You are on page 1of 11

INCIDENCIA DE VARIABLES METEOROLGICAS EN EL GRAN BUENOS AIRES EN

ENFERMEDADES RESPIRATORIAS DE NIOS


Adelia P. Alessandro
Dto de Cs. de la Atmsfera y los Ocanos.Fac. Cs. Ex. y Nat..UBA
Perla@at.fcen.uba.ar

.
RESUMEN

Este trabajo tiene como objetivo conocer la distribucin de pacientes menores o iguales de 14 aos con
enfermedades respiratorias (N) en el gran Bs. As. en el periodo 08/2004 -08/2011 y realizar una primera
aproximacin de la relacin existente entre las condiciones atmosfricas y dichas patologas. Se utilizaron los
registros de pacientes de una empresa mdica y los datos diarios de temperatura, temperatura mxima,
temperatura mnima, temperatura de roco, presin y hmeda relativa de la Estacin Meteorolgica Ezeiza
(34,.49-58,32). El mayor nmero de pacientes se produce en menores de 1 ao y en el rango de pacientes
menores o iguales de 4 aos. El anlisis realizado arroj una fuerte relacin estacional, con un mximo en los
meses de bajas temperaturas y un mnimo estival. Las variables que mejor se correlacionan con los datos diarios
y mensuales de todas las edades de los pacientes son las temperaturas (media, mxima, mnima y de roco). A
travs de las expresiones de correlacin mltiple obtenidas por el mtodo de Stepwise, se pueden determinar
valores esperados de pacientes diarios y mensuales, con un error entre 15.9-19.9 y entre 11,8-13.3
respectivamente. Los campos medios de alturas geopotenciales en 1000 hPa correspondientes a los das con
menor nmero de pacientes presentan caractersticas sinpticas opuestas a aquellos compuestos por los das con
mximos registros de pacientes. En los correspondientes a valores extremos superiores se observa sobre Bs. As.
o en sus proximidades una anomala positiva de presin con la correspondiente adveccin de aire fro.

Palabras claves: afecciones respiratorias, temperatura, campos neopotenciales

INCIDENCE OF METEOROLOGICAL VARIABLES IN GREATER BUENOS AIRES IN RESPIRATORY


DISEASES OF CHILDREN

ABSTRACT

This paper aims at improving knowledge on the distribution of patients less or equal than 14 years
with respiratory diseases (N) in the greater Buenos Aires in the period 08/04 -08/11, and providing a
preliminary assessment of the relationship between atmospheric conditions and those pathologies. To
this effect, medical records from a medical services firm were examined, as well as temperature data
(daily, maximum, minimum, dew point), pressure and relative humidity, measured at the
meteorological station of Ezeiza (34,49-58,32). The largest number occurs in patients younger than 1
year and the range of patients less or equal than 4 years
The analysis revealed a strong seasonal relationship, with a peak in winter (low temperatures) and a
minimum in summer. The best correlations were observed between daily and monthly values of all
ages of patients and temperature data (average, maximum, minimum, dew point). Multiple correlation
equations obtained with the Stepwise method made it possible to estimate the expected number of
patients on daily and monthly scales with errors between 15.9-19.9 and 11,8-13.3 respectively. Mean
geopotential height fields at 1000 hPa corresponding to days with the lowest number of patients have
opposite synoptic characteristics to those of days with the largest number of patients. The same occurs
with the fields corresponding to consecutive days with less than 40 patients per day and consecutive
days with more than 300 patients per day. The fields corresponding to extremely high values show a
positive pressure anomaly and consequent cold air advection over Buenos Aires and surrounding areas.

