Modelación bayesiana de patrones espacio-temporales de la incidencia acumulada de COVID-19 en municipios de México

Resumen

El trabajo busca modelar la distribución de la tasa de incidencia acumulada de COVID-19 en los municipios de México a través del ajuste de tres modelos lineales generalizados (en competencia) con efectos espaciales y temporales y función de enlace Poisson. Se utilizaron datos de casos confirmados de COVID-19, reportados por la Secretaría de Salud de febrero a julio de 2020. Con el objetivo de reducir los costos computacionales asociados a la estimación de múltiples parámetros, con grandes cantidades de datos, se optó por utilizar la aproximación integrada anidada de Laplace en lenguaje R (R-INLA). Los modelos fueron evaluados a través del criterio de información Akaike (AIC), donde el mejor resultó ser el Modelo No Paramétrico de Interacción Espacio-Temporal. Los resultados permiten confirmar la presencia de importantes niveles de heterogeneidad en la distribución espacio-temporal de las tasas de incidencia de COVID-19 entre municipios de México.

Abstract

The work seeks to model the distribution of cumulative incidence rate of COVID-19 in municipalities of Mexico through the adjustment of three generalized linear models (in competition) with spatial and temporal effects and Poisson link function. Data of confirmed cases of COVID-19, reported by Health Secretary of Mexico, from February to July 2020, were used. In order to reduce the computational costs associated with the estimation of multiple parameters with large amounts of data, we chose the Integrated Nested Laplace Approximation implemented in R language (R-INLA). The models were evaluated through the Akaike (AIC) criterion, and the best was the Non-parametric Model of Space-Time Interaction. The results confirm the presence of significant levels of heterogeneity in the spatial-temporal distribution of COVID-19 incidence’s rates among municipalities of Mexico.