Modelo Estratégico de Focalización
del Dengue México en R


Dr. Felipe Dzul Manzanilla

Dr. Fabián Correa-Morales


Created: 2024-02-07

Updated: 2024-02-14

Compiled: 2024-02-19


Temario

  • Flujograma de los Hotspots de la Transmisión Persistente de los virus del Dengue

  • Hotspots de la Transmisión Persistente en R (Módulo II)

  • Hotspots de la Abundancia Persistente en R (Módulo III)

  • Identificación de escenarios Operativos o Epidemiológicos en R

Flujograma del Cálculo de los Hotspots del Dengue

Hotspots de la Transmisión Persistente en R con Geocoding API

Paso 1. Subir la Base de Datos Geocodificada.

# Step 1. load the geocoded dataset ####
load("/Users/fdzul/Dropbox/hotspots_2023/8.RData/denmex.RData")

Paso 2. Subir la localidad ó localidades.

# Step 2. Load the locality ####
x <- rgeomex::extract_ageb(locality = c("Guadalajara", "Zapopan", 
                                        "Tlaquepaque", "Tonalá"), 
                           cve_edo = "14")

Paso 3. Contar la casos por AGEB.

# Step 3. Count the cases by AGEB ####
library(magrittr)
z <- denhotspots::point_to_polygons(x = xy,
                                    y = x$ageb,
                                    ids = names(x$ageb)[-10],
                                    time = ANO,
                                    coords = c("long", "lat"),
                                    crs = 4326,
                                    dis = "DENV")

Paso 4. Calcular los Hotspots de la Transmisión Persistente

# Step 4. Calculate the hotspots ####
hotspots <- denhotspots::gihi(x = z,
                              id = names(z)[c(1:9)], 
                              time = "year",
                              dis = "DENV",
                              gi_hi = "gi",
                              alpha = 0.95)

Hotspots de la Transmisión Persistente en R con Geocoding API

Paso 1. Subir la Base de Datos Geocodificada.

# Step 1. load the geocoded dataset ####
load("/Users/fdzul/Dropbox/hotspots_2023/8.RData/denmex.RData")

Paso 2. Subir la localidad ó localidades.

# Step 2. Load the locality ####
x <- popmex::extract_pop(year = 2022, 
                          cve_edo = "14",
                          locality = c("Guadalajara", "Zapopan", 
                                       "Tlaquepaque", "Tonalá"))

Paso 3. Contar la casos por Hexágono.

# Step 3. Count the cases by hexágons ####
library(magrittr)
z <- denhotspots::point_to_polygons(x = xy,
                                    y = x, ##
                                    ids = c("h3","population"), ###
                                    time = ANO,
                                    coords = c("long", "lat"),
                                    crs = 4326,
                                    dis = "DENV")
sf::st_geometry(z) <- "geometry"

Paso 4. Calcular los Hotspots de la Transmisión Persistente

# Step 4. Calculate the hotspots ####
hotspots <- denhotspots::gihi(x = z,
                              id = c("h3","population"), 
                              time = "year",
                              dis = "DENV",
                              gi_hi = "gi",
                              alpha = 0.95)

Hotspots de la Transmisión Persistente en R con BachGeo

Paso 1. Subir la Base de Datos Geocodificada.

# Step 1. load the geocoded dataset ####
xy <- denmex::den_bachgeo

Paso 2. Subir la localidad ó localidades.

# Step 2. Load the locality ####
x <- rgeomex::extract_ageb(locality = c("Guadalajara", "Zapopan", 
                                        "Tlaquepaque", "Tonalá"), 
                           cve_edo = "14")

Paso 3. Contar la casos por localidad.