Key words: respiratory diseases, temperature, geopotential fields


INTRODUCCIN

Todos los aos, en todo el mundo, factores climatolgicos y meteorolgicos diversos, ocasionan directa o
indirectamente- la muerte prematura a millones de personas y enfermedades o incapacidades a cientos de
millones ms. A pesar de ello, existe un escaso grado de prioridad poltica y econmica que se ha brindado a la
prevencin de las enfermedades meteorotrpicas Existe poca conciencia del riesgo atribuible a los factores
ambientales en Salud Pblica. El estudio de los factores ambientales, incluidos los meteorolgicos constituye un
aporte fundamental (Kashiwabara K.et al, Santic Z. et al, Wardman A. et al, 2002), para interpretar mejor lo que
ocurre en el proceso salud enfermedad.
En dos trabajos anteriores (Alessandro y otros, 2006; Alessandro, 2011). la autora analiz la influencia de
algunas variables meteorolgicas sobre el asma en una muestra de dos aos y sobre enfermedades respiratorias
en una muestra de pacientes entre agosto de 2004 y septiembre de 2007. Ambos anlisis realizados en el gran de
Buenos Aires, con datos obtenidos a travs de la empresa Ayuda Mdica. En el segundo trabajo se pudo observar
que los grupos ms afectados fueron el de los menores de 10 aos y el de los mayores a 71 aos. De acuerdo a
estos resultados se ampliar dicho perodo hasta agosto de 2011 y se tomar la muestra constituida por nios
menores a 14 aos y en especial al comprendido entre los recin nacidos y los 4 aos, por ser estos ms
sensibles. Entre las enfermedades respiratorias, el asma constituye una enfermedad meteorotrpica
paradigmtica. Casi todos los afectados asocian la exacerbacin de sus sntomas con variaciones del estado del
tiempo. Esta enfermedad es una patologa dinmica que se ve permanentemente modificada. Dichas
modificaciones pueden ser: estacionales, peridicas o aperidicas
Se ensayaron algunos estudios experimentales controlados para describir los efectos respiratorios provocados
por los cambios de tiempo o por factores meteorolgicos, ya sean aislados o interactuando entre s. Pero las
experiencias bajo condiciones de laboratorio no pudieron reproducir lo que ocurre bajo las mucho ms complejas
condiciones naturales, en que la accin de esos fenmenos puede verse potenciada por contaminantes del aire,
agentes infectantes, partculas alerggenas o irritativas. Si bien el factor contaminante es muy importante en el
desarrollo de las enfermedades respiratorias, en este trabajo no se tendr en cuenta por no haber disponibilidad
de datos que lo evalen en el lugar y perodo elegido.
Un buen pronstico de eventos atmosfricos inminentes, asociado a medidas preventivas eficaces, pueden
frenar la morbilidad no solo de enfermedades respiratorias, sino de un buen nmero de enfermedades
meteorotrpicas.

DATOS

Se utilizan los registros diarios de pacientes del perodo agosto 2004 -agosto 2011. Estos datos fueron
proporcionados por la empresa Ayuda Mdica, que posee un sistema de atencin domiciliaria que cubre toda la
el gran Buenos Aires. Los diagnsticos son los aportados por los mdicos que realizan las visitas, y se respetaron
los mismos tal como fueron informados. Sin embargo, una misma patologa como por ejemplo el asma, puede
ser interpretada por un mdico como bronquitis espasmdica, broncoespasmo, bronquitis alrgica, espasmo
bronquial, bronquitis obstructiva recurrente, etc. Son eufemismos diagnsticos que segn una definicin
operativa propia deben ser tomados como asma. Esto, an cuando algunas no lo sean, como por ejemplo
bronquitis virales o bacterianas. Es decir, los datos diagnsticos podran estar sesgados segn el sesgo
diagnstico del mdico que est de guardia ese da.
Otro inconveniente es que en estos datos no se halla registrado el momento exacto del comienzo de la afeccin,
por lo que en este trabajo se consider que ella se produjo el mismo da del registro. Aunque se estima que
durante los primeros aos de vida de los pacientes, sus padres recurren con mayor rapidez a la consulta durante
el mismo da del sntoma Por otra parte debido a la falta de la citada informacin no se trabaj con los datos
meteorolgicos horarios, ni con otras variables de ms difcil tratamiento como por ejemplo, el viento. A pesar
de estas dificultades, la cantidad de datos es significativa para realizar una primera aproximacin.
Se toma en la estacin meteorolgica Ezeiza (34.49 S, 58.32 O), los valores diarios de temperatura (T),
temperatura mxima (Tmax), temperatura mnima (Tmin), temperatura de roco (Td), humedad relativa (H%)
y.presin atmosfrica en superficie (Pr). Todos suministrados por el Servicio Meteorolgico Nacional (SMN).
Los campos medios y las anomalas de alturas geopotenciales de las situaciones analizadas, se hallaron a partir
de las salidas grficas del National Center of Enviromental Protection (NCEP).
RESULTADOS

A-Distribucin temporal de las series utilizadas compuestas por los pacientes registrados

