del meca-nismo de transmisión del virus, junto a las características biológicas del A.aegypti, contribuyen a la creciente apari-ción de brotes de dengue, cuya epide-miología es controlada principalmentepor el estado inmune de la población(1–3, 10, 11). En lugares endémicos comoel municipio de Villavicencio, en Colom-bia, donde se supone que no hay cam-bios importantes en el estado inmunepoblacional, un aumento en la densidaddel vector y consecuentemente el con-tacto vector-humano, podría aumentarla transmisión del virus (2, 3, 10). La de-tección de los cambios en la densidad del

Palabras clave

Investigación original / Original research

Niño L. Interpolación espacial de la abundancia larval de Aedes aegypti para localizar focos de in-festación. Rev Panam Salud Publica. 2011;29(6):416–22.

Forma de citar

1 Oficina de Epidemiología, Secretaría Seccional deSalud de Vichada, Puerto Carreño, Colombia. Lacorrespondencia se debe dirigir a Larry Niño.Correo electrónico: [email protected]

Rev Panam Salud Publica 29(6), 2011 417

Larry Niño • Interpolación espacial de la abundancia larval de Aedes aegypti Investigación original

vector es un factor importante en la epi-demiología de la enfermedad toda vezque la razón vector/hospedero influyeconsiderablemente en su capacidadtransmisora (3, 12).

Las técnicas tradicionales de vigilanciade A. aegypti usan los índices aédicos derecipientes, de viviendas y de Breteaupara determinar el grado de infestación,dispersión y densidad del mosquito enuna zona y tiempo determinados. Estosíndices se fundamentan en la detecciónvisual de formas inmaduras del vectordentro de recipientes domésticos, técnicaconsiderada poco sensible por la habili-dad de las larvas para escapar y su capa-cidad de permanecer sumergidas porlargos períodos de tiempo (3, 5). Asi-mismo, la proporción de viviendas y re-cipientes infestados con A. aegypti noprovee información fehaciente sobre ladensidad poblacional al registrar comopositivo un recipiente o casa sin tener encuenta la cantidad de formas inmaduraspresentes, lo cual quiere decir que parael índice es igual si hay una o cientos deellas (3, 9, 12, 14–17).

De acuerdo a la detección del vector,sin embargo, las larvitrampas construi-das con llantas de automóvil satisfacenlas preferencias de ovoposición de A.aegypti porque son recipientes oscurosque pueden almacenar suficiente canti-dad de agua con poca materia orgánica yproporcionan condiciones de baja eva-poración (9, 18, 19); además, este dispo-sitivo de captura se caracteriza por sereconómico y de fácil construcción eimplementación.

La interpolación espacial —cuyo em-pleo para identificar focos de infestaciónpor A. aegypti es el tema del presente tra-bajo— consiste en usar puntos con valo-res conocidos, también llamados puntosde control, para estimar una variable enlugares donde se desconoce; también seconsidera una forma de transformar in-formación puntual en información desuperficie, con el objetivo de combinarlacon otros datos para facilitar el análisis y la modelación espacial. El resultado dela interpolación espacial depende de unalgoritmo computacional o una ecuaciónmatemática en la cual se emplean losdatos de los puntos de control —en estecaso el número de larvas. Su precisióndepende en gran medida del número yla distribución de los valores conocidos:la estimación de la variable estará ma-yormente influenciada por las larvitram-pas más cercanas, así que una estimación

efectiva requiere que estos dispositivosde captura se distribuyan uniforme-mente entre el área de estudio (20–23).

La interpolación puede clasificarse dediferentes formas, según los puntos decontrol usados durante la estimación,así: es de carácter global si usa todos lospuntos y se considera local cuando uti-liza sólo una muestra de ellos; se consi-dera exacto si la superficie estimada in-cluye los puntos de control e inexactocuando estos valores cambian y, final-mente, es de carácter determinísticocuando no se calculan los errores de lasestimaciones y estocástico cuando las es-timaciones se acompañan de los erroresy sus varianzas (20, 21, 23).

Los objetivos de este estudio fuerondiseñar e implementar una metodologíade vigilancia que localice los focos de in-festación de A. aegypti con el empleo delarvitrampas y técnicas de interpolaciónespacial, las cuales permiten estimar laabundancia vectorial de forma continuaen el espacio a partir del conteo de indi-viduos colectados en el área de estudio.

