1. Metodologías de Estudios de
Epidemiología Regional
Dr. Gustavo Mora Aguilera
morag@colpos.mx
Colegio de Postgraduados Campus Montecillo
México

2. Etapas en la Planeación de un Estudio Epidemiológico
Definición del
Problema
Objetivos Análisis y síntesis
e Hipótesis
Interdisciplinariedad
Modelo del Sistema
Epidemiológico Política de Gestión
Matriz
de variables asociadas
a los subsistemas
Investigación Investigación Sistema de
Investigación
sinóptica o Empírica Información
Cientifíca
bibliográfica (no formal)
Transferencia
Síntesis y
Tecnológica
Solución
al Problema

3. Base Racional
1. El estudio de la planta como eje integrador
de los procesos fitosanitarios. Por tanto la
producción se debe articular a los análisis
de la sanidad.
2. La variabilidad regional inductiva de los
diversos problemas fitosanitarios permite
operar en forma efectiva en planeación
productiva y fitosanitaria.
3. Los métodos analíticos deben seleccionarse
con el fin de optimizar la variabilidad y
establecer relaciones funcionales entre los
componentes productivos, ambientales y
sanitarios.

4. ¿Cuál es el concepto de
regionalización en
epidemiología?:
Establecimiento de áreas geográficas con
conformidad normativa o no y tiene como
fin determinar niveles de
prevalencia, riesgo e intensidad diferencial
de daño con fines de manejo regional de
plagas.

5. ¿Cuál es el concepto de
regionalización en DGSV?:
Procedimiento técnico-administrativo
aplicado con conformidades normativas
nacionales e internacionales para
establecer áreas geográficas con distinto
estatus fitosanitario para fines de comercio
Areas libres y Areas de baja prevalencia
IPPC, NIMF 22, 26, 29, 9 y 4

6. Integración de información y aplicación de métodos
exploratorios, descriptivos y correlativos
Análisis de
Información
Datos Históricos y
Datos Regionales
Experimentales
Evaluaciones Diseño de experimentos
periódicas ad hoc
Clima, Hospedero Suelo, Manejo
Matriz Epidemiológica
Exploración de datos
Estadística descriptiva Gráficas Exploratorias Mapas Exploratorios
Proc Univariate, Proc
Proc Plot, Inverso de la Distancia al
Summary, Proc Chart y Proc
Gráfico MS EXCEL Cuadrado (IDW) y Krigin
Freq, otros.
SAS ver 6.12 SAS ver 6.12 y MS EXCEL ARC MAP ver 9.1 / Surfer ver 8.0
A

7. Integración de información y aplicación de métodos exploratorios, descriptivos y
correlativos (continuación).
A
Análisis Estadístico
Inferencial
Métodos Univariados Métodos Multivariados
Proc GLM, Proc PrinCom, Proc Cluster,
Proc Arima Proc Factor, Proc GenMod
SAS ver 6.12 SAS ver 6.12
Mapa Descriptivo
Métodos Simulativos. P.e MC
Mapa de factores de
riesgo
Regionalización de
Inductividad Epidémica

8. Ejemplo 2. Muestreo y Monitoreo. Caso Muérdago en el D.F. Méx.
Tipologia de Área Verde Criterios Ambientales Factor ponderación
Delegación Supm2Total
Jardin Camellon Parque Bosque Fitosanidad Suelo prod Cap. Lluvia Mult. Factor n=100 n=50
1 Álvaro Obregón 1,773,250 52,245 3 132562 3 188757 2 1399686 4 2.54 4 3 2 1728 17.71 8.86
2 Azcapotzalco 1,422,436 66,600 3 206300 4 162536 2 987000 3 0.12 1 2 1 144 1.48 0.74
3 Benito Juárez 2,137,295 28,566 2 90246 2 279481 3 1739102 5 0.012 1 2 2 240 2.46 1.23
4 Coyoacán 3,214,725.78 75,361.01 4 190594 4 507091 4 244168 1 2.3 4 3 2 1536 15.74 7.87
5 Cuajimalpa 141,309 7,767 2 22794 2 48256 3 62492 1 0.38 2 1 3 72 0.74 0.37
6 Cuauhtémoc 436,236 16,577 2 42751 3 78523 2 298822 1 0.45 2 2 1 48 0.49 0.25
7 G.A.M 33,283,955 25,636 2 197047 4 625221 4 9430901 5 0.44 2 2 1 640 6.56 3.28
8 Iztacalco 6,814,332 11,710 1 31872 2 165458 2 1106694 4 0.05 1 2 1 32 0.33 0.16
9 Iztapalapa 101,524,448 28,215 2 46413 1 208865 3 2929631 5 0.32 2 2 2 240 2.46 1.23
Magdalena
10 391,460 12,683 2 43129 2 36500 3 299198 1 0.65 3 3 3 324 3.32 1.66
Contreras
11 Miguel Hidalgo 1,857,694 100,153 4 119962 3 319143 3 1318337 4 0.38 2 2 2 1152 11.81 5.90
12 Milpa Alta 6,814,332 258,945 4 660990 3 1226580 3 177377 3 0.85 3 2 2 1296 13.28 6.64
13 Tlahuac 458,205 40,096 2 80580 2 55456 1 282073 2 0.47 3 1 1 24 0.25 0.12
14 Tlalpan 1,042,519 50,678 3 157656 4 211362 3 622823 2 1.02 3 3 3 1944 19.93 9.96
Venustiano
15 767,680 29,019 2 66241 2 239407 3 433013 2 0.08 1 2 1 48 0.49 0.25
Carranza
16 Xochimilco 1204148.55 44553.5 2 116802 3 216747 2 824842 4 0.37 2 1 3 288 2.95 1.48
TOTAL 9756 100 50
Este ejemplo ilustra el uso de variables epidemiológicas para planear estrategias de muestreo y monitoreo
eficaces y eficientes. Se buscaba definir sitios de monitoreo permanentes y estratégicos para evaluar la
salud del arbolado del Distrito Federal. Notar criterios de sanidad y tipologías de áreas.