1-a) Mensuales
Con el objeto de conocer la distribucin de la serie formada por los nios con enfermedades respiratorias (N) en
los distintos meses del ao, en la Figura 1 se representa para cada mes, la cantidad total de nios agrupados en
perodos de un ao de edad y un primer perodo que rene a los nios que no llegan al primer ao de vida (0). Se
evidencia en la variacin estacional de la serie un predominio de los casos producidos en los meses invernales.
Tambin es notable el mayor nmero de nios menores de 1 ao, respecto al resto. A medida que la edad
aumenta los extremos se suavizan, es decir disminuye la amplitud (Figura 2). Los nios de 0-4 (N(0-4)) aos
(54557) llegan anualmente y en todo el periodo al 65% de los casos comprendidos entre 0 y 14 aos( 83610), y
en invierno el nmero de pacientes entre 0 a 4 aos es mayor al 71%. El 29% restante corresponde a los
pacientes entre 5-14 aos.
En la Figura 1 se observa especialmente para los pacientes ms pequeos, una disminucin del nmero de
casos en los aos mas recientes. Antes de conocer las posibles influencias relacionadas con las variables
meteorolgicas, se calcularon las frecuencias relativas de los nios de 0 a 14 aos de edad respecto al nmero
total de pacientes que llamaron a la empresa de Ayuda Mdica con distintos sntomas donde se incluyen los
respiratorios. La Figura 3 muestra las frecuencias relativas y la tendencia lineal, en ella se observan los mayores
casos invernales pero no se ve que haya una disminucin hacia el 2011, ya que el nmero de pacientes en
general ha disminuido. Muy posiblemente debido a la renuncia por factores econmicos de quienes utilizan el
servicio de la empresa mdica o por otras causas ajenas a este anlisis, lo que indica que el nmero de pacientes
en estudio no ha sufrido una disminucin considerable.

meses
800 1 ao

700 2 aos
Frecuencia mensual

3 aos
600
4 aos
500
5 aos
400 6 aos
300 7 aos
200 8 aos
9 aos
100
10 aos
0
11 aos
may*0

may*0

may*0

may*0

may*0

may*1

may*1
ago*04
nov*04

ago*05
nov*05

ago*06
nov*06

ago*07
nov*07

ago*08
nov*08

ago*09
nov*09

ago*10
nov*10

ago*11
feb*05

feb*06

feb*07

feb*08

feb*09

feb*10

feb*11

12 aos
13 aos
Meses
14 aos

Figura 1: Distribucin mensual de N, para los nios con rango de un ao.

2-a) Distribucin relativa a la poblacin


Para comparar las distribuciones halladas con las de la poblacin de la Ciudad de Buenos Aires y alrededores,
se toma el censo realizado en 2001, ya que las del ltimo censo de 2010 an no estn disponibles. Debido a que
en el citado censo el nmero de pobladores fueron agrupados cada cuatro aos, se agrupa de igual manera a los
pacientes, es decir en tres intervalos. Para cada uno, se calcula la frecuencia. relativa respecto al total de
pacientes de 0 a 14 aos. De igual manera se procede con los datos del censo 2001 en iguales perodos de edades
Luego se calcula el cociente entre ambas frecuencias relativas ( R) . Si esta relacin es mayor a 1, significa que
en determinado rango la cantidad de pacientes es mayor en relacin a la poblacin de ese mismo rango de edad.
Esto sucede para el perodo de 0 a 4 aos con lo que se puede confirmar la predominancia de los nios ms
pequeos. Los coeficientes R se grafican en la Figura 4.
Con el objeto de determinar si los pacientes masculinos y femeninos son afectados de forma similar se presenta
en la Figura 5, el porcentaje de pacientes masculinos en los distintos rangos de edad. Se aprecia que el sexo
masculino supera al femenino. De igual manera que para el clculo de R, se procede con las frecuencias de
pacientes segn el sexo y se obtiene r. Estos valores reafirman la mayor sensibilidad masculina.

Promedios estacionales por edad

3000

2500 verano
2000 otoo
invierno
1500
primavera
1000

500

0
<1 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Edad

Figura. 2 :Distribucin de N segn la poca el ao y edad


rango de un ao.

Frec.relativa de nios de 0-14

y = -0,0012x + 2,0437
3,5
3
2,5
2
1,5
1
0,5
0
nov*08
ago*07
ene*08

mar*10
sep*04

sep*05

sep*06

abr*09
oct*09

sep*10
feb*05

feb*06

feb*07

jun*08

feb*11
jul*11

Figura 3: Frecuencias relativas de nios de 0 a 14 aos

2,5 1,4
1,2
2
1
1,5 0,8 fem.
R

1 0,6 masc.
0,4
0,5
0,2
0 0
*0-4 *5-9 *10-14 *0-4 *5-9 *10-14
rango de edades rango de edades

Figura 4: Coeficiente R para distintos rangos Figura 5: r segn sexo y edad.


de edades.

