Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano
- Autores
- Gomez, Nestor Javier
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Este trabajo analiza características espacio-temporales de la pandemia del Covid-19 en la provincia de Santa Fe y particularmente en sus dos principales áreas metropolitanas: Rosario y Santa Fe, a partir de un análisis de mapas de calor utilizando sistemas de información geográfica (SIG). En la metodología, se trabaja con incidencias mensuales cada 10.000 habitantes para los 363 distritos santafesinos calculadas a partir de los partes diarios de Covid-19 del Ministerio de Salud provincial. Los datos poblacionales fueron provistos por el IPEC (2020). Para obtener la densidad de la incidencia de casos, se empleó la Estimación de Densidad del Núcleo –Kernel- disponible en el software Quantum Gis. Los resultados muestran que entre octubre de 2020 y mayo de 2021 se diversifica la cantidad de puntos de calor en las regiones centro-sur de Santa Fe, manifestando una nítida expansión territorial de la pandemia. La relación de los puntos calientes con los ejes viales señalaría que la movilidad e interacciones socioeconómicas entre localidades cercanas, son factores que intervienen en la ocurrencia de las incidencias. Estas evidencias constituyen una herramienta destinada a facilitar la interpretación de la realidad y continuar una línea de investigación orientada hacia la implementación de distintas estrategias de intervención.
This study analyzes spatial-temporal characteristics of the Covid-19 pandemic in the province of Santa Fe and particularly in its two main metropolitan areas: Rosario and Santa Fe, based on an analysis of heat maps using geographic information systems (GIS). In the methodology, this study uses monthly incidence rates per 10,000 inhabitants for the 363 Santa Fe districts calculated from the daily reports of Covid-19 from the provincial Ministry of Health. Population data were provided by IPEC (2020). To obtain the density of the incidence of cases, the Core Density Estimation –Kernel- available in the Quantum Gis software was used. The results indicate that between October 2020 and May 2021 the number of hot spots in the central-southern regions of Santa Fe diversifies, showing a clear territorial expansion of the pandemic. The relationship of the hot spots with the roads would indicate that mobility and socioeconomic interactions between nearby cities are factors that intervene in the occurrence of incidences. These evidences constitute a tool destined to facilitate the interpretation of reality and to continue a line of research oriented towards the implementation of different intervention strategies.
Fil: Gomez, Nestor Javier. Universidad Nacional del Litoral. Facultad de Humanidades y Ciencias. Departamento de Geografia; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina - Materia
-
AREAS METROPOLITANAS
MAPA DE CALOR
COVID-19 - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/135691
Ver los metadatos del registro completo
id |
CONICETDig_c1b9cb89e7215d0625e8957c273804ed |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/135691 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitanoCovid-19 heat map in Santa Fe: provincial and metropolitan analysisGomez, Nestor JavierAREAS METROPOLITANASMAPA DE CALORCOVID-19https://purl.org/becyt/ford/5.7https://purl.org/becyt/ford/5Este trabajo analiza características espacio-temporales de la pandemia del Covid-19 en la provincia de Santa Fe y particularmente en sus dos principales áreas metropolitanas: Rosario y Santa Fe, a partir de un análisis de mapas de calor utilizando sistemas de información geográfica (SIG). En la metodología, se trabaja con incidencias mensuales cada 10.000 habitantes para los 363 distritos santafesinos calculadas a partir de los partes diarios de Covid-19 del Ministerio de Salud provincial. Los datos poblacionales fueron provistos por el IPEC (2020). Para obtener la densidad de la incidencia de casos, se empleó la Estimación de Densidad del Núcleo –Kernel- disponible en el software Quantum Gis. Los resultados muestran que entre octubre de 2020 y mayo de 2021 se diversifica la cantidad de puntos de calor en las regiones centro-sur de Santa Fe, manifestando una nítida expansión territorial de la pandemia. La relación de los puntos calientes con los ejes viales señalaría que la movilidad e interacciones socioeconómicas entre localidades cercanas, son factores que intervienen en la ocurrencia de las incidencias. Estas evidencias constituyen una herramienta destinada a facilitar la interpretación de la realidad y continuar una línea de investigación orientada hacia la implementación de distintas estrategias de intervención.This study analyzes spatial-temporal characteristics of the Covid-19 pandemic in the province of Santa Fe and particularly in its two main metropolitan areas: Rosario and Santa Fe, based on an analysis of heat maps using geographic information systems (GIS). In the methodology, this study uses monthly incidence rates per 10,000 inhabitants for the 363 Santa Fe districts calculated from the daily reports of Covid-19 from the provincial Ministry of Health. Population data were provided by IPEC (2020). To obtain the density of the incidence of cases, the Core Density Estimation –Kernel- available in the Quantum Gis software was used. The results indicate that between October 2020 and May 2021 the number of hot spots in the central-southern regions of Santa Fe diversifies, showing a clear territorial expansion of the pandemic. The relationship of the hot spots with the roads would indicate that mobility and socioeconomic interactions between nearby cities are factors that intervene in the occurrence of incidences. These evidences constitute a tool destined to facilitate the interpretation of reality and to continue a line of research oriented towards the implementation of different intervention strategies.Fil: Gomez, Nestor Javier. Universidad Nacional del Litoral. Facultad de Humanidades y Ciencias. Departamento de Geografia; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaUniversidad Nacional de Luján. Instituto de Investigaciones Geográficas2021-06-15info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/135691Gomez, Nestor Javier; Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano; Universidad Nacional de Luján. Instituto de Investigaciones Geográficas; Posición; 5; 15-6-2021; 1-152683-8915CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://posicionrevista.wixsite.com/inigeo/n%C3%BAmero-5-2021info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T10:08:48Zoai:ri.conicet.gov.ar:11336/135691instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 10:08:48.998CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano Covid-19 heat map in Santa Fe: provincial and metropolitan analysis |