9. La representación matricial
Material veg libre de virus
Densidad de Plantación
Estructura Poblacional
Estructura poblacional
Densidad poblacional
del sistema
Distribución espacial
Presencia de CTV
Estado fenológico
Detección de CTV
Control biológico
Normatividad
Edad de árbol
Temperatura
Precipitación
Estructura
Variedad
Severidad
Brotación
Variedad
Áfidofauna
Viento
Sanidad
Manejo
Cultivo
Clima
Clima
Temperatura
Precipitación
Viento
Cultivo
Estado fenológico
Estructura
Edad de árbol
Brotación
Variedad
Áfidofauna
Densidad poblacional
Estructura Poblacional
Presencia de CTV
Control biológico
Sanidad
Detección de CTV
Severidad
Distribución espacial
Estructura poblacional
Manejo
Material veg libre de virus
Variedad
Densidad de Plantación
Normatividad

10. Ejemplo 1. Planeación productiva y manejo. Caso Nopal, Morelos.
b Eustorgio González H.
b b
Noé Rubio b
b
bb b
Melchor Rayón b
b b b
b b
b
Margarita baba Elizalde
b b
b bb
b b b
b b b
b bb b
TLALNEPANTLA
b b
^
bb b
b b
b b
b b
Juan Ramírez Ramos
b Guillermo Osorio
b
TOTOLAPAN
TOTOLAPAN
b
b
_
b TLAYACAPAN
TLAYACAPAN
2000
b % de Incidencia
498000
0- 19.9
Mapas de Daño y Riesgo 20.0- 29.6 REGIÓN
29.7 - 38.9
b Alta
40.0 - 48.3 + b Media
48.4 - 57.7
57.8 - 69.0
> 69.0
b Baja

11. b Eustorgio González H.
b b
2400
b
b
bb b Noé Rubio
b
b b b
Melchor Rayón
b b
b b b Margarita baba Elizalde
b bb
b b b
b b b
b bb b
TLALNEPANTLA
2000
b b
bb ^
b
b b
b b
b b Guillermo Osorio
b
b
2100000
Juan Ramírez Ramos
TOTOLAPAN
b
b
2000 b TLAYACAPAN
b
En estos dos casos se evidencia la importancia % de Incidencia
2000
de regionalizar el daño de plagas para planeación 0 - 8.0
productiva y de manejo fitosanitario, por ejemplo 8.1 - 15.0
- REGIÓN
el manejo integrado de precisión. 15.1 - 23.4
+ b Alta
23.5 - 31.5
31.6 - 41.7
b Media
Notar el uso de escalas de daño de plagas 41.8 - 63.0 b Baja
y enfermedades > 63.0

12. 2. Análisis comparativo actual e histórico del Muérdago
(muerdago: planta hiperparásita –aérea- que acorta la vida de plantas infestadas)
Dispersión Actual 2007-08 Dispersión Histórica 2000
4.5
4 Líneas representan
3.5 Isoincidencias en
3 porcentaje (der)
y escala 1-5 (izq). Mapa
2.5 Azc
completo del DF.
2
1.5 Ven
1 B.J
0.5
0
-0.5 Coy Izt
Alv
M.Al
13

13. Análisis de incidencia de muérdago en Ligustrum licidum
TRUENO en las 7 delegaciones (74.12%) período 2007-2008
Líneas representan Isoincidencias en la escala de daño 0-5
Proyección geoespacial Kriging
Delegaciones
con mayor
incidencia en
Muérdago
V. Carranza
B. Juárez
Iztapalapa
Coyoacán
Esta diapositiva y la anterior complementa la búsqueda
de un sistema de monitoreo. La importancia de hacerlo
en el tiempo y la de seleccionar un indicador biológico, 14
por ejemplo, el trueno, árbol susceptible al muérdago y distribuido en el DF

14. Ejemplo 3. Planeación productiva y manejo agronómico. Caso Secaderá en fresa.
Michoacán
Nota: Secadera es una marchitez causada por complejo de hongos de raíz
Distribución Regional de la secadera de fresa por su Nivel de Incidencia en el Valle de Zamora. Estudio base para un
modelo de manejo de una enfermedad. Notar la variación estacional pero con claridad indica las zonas de mayor
problema. Por tanto se planea la restricción de movilidad de material de esas zonas o se introduce rotación de cultivo.
 