3-a) Frecuencia diaria de pacientes menores o iguales a 4 aos, segn T, Tmax, Tmin, Td, H% y Pr
Las figuras 6 a), c), e), g) e I) presentan la distribucin diaria de pacientes de acuerdo a los intervalos elegidos
de valores diarios de cada variable.
Las Figuras 6 b), d), f), h) y J) representan la frecuencia diaria de pacientes por da en cada intervalo de cada
variable iguales a los elegidos en anteriormente. As por ejemplo para T en el rango de temperatura entre 2,9 y
18000 35
16000
Frec. de nios 0-4 aos

30

Frec.rel.nios 0-4
14000
25
12000
10000 20
8000 15
6000
10
4000
2000 5
0 0
*-3,9-2,8 *2,9-7,8 *7,9-12,8 *12,9-17,8 *17,9-22,8 *22,9-27,8 *27,9-32,8 *-3,9-2,8 *2,9-7,8 *7,9-12,8 *12,9-17,8 *17,9-22,8 *22,9-27,8 *27,9-32,8
T T
a) b)
18000 40
Frec. de nios 0-4 aos

16000 35

Frec. rel. nios 0-4


14000 30
12000
25
10000
20
8000
15
6000
4000 10
2000 5
0 0
*4,3-9,2 *9,3-14,2 *14,3-19,2 *19,3-24,2 *24,3-29,2 *29,3-34,2 *34,3-39,2 *4,3-9,2 *9,3-14,2 *14,3-19,2 *19,3-24,2 *24,3-29,2 *29,3-34,2 *34,3-39,2
Tmax Tmax
c) d)
16000 35
Frec. de nios 0-4 aos

14000 30
Frec. rel. de nios 0-4

12000 25
10000
20
8000
15
6000
4000 10
2000 5
0 0
*-5,2- -0,3 *-0,2-4,7 *4,8-9,7 *9,8-14,7 *14,8-19,7 *19,8-24,7 *24,8-29,7 *-5,2- -0,3 *-0,2-4,7 *4,8-9,7 *9,8-14,7 *14,8-19,7 *19,8-24,7 *24,8-29,7
Tmin Tmin
e) f)
18000 35
Frec. de nios 0-4 aos

16000 30
Frec. rel. nios 0-4

14000
25
12000
10000 20
8000 15
6000
10
4000
2000 5
0 0
*5,2- -0,3 *-0,2- 4,7 *4,8-9,7 *9,8-14,7 *14,8-19,7 *19,8-24,7 *5,2- -0,3 *-0,2- 4,7 *4,8-9,7 *9,8-14,7 *14,8-19,7 *19,8-24,7
Td Td
g) h)
18000 30
Frec. de nios 0-4 aos

16000
25
Frec. rel. nios 0-4

14000
12000 20
10000
15
8000
6000 10
4000
5
2000
0 0
*31-40 *41-50 *51-60 *61-70 *71-80 *81-90 *91-100 *31-40 *41-50 *51-60 *61-70 *71-80 *81-90 *91-100
H% H%
I) j)
25000 40
Frec. de nios 0-4 aos

35
20000
Frec. rel. nios 0-4

30
15000 25
20
10000 15
5000 10
5
0 0
*997,4- *1003,4- *1009,4- *1015,4- *1021,4- *1027,4- *1033,4- *997,4- *1003,4- *1009,4- *1015,4- *1021,4- *1027,4- *1033,4-
1003,3 1009,3 1015,3 1021,3 1027,3 1033,3 1039,3 1003,3 1009,3 1015,3 1021,3 1027,3 1033,3 1039,3
Pr Pr
k) l)
Figura 6 : Distribucin de pacientes menores o iguales de 4 aos de edad segn los valores de T (a), Tmax (c),
Tmin (e), Td (g), H%(h) y Pr (j) de la serie 08/2004 a 08/2011. Frecuencia relativa de nios de igual rango de
edad y variables (b, d, f, h, j, l)
7,8C se producen menos casos (7152) que en el rango entre 7,9 y 12,8 C (15557) pero hay 216 das con
temperaturas del primer rango y para el segundo 526 das, entonces para el primero la cantidad de pacientes por
da es mayor que para el segundo. Nuevamente en estos ltimos valores se puede observar el decrecimiento del
nmero de pacientes por da, con el aumento de las distintas temperaturas y un aumento ms suave con la
humedad relativa y la presin

B- Correlacin

1-b) Lineal
Se correlacionan los valores medios diarios y mensuales de T, Tmax, Tmin, Td , H% y Pr con el nmero de
pacientes de cada edad y con la totalidad de los pacientes de distintos rangos de edad (Tabla 1)
.
Datos Coeficientes de correlacin