title |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano |
spellingShingle |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano Gomez, Nestor Javier AREAS METROPOLITANAS MAPA DE CALOR COVID-19 |
title_short |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano |
title_full |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano |
title_fullStr |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano |
title_full_unstemmed |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano |
title_sort |
Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano |
dc.creator.none.fl_str_mv |
Gomez, Nestor Javier |
author |
Gomez, Nestor Javier |
author_facet |
Gomez, Nestor Javier |
author_role |
author |
dc.subject.none.fl_str_mv |
AREAS METROPOLITANAS MAPA DE CALOR COVID-19 |
topic |
AREAS METROPOLITANAS MAPA DE CALOR COVID-19 |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/5.7 https://purl.org/becyt/ford/5 |
dc.description.none.fl_txt_mv |
Este trabajo analiza características espacio-temporales de la pandemia del Covid-19 en la provincia de Santa Fe y particularmente en sus dos principales áreas metropolitanas: Rosario y Santa Fe, a partir de un análisis de mapas de calor utilizando sistemas de información geográfica (SIG). En la metodología, se trabaja con incidencias mensuales cada 10.000 habitantes para los 363 distritos santafesinos calculadas a partir de los partes diarios de Covid-19 del Ministerio de Salud provincial. Los datos poblacionales fueron provistos por el IPEC (2020). Para obtener la densidad de la incidencia de casos, se empleó la Estimación de Densidad del Núcleo –Kernel- disponible en el software Quantum Gis. Los resultados muestran que entre octubre de 2020 y mayo de 2021 se diversifica la cantidad de puntos de calor en las regiones centro-sur de Santa Fe, manifestando una nítida expansión territorial de la pandemia. La relación de los puntos calientes con los ejes viales señalaría que la movilidad e interacciones socioeconómicas entre localidades cercanas, son factores que intervienen en la ocurrencia de las incidencias. Estas evidencias constituyen una herramienta destinada a facilitar la interpretación de la realidad y continuar una línea de investigación orientada hacia la implementación de distintas estrategias de intervención. This study analyzes spatial-temporal characteristics of the Covid-19 pandemic in the province of Santa Fe and particularly in its two main metropolitan areas: Rosario and Santa Fe, based on an analysis of heat maps using geographic information systems (GIS). In the methodology, this study uses monthly incidence rates per 10,000 inhabitants for the 363 Santa Fe districts calculated from the daily reports of Covid-19 from the provincial Ministry of Health. Population data were provided by IPEC (2020). To obtain the density of the incidence of cases, the Core Density Estimation –Kernel- available in the Quantum Gis software was used. The results indicate that between October 2020 and May 2021 the number of hot spots in the central-southern regions of Santa Fe diversifies, showing a clear territorial expansion of the pandemic. The relationship of the hot spots with the roads would indicate that mobility and socioeconomic interactions between nearby cities are factors that intervene in the occurrence of incidences. These evidences constitute a tool destined to facilitate the interpretation of reality and to continue a line of research oriented towards the implementation of different intervention strategies. Fil: Gomez, Nestor Javier. Universidad Nacional del Litoral. Facultad de Humanidades y Ciencias. Departamento de Geografia; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina |
description |
Este trabajo analiza características espacio-temporales de la pandemia del Covid-19 en la provincia de Santa Fe y particularmente en sus dos principales áreas metropolitanas: Rosario y Santa Fe, a partir de un análisis de mapas de calor utilizando sistemas de información geográfica (SIG). En la metodología, se trabaja con incidencias mensuales cada 10.000 habitantes para los 363 distritos santafesinos calculadas a partir de los partes diarios de Covid-19 del Ministerio de Salud provincial. Los datos poblacionales fueron provistos por el IPEC (2020). Para obtener la densidad de la incidencia de casos, se empleó la Estimación de Densidad del Núcleo –Kernel- disponible en el software Quantum Gis. Los resultados muestran que entre octubre de 2020 y mayo de 2021 se diversifica la cantidad de puntos de calor en las regiones centro-sur de Santa Fe, manifestando una nítida expansión territorial de la pandemia. La relación de los puntos calientes con los ejes viales señalaría que la movilidad e interacciones socioeconómicas entre localidades cercanas, son factores que intervienen en la ocurrencia de las incidencias. Estas evidencias constituyen una herramienta destinada a facilitar la interpretación de la realidad y continuar una línea de investigación orientada hacia la implementación de distintas estrategias de intervención. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-06-15 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/135691 Gomez, Nestor Javier; Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano; Universidad Nacional de Luján. Instituto de Investigaciones Geográficas; Posición; 5; 15-6-2021; 1-15 2683-8915 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/135691 |
identifier_str_mv |
Gomez, Nestor Javier; Mapa de calor del COVID-19 en Santa Fe: análisis provincial y metropolitano; Universidad Nacional de Luján. Instituto de Investigaciones Geográficas; Posición; 5; 15-6-2021; 1-15 2683-8915 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://posicionrevista.wixsite.com/inigeo/n%C3%BAmero-5-2021 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional de Luján. Instituto de Investigaciones Geográficas |
publisher.none.fl_str_mv |
Universidad Nacional de Luján. Instituto de Investigaciones Geográficas |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1842270058070409216 |
score |
13.13397 |