MATERIALES Y MÉTODOS

Se realizó un estudio de tipo transver-sal observacional en el municipio colom-biano de Villavicencio, localizado en eldepartamento del Meta en las coordena-das 04° 09” 12” de latitud norte y 73° 38”06” de longitud oeste, dentro de la franjaque se extiende desde las estribaciones dela cordillera oriental hasta la frontera na-tural que la separa de las llanuras propia-mente dichas, a una altura sobre el niveldel mar de 642 m. El clima, según la clasi-ficación de Thornthwaite, corresponde asuperhúmedo medio, caracterizado porpresentar factores de humedad entre 201y 300, precipitaciones anuales entre 2 800mm y 5 270 mm, y temperaturas entre16,6 °C y 26,2 °C. La zona a estudiar den-tro del municipio corresponde al áreamás poblada de la comuna cinco, quecomprende los barrios Popular, Olím-pico, Menegua, Remanso, Villa Ortiz, Ca-melias, Guadalajara, Cataluña y Danubio.

Se construyeron y adecuaron 228 dis-positivos de captura o larvitrampas,constituidas por 1/3 de llantas de auto-móvil previamente lavadas para descar-tar eventuales huevos del vector, sujetascon alambre para darles estabilidad y unasidero para colgarlas. Estos dispositivosse colocaron en cada una de las manza-nas consideradas en el estudio, dentro decasas localizadas a mitad de manzana,

en sitios tranquilos (preferiblemente enel patio trasero de las viviendas), aleja-das de sustancias repelentes y protegi-das de la lluvia y el sol. La inspección delas larvitrampas no fue superior a sietedías después de su colocación, antes deldesarrollo de pupas, para así evitar la ge-neración de focos de infestación; las lar-vas colectadas se fijaron en alcohol al70% para su posterior identificación ycuantificación. Se realizaron dos lecturasdurante noviembre de 2008, aunque laprimera de ellas fue descartada por con-siderarse de ajuste.

La cartografía base se realizó a partirde un plano digitalizado y regionalizadode la zona de estudio, en el cual se deli-mitó el área de interés y se enumeraronlas manzanas con sus respectivas larvi-trampas (en el programa ArcGIS 9.3),donde los polígonos representan las man-zanas y los centroides la ubicación apro-ximada de los dispositivos de captura,dispuestos como se dijo en los patios tra-seros de viviendas a mitad de manzana.

Los diferentes procedimientos de inter-polación aquí expuestos se realizaronusando el mencionado programa ArcGIS9.3, salvo el análisis exploratorio de laabundancia de larvas y el cálculo y poste-rior ajuste del semivariograma, llevados acabo con el programa R Project 2.9. La cla-sificación de las variables en los distintosniveles de infestación se realizó con el al-goritmo Natural Breaks (Jenks) de ArcGIS9.3, el cual realiza agrupamientos deacuerdo a las características inherentes delos datos, identificando el mejor agrupa-miento de valores similares y maximi-zando las diferencias entre clases.

Los polígonos de Voronoi correspon-den a un método que divide un plano enregiones formadas por los lugares máspróximos a cada uno de los puntos decontrol, en este caso larvitrampas. Las lí-neas que delimitan los polígonos repre-sentan puntos del plano equidistanteentre dos larvitrampas vecinas, de ma-nera que entre los polígonos obtenidos seencontrarán los puntos del plano cuyadistancia al punto de control es menorque la distancia a cualquier otro de estospuntos. Estos polígonos tienen la únicapropiedad de que cualquier lugar dentrode sí está más estrechamente asociado alatributo de su respectivo punto de control—en este caso la abundancia de larvas—que a cualquier otro polígono (20, 23, 24).

Durante el análisis exploratorio de laabundancia de larvas se examinaron losdatos sin tener en cuenta su distribución

espacial y se identificó la distribuciónque seguían con el cálculo de parámetrosde estadística descriptiva y pruebas debondad de ajuste (25).