T Tmax Tmin Td H% Presin Edad


Diarios -0.55 -0,59 -0.50 -0.48 0.22 0.02 0-14
-0.51 -0.52 -0.51 -0.52 0.22 0.02 0-4
-0.46 -0.48 -0.42 -0.40 0.19 0.03 5-14
Mensuales -0.72 -0.76 -0.72 -0.69 0.44 0.59 0-14
-0.71 -0.75 -0.71 -0.69 0.42 0.57 0-4
-0.72 -0.74 -0.71 -0.67 0.47 0,59 5-14
Mens.relativos -0.81 -0.82 -0.79 -0.74 0.59 0.71 0-14
Tabla 1:Correlaciones diarias y mensuales entre N y las variables meteorolgicas

A excepcin de la presin todas las correlaciones diarias son significativamente diferentes de cero al nivel del
95%.
Con el fin de investigar si un cambio brusco entre das consecutivos de alguna de las variables sera la causa de
un nmero mayor de pacientes, para todas las variables se calculan las diferencias entre el valor del da anterior
i y el da i+1 en se produjo el registro. Estas diferencias se correlacionan con el nmero de pacientes del da i+1,
pero los resultados no han variado significativamente respecto a los calculados con lag=0..
En la Figura 7, se grafican los coeficientes de correlacin entre el nmero de pacientes segn la edad y cada
una de las variables elegidas, donde se observa que las mejores correlaciones corresponden a las vinculadas con
las temperaturas y a los nios menores de 4 aos. Se calcularon las correlaciones segn el sexo, pero estas
difieren poco entre s.
Los coeficientes de correlacin mensuales, resultaron aproximadamente un 40 % mayores que los anteriores
para los primeros aos de vida, mantenindose estos valores con poca variacin para los mayores.
Se correlacionaron adems las frecuencias relativas mensuales de los nios 0-14 calculadas en el inciso A, y
las variables medias. Se puede notar un aumento importante de las correlaciones.
Se consideraron los meses de mayo, junio, julio y agosto de toda la serie y se los correlacion con los N(0-4)
respectivos, solo la correlacin con la presin dio significativa (0,52), es decir las variaciones trmicas no
influyeron en los casos de pacientes.

2-b) Mltiple
En el inciso anterior se calcularon las correlaciones simples entre el nmero de pacientes y cada una de las
variables elegidas. Si bien la correlacin entre N y las variables meteorolgicas presentan mayormente valores
significativamente distintos de cero en el nivel del 95%, se quiere ver cual de ellas contribuye ms al valor de N.
La Tabla 2 muestra los resultados de las correlaciones diarias y mensuales, realizadas con el mtodo de
Stepwise (Sw), procedimiento que recomienda Draper and H. Smith (1981), Debido a los altos valores de las
correlaciones entre las temperaturas elegidas como variables, las variaciones de una de ellas estarn reflejadas
por cualquiera de las otras tres. Se aplic este mtodo para tres perodos de edades Los resultados se transcriben
en la Tabla2, as tambin como los coeficientes de correlacin (), el error cuadrtico medio ( ) y la desviacin
estndar de la serie que conforma a cada subgrupo. Los resultaron menores a las desviaciones estndar (DS)
de las series, por lo que el ajuste realizado a travs del mtodo se puede considerar bueno (V. Brahmananda
Rao, 1997) .

0,3

0,2

0,1

0 T
0* 1* 2* 3* 4* 5* 6* 7* 8* 9* 10* 11* 12* 13* 14* Tmax
-0,1
Tmin
Td
-0,2
H%
-0,3 Pr

-0,4

-0,5

-0,6

Figura 7: Coeficientes de correlacin entre los pacientes


en perodos de 1 ao y T, Tmax, Tmin, Td, H% y Pr

Rango de Ecuaciones . de Stepwise DS D


edades I
A
0-14 474,1-1.85Tmax -0.39Pr -0.31Tr 0.61 15.9 20 R
0-4 53.49-1.28Tmax-0.48Tr-0.03Pr 0.59 17.4 35 I
<1 104.98-.32Tmax-0.8Tr 0.59 19.9 41 A
0-14 100.5-2.7T 0.78 13.3 20 M
E
0-4 1971.5-90.2Tmax+42T 0.76 12.1 24
N
<1 28.4-.0.6T 0.78 11.8 14 S.
Tabla 2 : Ecuaciones de correlacin mltiple, obtenidas por el mtodo de Stepwise

Sw diarios para nios 0-4 Sw mensual para nios 0-4 aos


1600
80
1400
70
1200
60
50 1000
N 0-4

40 800
30
600
20
10 400

0 200
ago*04
dic*04
abr*05
ago*05
dic*05
abr*06
ago*06
ene*07
may*07
sep*07
ene*08
may*08
sep*08
ene*09
may*09
sep*09
ene*10
may*10
sep*10
ene*11
jun*11

0
ago*04

feb*05

ago*05

feb*06

ago*06

feb*07

ago*07

feb*08

ago*08

feb*09

ago*09

feb*10

ago*10

feb*11

ago*11

Nsw N 0-4 Nsw N 0-4

a) b)
Figura 8: Distribucin de valores diarios (a) y mensuales (b) calculados segn Stepwise (Nsw) para nios de 0-4
aos de edad ( N 0-4).

