Hotspots del Vector del Dengue
en R


Dr. Felipe Dzul Manzanilla

Dr. Fabián Correa-Morales


Date: 2024-02-01

Update: 2024-02-19


Temario

  • Conceptos Básico del Análisis Geoestadístico
  • Modelo del Análisis Geoestadístico
  • Instalación del paquete Análisis Geoestadístico
  • Argumentos de las funciones
  • Códigos, Elementos y Mapa de las funciones.
  • Ejemplo de las funciones

Conceptos \(\color{#2ECC40}s_{\color{#2ECC40}i}\), \(\color{#2ECC40}D\), \(\color{#2ECC40}Y_{\color{#2ECC40}{si}}\) & \(\color{#2ECC40}U_{\color{#2ECC40}{si}}\)

\(\color{#2ECC40}s_{\color{#2ECC40}i}\) sitios de colecta con coordenadas geográficas (longitud. latitud).  

\(\color{#2ECC40}D\) area de estudio (zona metropolitana de Guadalajara).  

\(\color{#2ECC40}Y_{\color{#2ECC40}{si}}\) es la variable de respuesta (Número de Huevos por Ovitrampa o Manzana).  

\(\color{#2ECC40}Y_{\color{#2ECC40}{si}}\) tiene una distribución (binomial negativa ó zibn).  

\(\color{#2ECC40}U_{\color{#2ECC40}{si}}\) el efecto espacial & el proceso ocurre en un campo gaussiano continuo (Gaussian Field).

Modelo del Análisis Geoestadístico

Modelo sin correlación espacial \[\begin{align*} Huevos & = \beta{_0} + \beta x + \epsilon{_i} \\ \beta{_0} & = intercepto \\ \beta x & = pendiente \\ \epsilon{_i} & = error \\ \epsilon{_i} &\sim {\sf Norm}(0, \sigma^2) \\ \end{align*}\]

Modelo con efecto espacial \[\begin{align*} Huevos & = \beta{_0} + \beta x + u{_i}+\epsilon{_i} \\ Huevos & = \beta{_0} + u{_i}+\epsilon{_i} \\ u{_i} & = efecto espacial \\ u{_i} &\sim {\sf GF}(0, \sum) \\ \end{align*}\]

Cuando D es regular  

Se usa Gausian Makovian RF (GMRF) para aproximar la matriz de covarianzas

 

Cuando D es irregular    

Se usa SPDE & Elemento Finito para aproximar la matriz de covarianzas

SPDE & Elemento Finito de INLA

SPDE  

\[(K^2-\Delta)^{a/2}U(s) = W(s)\]

Elemento Finito  

\[u(s) = \sum_{i=1}^{G} \alpha{_k}(s{_i})W{_k}\]

[1] 31

Elemento Finito, SPDE & Cálculo de \(\alpha{_k}\)

Figure 2.8. Kraisky et al 2019

  • Coordenadas en los vértices  

    Sí \(s{_i}\) caé en el vértice 1, el resto 0. \(u(s) = w{_k}\)

  • Cordenadas dentro del Triángulo  

    Sí \(s{_i}\) caé dentro del triángulo se ponderan los tres puntos \[u(s) = \sum_{i=1}^{G} \alpha{_k}(s{_i})W{_k}\]

    \[0.17 * W{_1} + 0.54 * W{_3} + 0.29 * W{_3}\]

  • Coordenadas sobre un borde  

    Sí \(s{_i}\) caé en el borde se ponderan los dos valores

    \[u(s) = \sum_{i=1}^{G} \alpha{_k}(s{_i})W{_k}\]

Análisis Geoestadístico de Ovitrampas en R

Análisis Geoestadístico de Ovitrampas en R

En analisis geoestadístico de la vigilancia entomológica con ovitrampas se realiza con el paquete deneggs. El paquete es parte del dengueverse & tiene tres funciones para realizar la predicción del número de huevos en áreas donde no se colectó de una localidad.

La función spde_pred_map tiene la característica de realizar el analisis geoestadístico por semana con siete diferentes distribuciones (poisson, zeroinflatedpoisson0, zeroinflatedpoisson1, nbinomial, nbinomial2, zeroinflatednbinomial0, & zeroinflatednbinomial1). La función eggs_hotspots realiza el análisis por semana con solo una distribución y la función eggs_hotspots_week realiza el análisis para todas las semanas del año.

Análisis Geoestadístico de Ovitrampas en R

    1. Instalar el paquete INLA.
    1. Instalar el paquete deneggs.  
    1. Definir la ruta de los archivos de las lecturas y las coordenadas.  
    1. Definir la localidad de interes y la clave del estado.  
    1. Definir el resto de argumenos.
    1. Correr una de las tres funciones.

Argumentos de las funciones de deneggs

Argumentos de las funciones de deneggs

Ejemplo de la función deneggs::eggs_hotspots

path_ovitraps <- "/Users/fdzul/Library/CloudStorage/OneDrive-Personal/datasets/CENAPRECE/2023/14_jalisco"
path_coord <- paste(path_ovitraps,"DescargaOvitrampasMesFco.txt", sep = "/" )
x <- deneggs::eggs_hotspots(path_lect = path_ovitraps,
                            cve_ent = "14",
                            locality  = c("Guadalajara", "Zapopan",
                                          "Tlaquepaque", "Tonalá"),
                            path_coord = path_coord,
                            longitude  = "Pocision_X",
                            latitude =  "Pocision_Y",
                            aproximation = "gaussian",
                            integration = "eb",
                            fam = "zeroinflatednbinomial1",
                            k = 80,
                            palette_vir  = "magma",
                            leg_title = "Huevos",
                            plot = FALSE,
                            hist_dataset = FALSE,
                            sem = 41,
                            var = "eggs",
                            cell_size = 3000,
                            alpha = .99)
names(x)
[1] "data"     "map"      "loc"      "mod"      "mesh"     "dics"     "hotspots"

Ejemplo de la función deneggs::spde_pred_map

# Step 1. define the path ####
path_ovitraps <- "/Users/fdzul/Dropbox/CENAPRECE/2024/31_yucatan"
path_coordinates <- paste(path_ovitraps, "DescargaOvitrampasMesFco.txt", sep = "/")

# Step 2. run the function #### 
library(magrittr)
library(sf)
x <- deneggs::spde_pred_map(path_lect = path_ovitraps,
                            path_coord = path_coordinates,
                            cve_ent = "31",
                            locality = "Merida",
                            longitude  = "Pocision_X",
                            latitude =  "Pocision_Y",
                            aproximation = "gaussian",
                            integration = "eb",
                            k = 30,
                            plot = TRUE,
                            week = 4,
                            var = "Huevecillos",
                            cell_size = 2000,
                            alpha = .99,
                            palette_vir  = "magma",
                            leg_title = "Huevos")
names(x)
[1] "data"     "mesh"     "map"      "mod"      "loc"      "dics"     "hotspots"

Distribuciones

# x$dics
x$dics |>
    dplyr::arrange(dic)
       dic                    fam
1 39019.40 zeroinflatednbinomial1
2 39076.67 zeroinflatednbinomial0
3 39623.87              nbinomial
4 39706.69             nbinomial2
5 61410.06   zeroinflatedpoisson0
6 61427.44   zeroinflatedpoisson1
7 71380.90                poisson

Ejemplo de la función eggs_hotspots_week

  • Inicia el lab del modulo III

Dios Botic

hub.com/fdzul