Servicios meteorológicos para enfrentar la Covid-19 en Cuba: análisis de tres Casos de Estudio: Meteorological services to face Covid-19 in Cuba: analysis of three Study Cases

Luis Lecha Estela

Autores/as

Luis Lecha Estela

Palabras clave:

aplicación OxyAlert_Beta; contenido de oxígeno del aire; enfrentamiento a la Covid-19; polvo del Sahara; pronósticos biometeorológicos.

Resumen

El trabajo recoge algunas experiencias derivadas de la aplicación de técnicas y procesos de la Transformación Digital en el enfrentamiento a la epidemia de Covid-19 en Cuba, mediante la detección y pronóstico de efectos meteoro-trópicos entre el 11 de marzo y el 30 de junio de 2020. Se describen como Casos de Estudio tres situaciones apropiadas para ser consideradas en este contexto, las cuales pueden servir de referencia para el enfrentamiento a esta peligrosa pandemia en otras partes de la región del Caribe y del mundo. Los Casos de Estudio están referidos al empleo de la aplicación “OxyAlert_Beta” para brindar pronósticos biometeorológicos personalizados; el impacto de las nubes de polvo del Sahara como elemento predisponente para la ocurrencia de infecciones respiratorias agudas en la ciudad de Santa Clara; y el papel del contenido de oxígeno del aire calculado por el modelo PronBiomet en la ocurrencia de mortalidad asociada a la Covid-19 en la provincia de Villa Clara. En cada estudio se describen las ventajas y aportes de las técnicas y procedimientos de la Transformación Digital, como soporte esencial de servicios meteorológicos, en función de prevenir y mitigar el impacto de los efectos meteoro-trópicos sobre los pacientes ingresados en centros de salud de Villa Clara durante la primera fase de la epidemia en el país.

Citas

Arroquia-Cuadros, B., Marqués-Mateu, Á., Sebastia, L. y Fdez-Arróyabe, P. (2020). A web-based support system for biometeorological research. Int J Biometeorol. https://doi.org/10.1007/s00484-020-01985-y

Domínguez, Nuño (9 de octubre de 2019). Premio Nobel de Medicina para los descubridores del sensor de oxígeno esencial para la vida animal. [Periódico El País, España]. Recuperado de: https://elpais.com/elpais/2019/10/07/ciencia/1570432506_098731.html.

Drumond, B., Angelo, J., Xavier, D.R., Catao, R., Gurgel, H. y Barcellos, C. (2020). Dengue spatiotemporal dynamics in the Federal District, Brazil: occurrence and permanence of epidemics. Ciencia y Salud Colectiva, 25(5); 1641-1652. https://doi.org/10.1590/1413-81232020255.32952019.

Estrada, A., Moya, A., Lecha, L. y Ciómina, E. (2007). Los pronósticos biometeorológicos: una vía para reducir las crisis de salud en la población cubana. En: Memorias del IV Congreso Cubano Meteorología, La Habana, diciembre 4-8.

Fdez-Arróyabe, P., Lecha, L. y Ciómina, E. (2008). Development of an international teamwork of biometeorological forecast testers for the validation of PronBiomet health warning system: an applied study. En: Resúmenes del XVIII Congreso de la Soc. Int. Biometeorol., Tokio, Japón, Hum1-O14.

Fdez-Arróyabe, P., Lecha, L. y Schmidt, F. (2015). Desarrollo de servicios climáticos orientados hacia la salud pública, basados en aplicaciones móviles: OxyAlert. En: Análisis espacial y representación geográfica: innovación y aplicación; 591:599. Universidad de Zaragoza-AGE. ISBN: 978-84-92522-95-8.

GFS - Global Forecast System (2020). National Centers for Environmental Information, NOAA. Recuperado de: https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs.

Haltiner, G.J. y Martin, F.L. (1968). Dynamical and Physical Meteorology. Ed. Academia, La Habana; 470 pp.

Lecha, L. (2018). Biometeorological forecasts for health surveillance and prevention of meteor-tropic effects. Int. Jour. Biomet., 62, 5; 741-771. https://doi.org/10.1007/s00484-017-1405-2/.

Lecha, L. (2019). Pronósticos Biometeorológicos [eBook]. Ed. Citmatel, La Habana; 210 p. ISBN 978-959-237-752-3.

Lecha, L. y Delgado, T. (1996). On a regional health watch and warning system. En: Proceedings of the 14th Int. Congress of Biometeorology, Ljubljana, Slovenia, 2, 3; 94-107.

Lecha, L., Fdez-Arróyabe, P., Ciómina, E. y De la Vega, T. (2010). Validación del servicio global de pronósticos biometeorológicos. Resultados de Cuba y España. En: Salud y Desastres: experiencias cubanas, Vol II. Ed. Ciencias Médicas, La Habana; 35-45.

Lecha, L., Meulenert, A. y García, O. (2013): Validación del servicio de pronósticos biometeorológicos en el estado de Jalisco, México. Parte 1: el modelo numérico y sus características. En: Memorias del XXII Congreso de la Organización Mexicana de Meteorología A.C. y VII Congreso Internacional de Meteorología, Veracruz, Jalisco, México; 22 pp.

Meteoblue (2020). Influence of weather on Corona-Virus infections. Meteoblue study Corona-weather 20200320v102.odt; 17 p. https://content.meteoblue.com/es/content/view/full/6335, consultado el 13 de octubre de 2020.

Meteored (2020). Reseña histórica de los modelos de predicción numérica en América. Disponible en: www.meteored.mx/noticias/divulgacion/modelos-de-prediccion-numerica-y-su-uso-en-la-meteorologia.html, consultado el 13 de octubre de 2020.

Moriyama, M., Hugentobler, W.J. y Iwasaki, A. (2020). Seasonality of respiratory viral infections. Annu Rev Virol, 7; 2.1-2.19. https://doi.org/10.1146/annu-rev-virology-012420-022445.

Ovcharova, V.F. (1981). Cálculo del contenido de oxígeno en el aire sobre la base de parámetros meteorológicos (presión, temperatura y humedad) para el pronóstico de los efectos de las condiciones de hipoxia [en ruso]. Prob. Climatoterapia, fisioterapia y rehabilitación, 2; 29-34.

Roach, J. (2020). How altitude relates to prevalence and impacts of Covid-19. Accuweather, texto publicado en https://www.accuweather.com/en/weather-news/coronavirus-daily-briefing-updates-june-28-29/768850.