En la Figura 8 se representan, los datos diarios y mensuales reales de la serie utilizada en rosa y los
determinados por el mtodo Sw en azul, correspondiente al rango de cantidad de pacientes 0-4. Se advierte que
los mximos y mnimos estn en fase, pero los mximos son ms pronunciados que en la aproximacin
realizada. Ambos sexos (no se muestra) presentan caractersticas similares a las obtenidas para toda la muestra.
En el mensual existe una suavizacin de las series y un aumento de la correlacin.
En la Figura 9 se muestran las marchas mensuales de las temperaturas (a) y de la humedad y presin (b), en ella
se puede observar que las temperaturas medias no presentan una tendencia positiva en los valores invernales, Se
advierte un mnimo mas pronunciado en el ao 2007 y uno secundario en el 2009. No se advierte un aumento de
las temperaturas en el perodo analizado, as tampoco como una disminucin de la presin o de la humedad
relativa, que puedan estar relacionado con la disminucin de la frecuencia de pacientes graficadas en el inciso A.
Por otra parte las menores temperaturas de los meses fros a excepcin del 2007, no se ven relejados en el
aumento del nmero de pacientes .

35 100 1025
30 80 1020
25 60 1015
20
C

15
40 1010
10 20 1005
5 0 1000
0

ago*04
abr*05
dic*05
ago*06
abr*07
dic*07
ago*08
abr*09
dic*09
ago*10
abr*11
dic*05

dic*07

dic*09
ago*04
abr*05

ago*06
abr*07

ago*08
abr*09

ago*10
abr*11

T Tmax Tmin Td H% Pr

a) b)
Figura 9: Distribucin mensual de a) T, T max, Tmin, Td b) H% y Pr

C- Situaciones sinpticas medias

Si bien se ha mostrado que la onda anual de la temperatura es la de mayor incidencia sobre la cantidad de
pacientes, lo que se quiere ver como es la situacin media sinptica que acompaa al mayor o menor porcentaje
de pacientes. Se presentan solo los campos medios de alturas geopotenciales de 1000 hPa, por ser este nivel el
que mejor puede explicar los valores de temperatura .
La Figura 10 representa para los casos de nios entre 0 y 4 aos de edad, el campo medio de alturas
geopotenciales (a) de los das en que no se registr ningn pacientes o solo 1, correspondientes a los meses de
verano; la situacin media (b) de todos los das durante los cuales el nmero de casos fue mayor o igual a 70 y
el caso (c) de 6 das consecutivos de junio de 2005 con frecuencias mayores o iguales a 65. Con el fin de ver el
apartamiento de las situaciones medias respecto a la normal y poder compararlas se muestran a la derecha ( a,
b, c) los respectivos campos de anomalas de alturas geopotenciales.
Hay que destacar que debido a la asimilacin de datos realizados por el modelo del NCEP, que el mximo
positivo espreo representado por las salidas del mismo en el NW produce un desplazamiento de la DNOA
hacia el este, con lo cual las consecuencias esperadas sobre las variables meteorolgicas se distorsionan, como
fue demostrado por Alessandro (2008). Se observa para los casos de mayor frecuencia el debilitamiento de la
DNOA, quien proporciona viento clido del norte. Se advierte un aumento de presin y anomalas positivas en la
regin de estudio, mas pronunciada durante el mes de junio.