Una vez establecida la normalidad delos datos, se procedió con el cálculo delsemivariograma isotrópico experimentaly su posterior ajuste a sentimiento a unmodelo teórico, lo cual permitió cuantifi-car el grado y la escala de la variación es-pacial (21, 22, 25–27). El semivariogramase calculó de acuerdo a la expresión:

γ(h) = 1⁄2 N(h) Σ [Z(x) – Z(x+h)]2

donde γ(h) es la semivarianza de la abun-dancia de larvas recolectadas en las lar-vitrampas separadas por los intervalosde las distancias h; N(h) corresponde alnúmero total de pares de larvitrampasseparadas por un intervalo de distanciah; Z(x) es el número de larvas en una lo-calización x, y Z(x+h) es el número de lar-vas a la distancia del intervalo h desde x.

El Kriging es un método geoestadísticode interpolación espacial de carácter glo-bal, exacto y estocástico. La idea básica deeste método corresponde a la noción dedependencia espacial, según la cual lasmuestras cercanas tienen mayor similitudentre sí que las más apartadas. La varia-ción espacial puede deberse a tres compo-nentes: la correlación espacial represen-tada por la variación de la variableregionalizada, la direccionalidad o estruc-tura representada por tendencias y el erroraleatorio (20–23, 25, 27, 28). Los estimado-res del tipo Kriging son variantes del esti-mador lineal básico Z*(x), definido como:

Z*(x) – m(x) = Σ ω(i) [Z(xi) – m(xi)]

donde, ω(i) son los pesos asignados a losdatos Z(xi), los cuales se relacionan con lamagnitud y proximidad de las abundan-cias, y cuyos atributos son estimados enel semivariograma; los valores esperadosde las variables aleatorias Z(x) y Z(xi) sonm(x) y m(xi) respectivamente; el númerode datos n, considerado en la estimación,varía de un lugar a otro. En la práctica seemplean los datos existentes en las pro-ximidades del punto a estimar, dentro deun entorno definido al inicio.

La ponderación de distancias inversas(IDW, por sus siglas en inglés) es unmétodo local, exacto y determinístico,donde el grado de influencia o peso de lospuntos cercanos es expresado por el in-verso de la distancia elevado a un expo-nente. Un exponente de 1,0 significa que

la tasa de cambio es constante entre lospuntos (interpolación lineal), mientrasque un exponente de 2,0 ó más sugiereque la tasa de cambio de los valores esmayor cerca de puntos conocidos y su influencia se mantiene a mayor distan-cia (20–23, 27). Matemáticamente, el inter-polador general IDW se define como:

IDp = Σ Z(x) d–p/Σ d–p

donde IDp es el interpolador; d es ladistancia de separación de un punto enel plano a una larvitrampa con abundan-cia de larvas Z(x); y p el exponente deponderación.

Para estimar la precisión de los inter-poladores IDW y Kriging, en cada casose realizó una validación cruzada queomitió uno de los puntos a la vez y localculó con el resto de puntos de control,comparando así los valores medidos conlos valores estimados. Con la diferenciade estos últimos valores se realizó el cál-culo de la raíz del error cuadráticomedio (RMS, por sus siglas en inglés), elcual establece la precisión de la interpo-lación de acuerdo a su cercanía a cero(23, 27).

RESULTADOS

Se colectaron en total 4 922 ejemplaresde A. aegypti en 185 larvitrampas efecti-vas. Para facilitar la visualización de lavariable en el área de estudio, la abun-dancia de las larvas recolectadas en cadauno de los dispositivos de captura fueasociada a sus respectivas manzanas(figura 1).

La zona de estudio se dividió me-diante polígonos de Voronoi, los cualesrepresentan el área de influencia de laabundancia vectorial estimada con cadauna de las larvitrampas instaladas. En elmapa de la figura 2 se puede ver la va-riable en una clasificación de cinco nive-les de infestación que van desde “muybajo” hasta “muy alto”. Los polígonosque representan los mayores niveles deinfestación se distribuyen horizontal-mente hacia el centro y en la zona suro-riental del área de estudio.

El número máximo de larvas en un dis-positivo fue de 133 y el mínimo de 2, conun promedio de 26,6 ejemplares por lar-vitrampa. La distribución de los datospresenta una asimetría de 1,7, curtosis de5,9 y desviación estándar (DE) de 25,8.


