Estimación de intervalos de confianza Bootstrap de proporciones de factores asociados a inhumaciones por causa de COVID-19

• Diego Iván Santillán-Espinoza Escuela Superior Politécnica del Chimborazo, Ecuador. https://orcid.org/0000-0002-4213-1936
• José Luis Pérez-Rojas Escuela Superior Politécnica del Chimborazo, Ecuador. https://orcid.org/0000-0002-8958-5556
• Fabián Roberto Allauca-Pancho Escuela Superior Politécnica del Chimborazo, Ecuador. https://orcid.org/0000-0001-7668-3053
• Nora Tahirí Mejía-Cabezas Escuela Superior Politécnica del Chimborazo, Ecuador. https://orcid.org/0000-0002-0308-5412
• Juan Carlos Santillán-Lima Universidad Nacional de La Plata, La Plata, Argentina. https://orcid.org/0000-0001-5812-7766

DOI: https://doi.org/10.46925//rdluz.43.27

Palabras clave: Estadística, Bootstrap, COVID-19, Ecuador

Resumen

El objetivo del presente trabajo consiste en estimar los intervalos de confianza Bootstrap de proporciones de factores asociados a inhumaciones por causa de COVID-19, en el cementerio general de Riobamba - Ecuador, período marzo 2020 – abril 2021. El método Bootstrap consiste en realizar re muestreos con repetición, es decir, obteniendo muestras mediante algún procedimiento aleatorio que utilice la muestra original. De esta manera, se han identificado los grupos vulnerables para inhumaciones a causa de COVID-19, por sexo, edad y edad de acuerdo a sexo. Con respecto al análisis de vulnerabilidad de los grupos, en cuanto a sexo, el grupo más vulnerable es el sexo masculino. A su vez, dentro de intervalos de edades determinadas mediante los ciclos de vida, se encontró que el grupo más vulnerable es el conocido como adultos mayores, que son las personas que tienen una edad superior a 60 años, tanto para los sexos masculino y femenino.

Citas

Cirera, L., Segura, A., & Hernández, I. (2021). Defunciones por COVID-19: no están todas las que son y no son todas las que están. Gaceta Sanitaria, 35(6), 590-593.

Diaconis, P., y Efron, B. (1983). Computer intensive methods in statistics. Scientific American, 248 (5), 116-13.

Efron, B. (1979) Bootstrap Methods: Another Look at the Jacknife. The Annals of Statistics. Vol. 7, No. 1.

Efron, B. (1981). Nonparametric estimates of standard error: the jacknife, the bootstrap, and other resampling methods. Biometrika, 68, 589-599.

Efron, B. y Tibshirani, R. (1993) An Introduction to the Bootstrap. Chapman & Hall.

Llaro-Sánchez, M. K., Gamarra-Villegas, B. E., & Campos-Correa, K. E. (2020). Características clínico-epidemiológicas y análisis de sobrevida en fallecidos por COVID-19 atendidos en establecimientos de la Red Sabogal-Callao 2020. Horizonte Médico (Lima), 20(2).

Manrique Abril, F., González-Chordá, V. M., Gutiérrez Lesmes, O. A., Tellez Piñerez, C. F., & Herrera-Amaya, G. M. (2020). Modelo SIR de la pandemia de Covid-19 en Colombia.

Micceri, T. (1989). The unicorn, the normal curve and other improbable creatures. Psycological Bulletin, 105(1), 156-166.

Mosier, C. (1951). Problems and Designs of Cross-Validation. Educational and Psychological Measurement, 11. Noreen, E. (1989). Computer intensive methods for testing hypotheses. New York: John Wiley & Sons, Ltd.

Quenouille, M. H. (1956). Notes on Bias in Estimation. Biometrika, 43, 353-36.

Sangrador, C. O., Leiza, J. R. G., Boillos, M. J. P., Ara, F. P., Lobato, M. D. P. L., & de Llano, J. M. A. (2021). Impacto de la COVID-19 en la mortalidad de la comunidad autónoma de Castilla y León. Gaceta Sanitaria, 35(5), 459-464.

Simon, J. L. (Ed.). (1969). Basic Research Methods in Social Science. (Vol. acceso en Marzo 2003). New York: Random House.

Tukey (1958). Bias and Confidence in Not-Quite Large Samples (Abstract). Annals of Mathematical Statistics, 29, 614.