Movilidad en ciudades de Perú durante la pandemia de la COVID-19
Palabras clave:
informes de movilidad, Google, Perú, tendencias, COVID-19Resumen
Introducción: los datos de movilidad en tiempo real de Wuhan, China, y datos de casos detallados, incluido el historial de viajes, para determinar el impacto de las medidas de control, fue de vital importancia para el control de la COVID-19.
Objetivo: analizar los casos reportados en los cinco regiones más afectadas de Perú por la COVID-19 y la correlación con los datos de movilidad.
Método: se incluyeron los datos de los casos confirmados de COVID-19 que fueron obtenidos del Centro Nacional de Epidemiologia, Prevención y Control de Enfermedades de Perú (https://www.dge.gob.pe/), en el periodo desde 6 de emarzo hasta el 17 de agosto de 2020, y se seleccionaron las regiones con mayor cantidad de casos (CDC-Peru) (Arequipa, Callao, Lima, Lambayeque y Piura). Los datos de movilidad fueron obtenidos de los Informes de Movilidad Local (Community Mobility Reports-Google Mobility Reports) (https://www.google.com/covid19/mobility/) del Perú y se descargaron en un archivo CSV. Las categorias incluidas de los reportes de movilidad fueron: tiendas minoristas y ocio, estaciones de transporte público, lugares de trabajo y zonas residenciales.
Resultados: se analizaron 165 datos encontrados en Google Mobility Reports, estos tenían una frecuencia diaria de datos, la misma cantidad de datos fue obtenida del CDC-Perú. Se observó una caída de todos los lugares estudiados menos de las zonas residenciales a nivel país. En cuanto a las asociaciones se encontró una correlacion negativa solo en las zonas residenciales.
Conclusión: hubo una reducción de movilidad dada por la cuarentena y un factor protector para evitar contagios es el permanecer en casa.
Descargas
Citas
2. Kraemer MUG, Yang CH, Gutierrez B, Wu CH, Klein B, Pigott DM, et al. The effect of human mobility and control measures on the COVID-19 epidemic in China. Science (80-) [Internet]. 2020 May [citado 28 Oct 2020]; 368(6490):493-7. Disponible en: https://science.sciencemag.org/content/368/6490/493
3. Lau H, Khosrawipour V, Kocbach P, Mikolajczyk A, Schubert J, Bania J, et al. The positive impact of lockdown in Wuhan on containing the COVID-19 outbreak in China. J Travel Med [Internet]. 2020 May 18 [citado 28 Oct 2020]; 27(3):1-7. Disponible en: https://academic.oup.com/jtm/article/27/3/taaa037/5808003
4. Sardar T, Nadim SS, Rana S, Chattopadhyay J. Assessment of lockdown effect in some states and overall India: A predictive mathematical study on COVID-19 outbreak. Chaos, Solitons and Fractals. 2020 Oct 1;139:110078.
5. Badr HS, Du H, Marshall M, Dong E, Squire MM, Gardner LM. Association between mobility patterns and COVID-19 transmission in the USA: a mathematical modelling study. Lancet Infect Dis. 2020 Nov; 20(11):1247-54.
6. Iglesias-Osores S, Saavedra-Camacho JL. Can Behavioral Science Help Us Fight COVID-19. Int J Prev Med [Internet]. 2020 Jul 22;11(108):1. Disponible en: https://pubmed.ncbi.nlm.nih.gov/33088436
7. Iglesias-Osores S, Acosta-Quiroz J. Efectos en los sistemas de salud de la pandemia por COVID-19. Rev Exp Med Hosp Reg Lambayeque [Internet]. 2020 Aug 25 [citado 28 Oct 2020]; 6(2):120-1. Disponible en: http://rem.hrlamb.gob.pe/index.php/REM/article/view/444
8. Iglesias-Osores S. Transmission and prevention of SARS-CoV-2 (COVID-19) in prisons. Rev Esp Sanid Penit [Internet]. 2020 Jun 11 [citado 28 Oct 2020]; 22(2):87-90. Disponible en: http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1575-06202020000200007&lng=es&nrm=iso&tlng=en
9. Cartenì A, Di Francesco L, Martino M. How mobility habits influenced the spread of the COVID-19 pandemic: Results from the Italian case study. Sci Total Environ. 2020 Nov 1; 741:140489.
10.Iglesias-Osores S. Importancia del aislamiento social en la pandemia de la COVID-19. Rev Méd Hered [Internet]. 2020 Oct 16 [citado 28 Oct 2020]; 31(3):205-6. Disponible en: https://revistas.upch.edu.pe/index.php/RMH/article/view/3814/4294
11.Pepe E, Bajardi P, Gauvin L, Privitera F, Lake B, Cattuto C, et al. COVID-19 outbreak response, a dataset to assess mobility changes in Italy following national lockdown. Sci Data [Internet]. 2020 Dec 1 [citado 28 Oct 2020]; 7(1):1-7. DOI: https://doi.org/10.1038/s41597-020-00575-2
12.Engle S, Stromme J, Zhou A. Staying at Home: Mobility Effects of COVID-19. SSRN Electron J [Internet]. 2020 Apr 16 [citado 28 Oct 2020]; Disponible en: https://papers.ssrn.com/abstract=3565703
13.Buckee CO, Balsari S, Chan J, Crosas M, Dominici F, Gasser U, et al. Aggregated mobility data could help fight COVID-19. Science (80-) [Internet]. 2020 Mar 23 [citado 6 Abr 2020]: eabb8021. Disponible en: http://www.ncbi.nlm.nih.gov/pubmed/32205458