D- ndices de circulacin

Para poder representar a la circulacin atmosfrica vinculada al mayor o menor cantidad de pacientes, se
utilizan ndices de circulacin.
Muchos investigadores han usado distintos ndices, como por ejemplo el Southern Oscillation Index (SOI -
(Tahit- Darwin)), el Trans-Polar Index (Jones P. D at al, 1999), el Antarctic Oscillation index (Jones J. M. et al,
2003), el Monsoon Index (Kinter III J. L et al, 2002; Lee et al, 2005).
Dos ndices de circulacin : Meridional y de Curvatura aplicado a los 35S y en los niveles de 1000 y 500 hPa,
utiliz anteriormente la autora (Alessandro, 1998 a) y b), 2011). El ndice meridional R presenta una buena
asociacin con la temperatura; si R>0 indica mayor presin sobre el Ocano Pacfico que en el Atlntico. En
500 hPa R se comporta de forma similar respecto a la temperatura. Si R<0 estas condiciones se invierten y se
puede producir adveccin de aire caliente
El ndice de curvatura (C) describe a la circulacin ciclnica o anticiclnica. C>0 (<0) representa un sistema de
baja presin (alta) en el territorio argentino.
a) a)

b) b)

c) c)

Figura 10) Campos medios de alturas geopotenciales en 1000 hPa correspondientes al rango 0-4 aos cuando: a)
es menor o igual a 1 caso por da, b) mayor a 65, c) para el mes de junio de 2005 donde se dieron mas das con
valores mayores 71 y (a,by c)los campos respectivos de anomalas

Los ndices se definen como:


R (mgp)=h (35,75)-h (35,50)
C (mgp)=h (35,75)+h (35,50)-2*h(35,62.5),
donde h es la altura geopotencial 1000 hPa tomado en 35S de latitud, y en 75 W , 50W y 62.5W de
longitud.
Dado que la baja temperatura se halla bien correlacionada con un aumento de N, el flujo del sur tambin lo
estar. Este flujo se asocia a un decrecimiento de la ocurrencia de vientos con direccin norte (Lichtenstein,
1980), con la posible adveccin de aire fro sobre Argentina
La Tabla 3 muestra las correlaciones diarias y mensuales entre N (0-4) y los ndices R y C. R>0 se asocia con
adveccin de aire fro y C<0 con el dominio de una alta en el pas. Estos resultados son consistentes con las
situaciones medias mostradas en el inciso anterior. Las correlaciones fueron significativamente distintas de cero
en el nivel del 95% (0.19, 0.33) a excepcin de R aplicado a los valores diarios. El ndice C representa una
mejor relacin con los valores diarios y mensuales de pacientes.

ndice R C
Diario 0.17 -0.25
Mensual 0.53 -0.61
Tabla 3: Correlaciones diarias y mensuales entre N (0-4) y el
ndice meridional R y de curvatura C

CONCLUSIONES

El mayor porcentaje de pacientes corresponde a los nios menores de 1 ao y al rango comprendido por nios
menores a 4 aos (N 0-4). El sexo masculino es mas sensible para las enfermedades respiratorias
Existe una fuerte relacin estacional en N, con un mximo en los meses ms fros y un mnimo estival
Las correlaciones lineales mensuales entre N y temperatura (T), temperatura mxima (Tmax), temperatura
mnima (Tmin), temperatura de roco (Td), presin (Pr) y humedad relativa (H%) resultan significativamente
distintas de cero en el nivel de confianza del 95 %. Las diarias no resultan significativas con la presin. Valores
no significativos se encuentran cuando se tienen en cuenta los cambios del valor de las variables del da del
registro respecto al valor del da anterior.
De la comparacin entre los meses fros (mayo, junio, julio y agosto) de cada ao y los pacientes mensuales de
0-14 aos se deduce que los aos cuyos meses fros poseen temperaturas mas bajas, no coinciden con las
mayores frecuencias de pacientes. Las correlaciones entre los meses mas fros de los 7 aos estudiados y N 0-4
arrojan solo una correlacin significativa de 0,52 con la presin.
A travs del mtodo de Stepwise, se pueden determinar los valores de N diarios (mensuales) esperados con un
error entre 15.9-19.9 (11,8-13.3), pero no detecta a los casos extremos. Se estima que estos son producidos por
otras causas ajenas a las variables meteorolgicas utilizadas.
Las situaciones sinpticas medias formadas por das correspondientes a casos extremos de mxima y mnima
cantidad de pacientes presentan diferencias entre s. Cuando corresponden a das de mas de 65 pacientes entre 0
y 4 aos, se observa la presencia sobre Bs. As. o en sus proximidades de sistemas de alta presin con la
correspondiente adveccin de aire fro y anomala positiva, mientras aquellos das en que no se registran
pacientes o solo uno con problemas respiratorios presenta una anomala el signo de invertido.
Las correlaciones entre el ndice de circulacin C y los valores diarios y mensuales de pacientes N 0-4 son
significativamente distintas de cero en el nivel del 95% (0.19, 0.33). La correlacin con el ndice R solo es
significativa con los valores mensuales.
Los resultados obtenidos son una primera aproximacin del problema propuesto. Es necesario tener una base
de datos donde se especifique la hora del comienzo del sntoma y si es posible hacer el seguimiento de un
conjunto de pacientes voluntarios sensibles a estas afecciones.