Investigación original Larry Niño • Interpolación espacial de la abundancia larval de Aedes aegypti

E

S

O

N

Metros

0 50 100 200 300 400

Escala 1:6 000

FIGURA 1. Disposición de larvitrampas (azul) y abundancia de larvas (rojo) en la comuna cincode Villavicencio, Colombia, 2008

Fuente: elaborada por el autor.

Los anteriores estadísticos descriptivos,el histograma (figura 3A) y el gráfico deprobabilidad normal o normal Q-Q Plot(figura 4A) evidencian la presencia de va-lores extremos que afectan la normalidadde los datos, los cuales se agrupan entre 2 y 40.

Para averiguar si la abundancia larvalsiguió una distribución normal, se cal-culó la prueba de Lilliefors (Kolmogorov-Smirnov), cuyo estadístico resultante fuede 0,17 con una significación de 7,8 e-15.De acuerdo a la significación de laprueba (P < 0,05), se rechazó la hipótesisde normalidad de la variable.

Dado que los datos de la abundancialarval no siguieron una distribución nor-mal, se transformaron con el logaritmonatural para normalizarlos. La distribu-ción de los datos transformados presentócurtosis de 2,3, asimetría de –0,1, histo-grama de forma acampanada y gráficode probabilidad normal con forma recti-línea, al menos en su porción central, ob-teniéndose así indicios de normalidad(figuras 3B y 4B). Para corroborar lo an-terior, se calculó de nuevo la prueba deLilliefors (Kolmogorov-Smirnov), cuyoestadístico resultante fue de 0,05 con unasignificación de 0,21, permitiendo acep-

tar la hipótesis de normalidad de la va-riable transformada (P > 0,05).

Una vez demostrada la normalidad dela variable, se estableció el grado y la es-cala de su variación espacial con el cál-culo del semivariograma isotrópico clá-sico por defecto, el cual se ajustó asentimiento al modelo matemático esfé-rico con el uso del paquete Eyefit de R-Project, hasta una distancia máxima de430 m (figura 5). En este modelo, el se-mivariograma tiende asintóticamente ala semivarianza y se define como:

γ(h) = 1,5 h/a – 0,5 (h/a)3

donde γ(h) es la semivarianza a la distan-cia h, y a el rango del semivariograma.

Los parámetros obtenidos del semiva-riograma ajustado indican que la abun-dancia larval se correlaciona espacial-mente hasta 80 m de acuerdo al rango, elcual equivale a la distancia aproximadade una manzana. La meseta y pepita co-rrespondieron a 0,99 y 0,25 respectiva-mente, indicando que la meseta equivalea aproximadamente el valor de la va-rianza de los datos (21, 25) y que el efectopepita es despreciable, puesto que la rela-ción pepita/meseta fue menor a 30% (29).

De acuerdo a los parámetros del semi-variograma ajustado, se realizó el mapade interpolación usando una predicciónlineal y asumiendo una media conocidacon el método Kriging ordinario, en cuyavalidación cruzada se obtuvo un RMS de1,07 (21). La abundancia larval transfor-mada se clasificó en cinco niveles de in-festación, de muy bajo a muy alto. Si seconsideran como focos a las áreas con ni-veles de infestación muy altos y altos a lavez, en el área de estudio se observancuatro focos de infestación, dos en la re-gión suroriental y dos en la porción cen-tral. El mayor de los focos tiene una dis-posición horizontal e involucra al menos20 manzanas en el centro de la región es-tudiada (figura 6).

En la interpolación IDW se usó el doscomo exponente, al considerarse que latasa de cambio de la abundancia larvales mayor cerca de los puntos de mues-treo y que su influencia se mantiene conla distancia. En el cálculo de interpola-ción se incluyeron los cinco vecinos máscercanos en un sector de 40 m a la re-donda, y de acuerdo a la validación cru-zada se obtuvo un RMS de 1,09.