# Step 3. Count the cases by AGEB ####
library(magrittr)
z <- denhotspots::point_to_polygons(x = xy,
                                    y = x$ageb,
                                    ids = names(x$ageb)[-10],
                                    time = year, ###
                                    coords = c("longitude", "latitude"), ###
                                    crs = 4326,
                                    dis = "DENV")

Paso 4. Calcular los Hotspots de la Transmisión Persistente

# Step 4. Calculate the hotspots ####
hotspots <- denhotspots::gihi(x = z,
                              id = names(z)[c(1:9)], 
                              time = "year",
                              dis = "DENV",
                              gi_hi = "gi",
                              alpha = 0.95)

Hotspots de la Transmisión Persistente en R (BachGeo vs Geocoding API)

Geocodificación

Merida

Guadalajara

Acapulco

Geocoding API

BachGeo

Hotspots de la Transmisión Persistente en R (AGEB vs Hexágonos)

Geometría

Merida

Guadalajara

Acapulco

AGEBs

Hexágonos

Hotspots de la Abundancia Reciente en R

path_ovitraps <- "/Users/fdzul/Dropbox/CENAPRECE/2024/14_jalisco"
path_coord <- paste(path_ovitraps,
                    "DescargaOvitrampasMesFco.txt", 
                    sep = "/" )
x <- deneggs::spde_inla(path_lect = path_ovitraps,
                        path_coord = path_coord,
                        cve_edo = "14",
                        locality  = c("Guadalajara", "Zapopan",
                                      "Tlaquepaque", "Tonalá"),
                        aproximation = "gaussian",
                        integration = "eb",
                        fam = "zeroinflatednbinomial1",
                        k = 80,
                        palette_vir  = "magma",
                        leg_title = "Huevos",
                        plot = FALSE,
                        hist_dataset = FALSE,
                        weeks  = 6,
                        cell_size = 3000,
                        alpha = .99)

Hotspots de la Abundancia Reciente en R

x$map

Hotspots de la Abundancia Reciente en R

Hotspots de la Abundancia Reciente en R por Semana

# step 1. define the path for the historic dataset 
path_ovitraps <- "/Users/fdzul/Dropbox/CENAPRECE/2024/14_jalisco"
path_coord <- paste(path_ovitraps, "DescargaOvitrampasMesFco.txt", sep = "/")
library(INLA)
library(sf)
# Step 2. run the spde model merida
guadalajara <- deneggs::eggs_hotspots_week(path_vect = path_ovitraps,
                                           path_coord = path_coord,
                                           cve_mpo = c("039", "098", 
                                                       "101", "120"),
                                           cve_edo = "14",
                                           year = "2024",
                                           hist_dataset = FALSE,
                                           locality  = c("Guadalajara", "Zapopan",
                                                         "Tlaquepaque", "Tonalá"),
                                           integration_strategy = "eb",
                                           aproximation_method = "gaussian",
                                           fam_distribution = "zeroinflatednbinomial1",
                                           kvalue = 20,
                                           plot = TRUE,
                                           palette.viridis = "viridis",
                                           cell.size = 5000,
                                           alpha.value = .99)

Hotspots de la Abundancia Reciente en R por Semana

# Step 3. visualization
deneggs::map_eggs_hotspots(betas = guadalajara$betas,
                           locality = c("Guadalajara", "Zapopan",
                                        "Tlaquepaque", "Tonalá"),
                           cve_edo = "14",
                           palette = rcartocolor::carto_pal,
                           name = "SunsetDark")

Hotspots de la Abundancia Reciente en R por Semana

Hotspots de la Abundancia Persistente en R

Identificación de Escenarios Epidemiológicos en R

# Step 1. calculate the risk ####
risk <- denhotspots::risk_ageb(betas = denmex::eggs_betas_31_yucatan,
                               hotspots = denmex::den_hotspots,
                               intensity_perc = 25,
                               locality = "Mérida",
                               cve_edo = "31")

# Step 2. map ####
denhotspots::map_risk(risk = risk,
                      staticmap = FALSE)

Identificación de Escenarios Epidemiológicos en R

Identificación de Escenarios Epidemiológicos en R

Dios Botic

hub.com/fdzul