   
   
 
     
 
 
 
 
 
 
 
 
 

 

 
Mapa del valle de Zamora: Los colores cálidos (rojos) indican mayor incidencia de secadera.
Ceja y Mora, 2007

15. Georeferenciación
Matriz multivariada
Clima Hospedante Ceja et al., 2003
OBS RG YO XO YF TT T50 C B AUDPCS
SITIO RG
OBS LN YOLW XO MSNM VARIEDAD MANEJO
YF TT T50 C B
TEXTURA AUDPCS
M. agronómica Suelo
1 1 20o 04’ 102o 21’ 1.36944 Camarosa 8.93368 1
0.0327 0.08613 120 1558 207 120 Tradicional Arcillosa 28.3501
87.424
2 2 20o 02’ 102o 16’ 1573
0.0263 0.11204 89 1.41202 Aromas
236 155 7.71176
Tradicional Arcillosa 23.9003
193.713
3 3 19o 59’ 102o 20’ 0.99992 Camarosa 6.55947 2
0.0141 0.14473 60 1566 236 204 A +G Arcillosa 14.9629
22.015
4 4 19o 59’ 102o 43’ 1.34992 Aromas 9.90289 2
0.0432 0.21853 199 1586 111 57 A +G Franco Arc. 38.4955
03.656
5 5 20o 00’ 102o 19’ 1.06117 Camarosa 4.48931 2
0.0190 0.08613 126 1572 187 90 Tradicional Arcillosa 30.8744
26.373
. .. . . . . . . . .. . . . . .
6034 20o 00’ 102o 12’ 1.35062 Camarosa 2.13369 1
0.0199 0.15489 52 1588 238 95 Tradicional Arcillosa 54.9220
20.236
Municipios= 2, Localidades= 8, Sitios de muestreo= 34

16. A). Medición de factores de manejo agronómico: Efecto de Materia Orgánica en la Secadera
de la Fresa en Valle de Zamora
Color rojo indica mayor mortalidad de plantas en suelos con menos de 2% de
materia orgánica. Un suelo pobre es inductivo a Fusarium y otros hongos
Ceja y Mora, 2007

17. B). Medición de factores de manejo agronómico: Efecto de Acolchado y Riego por Goteo vs. No Acolchado
Riego por gravedad en la secadera de la fresa en el Valle de Zamora
Color rojo indica mayor mortalidad de plantas
en suelos Sin Acolchado – Riego gravedad (bandera roja)
Ceja y Mora, 2007

18. C). Medición de factores de manejo agronómico: Efecto de variedad en la secadera de la fresa en el
Valle de Zamora
Color rojo indica mayor severidad en la variedad Aromas (bandera azul)
Ceja y Mora, 2007

19. D). Medición de factores de manejo agronómico: Efecto de unidades formadoras de colonia
en la mortalidad de platas.
Relación de UFC de Fusarium sp al momento de siembra con el nivel de incidencia de secadera al final de
ciclo de cultivo. Se muestra la identificación de un agente primario para monitoreo en la mortalidad de
plantas por marchitamiento. Notar su uso a nivel regional.
34 parcelas evaluadas Valle Zamora Fructificación
20
18
Incidencia (%)
16
14 r= 0.65
12
10
8
6
4
2
0
0 20 40 60 80 100 120 140 160 180 200
Ufc de F. oxysporum
Fin de Ciclo Cultivo
35
30
Incidencia %
25 r= 0.57
20
15
10
5
0
0 50 100 150 200
Ufc de F. oxysporum
Ceja y Mora, 2007

20. 4. Parametrización con base en el sistema
Epidemiológico. HLB Colima-Protección

21. Indice Multivariado. Caso: HLB Colima-Protección.
Un método fundamental en estudios de regionalización

22. • La definición del problema y la concepción de los objetivos
e hipótesis requieren del acceso a información pertinente y la
observación del sistema bajo condiciones naturales o reales.
• La discusión entre especialistas (interdisciplinariedad)
permite una mayor eficiencia en la definición del problema y
planteamientos de objetivos en estudios regionales
• El análisis de un sistema fitosanitarios, por medio de sus
componentes (subsistemas) permite un visión integral para
definir variables de mayor interés o relevancia biológica de
acuerdo al objetivo. A nivel regional la pertinencia de las
variables es fundamental