Con relación a los focos, consideradoscomo áreas con niveles de infestaciónaltos y muy altos, se observa que el mayor



Metros

0 50 100 200 300 400

Escala 1:6 000

S

EO

N NivelesMuy bajoBajoMedioAltoMuy alto

FIGURA 2. Niveles de infestación aédica en la comuna cinco de Villavicencio, obtenidos medianteinterpolación de polígonos de Voronoi, Colombia, 2008


Frec

uenc

ia

Antes

100

A

80

60

40

20

0

0 20 40 60 80 100 140 160

Frec

uenc

ia

B35

30

25

20

15

10

5

0

1 2 3 4 5Después

FIGURA 3. Abundancia larval antes y después de la transformación logarítmica, comuna cincode Villavicencio, Colombia, 2008


se localiza en el centro de la zona estu-diada, extendiéndose de forma horizontale involucrando al menos 20 manzanas dela localidad. Se observan otros siete focosde menor envergadura, cinco de los cua-les se distribuyen en el margen meridio-nal del área de estudio y los dos restantesen cada uno de los extremos del mayor delos focos de infestación (figura 7).

DISCUSIÓN

Los avances en la capacidad de cóm-puto y las nuevas herramientas de análi-sis permiten y exigen la búsqueda demetodologías alternativas a los índicesaédicos tradicionales, los cuales se im-plementan ampliamente desde haceocho décadas sin lograr aún resultadosconvincentes en la medición del gradode infestación, dispersión y densidad delmosquito en una zona determinada porvarias razones, entre ellas i) se basan enla presencia o ausencia de larvas en reci-pientes domésticos que no siempre pre-sentan condiciones óptimas de visibili-dad, ii) vinculan extensas áreas político-administrativas con bajos niveles de de-talle iii) que no siempre se correlacionancon la transmisión del dengue (1–5, 7–10,12, 14, 15, 17, 19, 25, 30–34).

El uso de larvitrampas permite esti-mar con mayor precisión la abundanciade A. aegypti al proporcionar informa-ción fidedigna sobre el número de ejem-plares que habitan en distintos puntosdel área de estudio. A partir de los datoscolectados con larvitrampas se obtienenmapas de interpolación, donde se visua-liza de forma continua el nivel de infes-tación vectorial y consecuentemente elriesgo de infección de dengue según lamayor o menor abundancia del mos-quito. Con esta información se puede en-tonces planificar, mejorar y evaluar acti-vidades de control vectorial con mayorprecisión, junto con estrategias de infor-mación, educación y comunicación pú-blicas encaminadas a reducir la abun-dancia de mosquitos y la incidencia dedengue en zonas específicas (3–5, 10, 14,25, 30–32, 34). Adicionalmente, estosmapas de infestación pueden combi-narse fácilmente con información am-biental, demográfica o epidemiológica, yasí obtener modelos detallados que ten-gan la capacidad de monitorear, simularo predecir la transmisión del dengue (4,5, 8, 10, 12, 17, 25, 30–32).

En las interpolaciones obtenidas, losfocos de infestación presentaron distri-



Cua

ntile

s ab

unda

ncia

de

larv

as

A B

120

5

4

3

2

1

100

80

60

40

20

0–3 –2 –1 0 1 2 3 –3 –2 –1 0 1 2 3

Cuantiles teóricosC

uant

iles

loga

ritm

o na

tura

l de

laab

unda

ncia

de

larv

as

Cuantiles teóricos

FIGURA 4. Probabilidad normal de abundancia larval antes y después de la transformaciónlogarítmica, comuna cinco de Villavicencio, Colombia, 2008


Sem

ivar

ianz

a

1,0

0,8

0,6

0,4

0,2

0,0

0 100 200 300 400

Distancia en metros

NivelesMuy bajoBajoMedioAltoMuy alto

Metros

0 50 100 200 300 400

Escala 1:6 000

N

EO

S

FIGURA 5. Semivariograma isotrópico ajustado del logaritmo natural de la abundancia de larvasen la comuna cinco de Villavicencio, Colombia, 2008


FIGURA 6. Niveles de infestación aédica en la comuna cinco de Villavicencio, obtenidos me-diante interpolación Kriging ordinario, Colombia, 2008




1. Kyle J, Harris E. Global spread and persis-tence of dengue. Annu Rev Microbiol. 2008;62:71–92.

2. Halstead S. Dengue Virus–Mosquito Inter-actions. Annu Rev Entomol. 2008;53:273–91.

3. Regis L, Monterior AM, Varial MA, SilveiraJC Jr, Furtado AF, Acioli RV, et al. Develop-

ing new approaches for detecting and pre-venting Aedes aegypti population outbreaks:basis for surveillance, alert and controlsystem. Mem Inst Oswaldo Cruz. 2008;103:50–9.