AGRADECIMIENTOS: A la UBA quien a travs de los subsidios X228 y 20020100100628 (2011-14) ha


financiado este trabajo y a la empresa Ayuda Mdica por los datos proporcionados.

REFERENCIAS BIBLIOGRFICAS
Alessandro A. P., 1998 a) : Contribuciones al estudio de la climatologa sinptica en la Argentina. Tesis
Doctoral de la Universidad de Bs As. Captulos, 3, 5 y 6.
Alessandro A. P., 1998 b): A meridional circulation index and the precipitation in Argentina. Austr. Met. Mag.
47 . 167-170.
Alessandro A. P. 2011: Relationship between values and trends of two circulation indices and temperature and
rainfall in Argentina. Meteorological Application (2011). Published online in Willey Online Library.
DOI:10.1002/met 274.
Alessandro, A. P. Tolcachier A., 2006: Influencia de los parmetros meteorolgicos sobre el asma en la Ciudad
de Buenos Aires. Presentado en el XIV Congresso Brasileiro de Meteorologa. 27/ 11 al 1/12/06 Florianpolis
y en CD. noviembre 2006. Brasil.
Alessandro A. P., 2008: Anomalas de la circulacin atmosfrica en 500 y 1000 hPa asociada a la sequa
producida en la Argentina durante Enero de 2003 a Marzo de 2004: Revista Brasileira da Meteorologa 23(1):
12-29.
Alessandro: A. P. 2011: Respiratory diseases in the greater Buenos Aires and meteorological variables.
Meteorological Application (2011). Published online in Willey Online Library. DOI:10.1002/met 278.
Brooks, C. E. and N. Carruthers, 1953: Handbook of Statistical Methods in Meteorology. 237-239.
Draper. N. R. and H. Smith, 1981: Applied Regression, 181.Pags. 307-311.
Jones P. D, M. J. Salinger and A. B. Mullan, 1999: Extratropical circulation indices in the Sourthern hemisphere
based on station data. International Journal of Climatology Vol. 19, 1301-1317.
Jones Julie M. and Martin Widmann, 2003: Instrument- and Tree-Ring-Based Estimates of the Antarctic
Oscillation. Journal of Climate, Vol. 16, 35113524. Issue 21
Kajikawa, Yoshiyuki; Bin Wang; Jing Yang, 2010: A multi-time scale Australian monsoon index. International
Journal of Climatology, Vol. 30, 1114-1120. Issue 8.
Kashiwabara K. , Kohrogi H. , Ota K, Moroi T. , 2002: High frequency of emergency room visits of asthmatic
children on misty or foggy nights.J Asthma. 2002 misty or foggy nigths. Asthma. Dec; 39(8):711-7.
Kinter III J. L, K. Miyakoda , 2002: Recent Change in the Connection from the Asian Monsoon to ENSO.
Journal of Climate, Vol.15. n10. 1203-1215.
Kreienkamp, Frank; Spekat, Arne; Enke, Wolfgang, 2010: Stationarity of atmospheric waves and blocking over
Europebased on a reanalysis dataset and two climate scenarios.Theoretical & Applied Climatology, Vol. 102,
205-212. Issue .
Lee Eun-Jeong, Jong-Ghap Jhun and Chung-Kyu Park, 2005: Remote Connection of the Northeast Asian
Summer Rainfall Variation Revealed by a Newly Defined Monsoon Index . Journal of Climate Vol. 18(21),
4381-4393.
Lichtenstein Erich R., 1980: La depresin del noroeste argentino. Tesis doctoral. UBA.
Rao V. Brahmananda, Leonardo D. A. S, Sergio H. Franchito, Kioshi Hada, 1997: Interannual variations of
rainfall and corn yields in Northeast Brasil.Agricultural and forest Meteorology 85. 63-74.
Tolcachier A. J. y colaboradores, 1994: Distribucin y frecuencia de casos de Asma bronquial en consultas
pedraticas de urgencia en la Capital Federal durante 1992. Archivos argentinos de Alergia e Inmunologa
clnica- Vol. 26, N 2..Pags: 82-90.
Santic Z. , Santic K. , Ondza D, Bogut S. , 2002: The relationships between the asthma and weather.Med
Arh;56(3).
Wardman A. E. Stefani D., Mac Donald J. C.., 2002: Thunderstorm-associated asthma or shortness of breath
epidemic: A Canadian case report. Can Respir J. Jul-Aug;9(4):267-70.

You might also like