4. Honório NA, Nogueira RM, Codeço CT,Carvalho MS, Cruz OG, Figuereido MA, et al.

Spatial Evaluation and Modeling of DengueSeroprevalence and Vector Density in Rio deJaneiro, Brazil. PLoS Negl Trop Dis. 2009;3:e545.

5. Regis L, Souza W, Furtado A, Fonseca C,Silveira J Jr, Ribeiro P Jr, et al. An entomolog-ical surveillance system based on open spatial

REFERENCIAS

buciones espaciales y tamaños similares,aunque de acuerdo a los RMS, el Krigingordinario presentó mayor precisión queel IDW.

El ajuste del semivariograma al mo-delo esférico en la interpolación Krigingfue aceptable, al considerarse el efectopepita como nulo y la similitud de la va-rianza de la muestra y la meseta del se-mivariograma (25, 29). La distancia má-xima de 80 m con la cual se correlacionala variable es aproximadamente la longi-tud de una manzana, indicando que losfocos de infestación inciden a lo sumo enlas manzanas circundantes a pesar de lacapacidad de A. aegypti de dispersarse adistancias superiores, lo cual podría de-berse a la disponibilidad de alimento ycriaderos dentro de las manzanas (3, 4, 6,14, 17, 25, 35, 36).

Cabe señalar que la metodología aquíexpuesta, aun cuando está claro que po-dría aportar mucha más efectividad a los

esfuerzos contra la infestación vectorialque propaga el dengue, no está exenta delimitaciones, en particular las que plan-tea su focalización específica en las lar-vas por su facilidad de captura. El puntodébil de este enfoque radica en que ide-almente la abundancia de hembras adul-tas estaría relacionada de forma más es-trecha con la transmisión del dengue,aparte de que su capacidad de volar con-fiere continuidad a su distribución espa-cial, la cual es una característica conve-niente a la geoestadística.

Conclusiones

Se ha diseñado e implementado unametodología de vigilancia entomológicaque localiza focos de infestación de A.aegypti —mediante el uso de larvitram-pas— para generar información regio-nalizada sobre la abundancia larval ytécnicas de interpolación espacial que

permiten visualizar de forma continua elnivel de infestación vectorial. Los mapasde superficie generados con esta meto-dología indican, con mayor detalle quelos índices aédicos tradicionales, los lu-gares específicos donde sería necesariotomar medidas de prevención y controlde acuerdo al grado de infestación, per-mitiendo así una mayor racionalizaciónde tiempo y recursos. Asimismo, el nú-mero de larvas constituye una variableque estima la abundancia de adultos deforma mucho más fehaciente que la pre-sencia o ausencia de larvas en recipienteso viviendas usados en los índices aédicostradicionales. En este sentido, sería reco-mendable la creación de modelos por-menorizados de transmisión del dengue,combinando mapas de infestación aé-dica con información regionalizada decarácter epidemiológico, como por ejem-plo los casos de dengue notificados, elestado inmunológico de la población ylos serotipos virales circulantes; informa-ción demográfica, como la densidad depoblación humana y los estratos socio-económicos y, finalmente, informaciónambiental con variables propias de losdistintos entornos urbanos. Asimismo, laobtención periódica de mapas de infesta-ción aédica permitiría detectar cambiosen la abundancia y distribución de A.aegypti debidos a variaciones climáticas oa las medidas preventivas o de controlcontra el mosquito, lo cual contribuiría aidentificar acciones efectivas para la rea-signación de esfuerzos y recursos.

Agradecimientos. El autor agradecea la Secretaría Seccional de Salud delMeta y a la Secretaría Local de Salud deVillavicencio por la financiación de estetrabajo. Además desea expresar su grati-tud a Marina Stella González, JorgeRomero y Omar Ramírez por su gestiónadministrativa y a Paola Isaacs, AnaMaría Gómez, Cateryn Romero, Fabri-ciano Niño y Lucía Gualteros por susaportes a la redacción del manuscrito.

Muy bajoBajoMedioAltoMuy alto

Niveles

Metros

0 50 100 200 300 400

Escala 1:6 000

N

S

EO

FIGURA 7. Niveles de infestación aédica en la comuna cinco de Villavicencio, obtenidos medianteinterpolación de ponderación de distancias inversas, Colombia, 2008




information for participative dengue control.An Acad Bras Cienc. 2009;81:655–62.

6. Chang A, Parrales M, Jimenez J, Sobieszczyk M,Hammer S, Copenhaver D, et al. CombiningGoogle Earth and GIS mapping technologies ina dengue surveillance system for developingcountries. Int J Health Geogr. 2009;8:49.

7. Teixeira MG, Nascimento N, Barreto M, Mota E. Dengue and dengue hemorrhagicfever epidemics in Brazil: what research isneeded based on trends, surveillance, andcontrol experiences? Cad Saude Publica.2005;21:1307–15.

8. Barreto F, Teixeira MG, Nascimento N,Carvalho M, Barreto M. Spread pattern of thefirst dengue epidemic in the city of Salvador,Brazil. BMC Public Health. 2008;8:51.

9. Marquetti MC, Valdés V, Aguilera L, NavarroA. Vigilancia entomológica de Aedes (S) ae-gypti y otros culícidos en Ciudad de La Ha-bana, Cuba 1991–1996. Rev Cubana MedTrop. 2000;52:133–7.

10. Eisen L, Lozano S. Use of Mapping and Spa-tial and Space-Time Modeling Approaches inOperational Control of Aedes aegypti andDengue. PLoS Negl Trop Dis. 2009;3:e411.

11. Siqueira J Jr, Maciel I, Barcellos C, Souza W,Carvalho M, Nascimento N, et al. Spatialpoint analysis based on dengue surveys athousehold level in central Brazil. BMC PublicHealth. 2008;8:361.

12. Corrêa PRL, França E, Bogutchi TF. Infes-tação pelo Aedes aegypti e ocorrência dadengue em Belo Horizonte, Minas Gerais.Rev Saude Publica. 2005;39:33–40.

13. Fernández W, Iannacone J, Rodríguez E,Salazar N, Valderrama B, Morales AM. Com-portamiento poblacional de larvas de Aedesaegypti para estimar los casos de Dengue enYurimaguas, Perú, 2000–2004. Rev Peru MedExp Salud Publica. 2005;22:175–82.

14. Souza R, Carvalho MS. Análise da dis-tribuição espacial de larvas de Aedes aegyptina Ilha do Governador, Rio de Janeiro, Brasil.Cad. Saude Publica. 2000;16:31–42.

15. Bisset JA, Marquetti MC, Portillo R,Rodríguez MM, Suárez S, Leyva M. Factores

ecológicos asociados con la presencia de lar-vas de Aedes aegypti en zonas de alta in-festación de Ciudad de La Habana, Cuba. RevPanam Salud Publica. 2006;19:379–84.

16. Morato V, Teixeira MG, Gomes A, Bergamaschi D, Barreto M. Infestation ofAedes aegypti estimated by oviposition trapsin Brazil. Rev Saude Publica. 2005;39:553–8.

17. Donalísio MR, Glasser CM. Vigilância Ento-mológica e Controle de Vetores do Dengue.Rev Bras Epidemiol. 2002;5:259–72.

18. Honório NA, Lourenço R. Freqüência de lar-vas e pupas de Aedes aegypti e Aedes albopic-tus em armadilhas, Brasil. Rev Saude Publica.2001;35:385–91.

19. Braga IA, Gomes AC, Nelson M, Mello RC,Bergamaschi DP, Pacheco JM. Comparaçãoentre pesquisa larvária e armadilha deoviposição, para detecção de Aedes aegypti.Rev Soc Bras Med Trop. 2000;33:347–53.

20. Albrecht J. Key concepts & techniques in GIS.London: SAGE Publications Ltd; 2007.

21. Waller L, Gotway C. Applied Spatial Statis-tics for Public Health Data. New Jersey:Wiley-Interscience; 2004.

22. Pfeiffer D, Robinson T, Stevenson M, StevensK, Rogers D, Clements A. Spatial analysis inepidemiology. New York: Oxford UniversityPress; 2008.

23. Chang K. Introduction to Geographic Infor-mation Systems. 4.a ed. New York: McGraw-Hill; 2006.

24. Puga H. Conjuntos de Voronoi, triangulaciónde Delaunay y generación de caminos. Gacetaide@s CONCYTEG. 2008;31:3–6.

25. Niño L. Uso de la función semivariograma y es-timación Kriging en el análisis espacial de un in-dicador entomológico de Aedes aegypti (Diptera:Culicidae). Biomedica. 2008;28:578–86.

26. Isaaks E, Srivastava R. An introduction to ap-plied geostatistics. New York: Oxford Univer-sity Press; 1989.

27. Villatoro M, Henríquez C, Sancho F. Com-paración entre los interpoladores IDW y Krig-ing en la variación espacial de pH, Ca, CICE,y P del suelo. Agronomía Costarricense.2008;32:95–105.

28. Liebhold AM, Rossi RE, Kemp WP. Geostatis-tics and geographic information systems inapplied insect ecology. Annu Rev Entomol.1993;38:303–27.

29. Valbuena CA, Martínez LJ, Giraldo R. Va-riabilidad espacial del suelo y su relación conel rendimiento de mango (Mangifera indicaL.). Rev Bras Frutic. 2008;30:1146–51.

30. Barcellos C, Kreutz A, Weber MA, VarnieriMR. Identificação de locais com potencial detransmissão de dengue em Porto Alegreatravés de técnicas de geoprocessamento. RevSoc Bras Med Trop. 2005;38:246–50.

31. Lagrotta M, Silva W, Souza-Santos R. Identi-fication of key areas for Aedes aegypti controlthrough geoprocessing in Nova Iguaçu, Riode Janeiro State, Brazil. Cad Saude Publica.2008;24:70–80.

32. Ali M, Wagatsuma Y, Emch M, Breiman R.Use of a geographic information system fordefining spatial risk for dengue transmissionin bangladesh: role for aedes albopictus in anurban outbreak. Am J Trop Med Hyg. 2003;69:634–40.

33. Salas MA, Reyes F. Variación estacional de laspoblaciones de Aedes aegypti en Monterrey,México. Salud Publica Mex. 1994;36:385–92.

34. Vargas M. Uso de ovitrampas en los progra-mas de prevención y control del dengue. RevCol de MQC de Costa Rica. 2002;8:120–4.

35. Fantinatti E, Duque J, Silva A, Navarro-SilvaM. Abundância e agregação de ovos de Aedesaegypti L. e Aedes albopictus (Skuse) (Diptera:Culicidae) no Norte e Noroeste do Paraná.Neotrop Entomol. 2007;36:960–5.

36. Chadee D, Doon R, Severson D. Surveillanceof dengue fever cases using a novel Aedes ae-gypti population sampling method in Trini-dad, West Indies: the cardinal points ap-proach. Acta Trop. 2007;104:1–7.

Manuscrito recibido el 7 de octubre de 2010. Aceptadopara publicación, tras revisión, el 17 de febrero de 2011.

Objective. Design and implement a surveillance method for locating Aedes aegyptiinfestation foci with the use of larvae traps and spatial interpolation techniques,which facilitate the ongoing estimation of vector abundance in the area by countingthe individuals collected in the study area. Methods. A total of 228 larvae traps were installed—at a rate of one per block—in themost densely populated area of commune five of Villavicencio (Meta). With regional-ized information on larvae abundance, spatial interpolations were conducted with theVoronoi polygon, ordinary kriging, and inverse distance weighting techniques. Results. An alternative method for the surveillance of dengue vectors is presented.This method is based on the use of larvae traps and spatial interpolation techniquesto obtain area maps supported by specific observations. Conclusions. The results show that this strategy is better than the indices normallyused, since it facilitates continuous visualization of the level of vector infestation andconsequently, the risk of dengue transmission, based on the extent of A. aegypti infes-tation. Implementation of this strategy is expected to contribute to more effectiveplanning, optimization, and evaluation of prevention and control activities.

Aedes; dengue; disease vectors; models, statistical; risk map; epidemiologic surveil-lance; Colombia.

ABSTRACT

Spatial interpolation of Aedesaegypti larvae abundance for

locating infestation foci

Key words

Documents

Interpolación espacial de la abundancia larval de Aedes