avanc Avances Avances 2619-6581 Universidad Libre 4 10.18041/1794-4953/avances.2.10855 Artículos Efectos de las variables meteorológicas y agentes contaminantes en la propagación del covid-19 en Bogotá y Barranquilla, Colombia Effects of meteorological variables and pollutants on the spread of covid-19 in Bogota and Barranquilla, Colombia 0000-0002-9059-6631 Camargo Aguilera Laura Nataly 1 0000-0002-6505-6334 Rodriguez Ribero Lina Jaidith 2 0000-0002-0651-0971 Ramírez Castañeda Leila Nayibe 3 0000-0002-9436-5371 González Angarita Gina Paola 4 Universidad Libre, Bogotá, Colombia, lauran-camargoa@unilibre.edu.co Universidad Libre Universidad Libre Bogotá Colombia lauran-camargoa@unilibre.edu.co Universidad Libre, Bogotá, Colombia, linaj-rodriguezr@unilibre.edu.co Universidad Libre Universidad Libre Bogotá Colombia linaj-rodriguezr@unilibre.edu.co Universidad Libre, Bogotá, Colombia, leylan.ramirezc@unilibre.edu.co Universidad Libre Universidad Libre Bogotá Colombia leylan.ramirezc@unilibre.edu.co Universidad Libre, Bogotá, Colombia, ginap.gonzaleza@unilibre.edu.co Universidad Libre Universidad Libre Bogotá Colombia ginap.gonzaleza@unilibre.edu.co 15 12 2023 Jul-Dec 2023 20 2 e4 31 10 2023 07 12 2023 Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons Resumen

Estudios previos han demostrado la relación de los contaminantes del aire y los factores meteorológicos con la propagación del COVID-19. Esta investigación tiene como objetivo determinar si hay una significativa correlación entre las variables meteorológicas (temperatura, precipitación, velocidad del viento) y contaminante atmosférico (PM2.5) con los casos de la pandemia de COVID-19 en Bogotá y Barranquilla, Colombia en el año 2020. Se emplearon análisis de correlación de Pearson y Correlación de Spearman de acuerdo con su distribución de normalidad realizado por el test de Shapiro Wilk. Nuestros hallazgos indicaron una correlación significativa para la temperatura con los casos diarios en la ciudad de Bogotá y Barranquilla.

 Abstract

Previous studies have shown the relationship of air pollutants and meteorological factors with the spread of VOCID-19. This research aims to determine if there is a significant correlation between meteorological variables (temperature, precipitation, wind speed) and atmospheric pollutant (PM2.5) with the COVID-19 pandemic cases in Bogota and Barranquilla, Colombia in 2020. Pearson correlation and Spearman correlation analyses were used according to their normal distribution by the Shapiro Wilk test. Our findings indicated a significant correlation for temperature with daily cases in the city of Bogotá and Barranquilla.

 Palabras claves: Barranquilla Bogotá Colombia COVID-19 PM 2.5 variables climatológicas Keywords: Barranquilla Bogotá Colombia COVID-19 PM 2.5 weather variables 1. Introducción

El COVID 19 fue considerado como una pandemia de alta propagación a nivel mundial y se registró por primera vez en la ciudad de Wuhan China en diciembre de 2019. Dicha ciudad registra altos índices de contaminación y particularmente es la primera ciudad que inicia los procesos de cuarentena para mitigar la transmisión [1], [2].

Ante este escenario algunas investigaciones reportadas, como en Singapur se analiza la relación del COVID, la calidad del aire y las variables climáticas, por medio de la correlación de Spearman (0.54), que identifica que la correlación es positiva con dióxido de nitrógeno (NO2) y altas concentraciones con PM2.5 (0.34). Con respecto a las variables climáticas, se asocia la precipitación y la Humedad relativa con bajos casos de COVID 19, es decir que los coeficientes son negativos (-0.23 y -0.032) [3]. En Rusia también se determina la temperatura como uno de los parámetros claves en la propagación de la pandemia, debido a que tiene una fuerte correlación positiva de Pearson de 0,9 con los casos de COVID-19 [4].

Además, en Nueva York se identifica estadísticamente una correlación significativa de las variables temperatura promedio, temperatura mínima y calidad del aire con los casos totales del COVID-19, los coeficientes de Spearman son positivos para la temperatura media y temperatura mínima con 0.379 y 0.317; por otro lado, para la calidad del aire se obtiene un coeficiente negativo con -0.667[5].

En Latinoamérica y la región Caribe se asociaron los casos de COVID-19 con los datos de la temperatura, la precipitación, la velocidad del viento, el material particulado PM 2.5 y otros contaminantes atmosféricos de la región. Igualmente, los casos de contagio muestran una correlación negativa de Spearman significativa con un nivel de significancia del 5% con la temperatura en Ciudad de México (-0,254), San Juan (-0,287), São Paulo (-0,234), Guayaquil (-0,268) y Buenos Aires (-0,297), siendo la temperatura la variable con las correlaciones más significativas a comparación de las demás variables meteorológicas y de calidad del aire [6].

En Colombia, el primer caso de coronavirus se confirmó el 6 de marzo de 2020 en la ciudad de Bogotá [7]. Los casos de contagiados fueron aumentando en el territorio colombiano llegando al 31 de diciembre del 2020 a un total de 1.642.775, 43.213 muertes y 86.777 casos activos.

Con respecto a las emisiones atmosféricas se observó que para el 2020, las concentraciones más altas de material particulado PM2.5 en Bogotá se presentaron en la zona suroccidental, en las localidades de Kennedy, Bosa, Ciudad Bolívar y Tunjuelito entre 24 y 29 µg/m3. La concentración más alta se encontró en la estación de monitoreo Carvajal-Sevillana con 29.2 µg/m3, logrando superar la norma anual de niveles máximos permisibles de 25 µg/m3 (Res 2254 de 2017). La dirección del viento que tiende a ser de oriente a occidente durante la mayor parte del tiempo, logró influir principalmente al comportamiento del PM 2.5 [8]. Adicionalmente, se identifica la variable PM2.5 como la variable con mayor correlación con un coeficiente de Spearman negativo (-0.552), también se encuentra correlación negativa para las variables Temperatura máxima (-0.206), media (-0.132), mínima (-0.088) y para la velocidad del viento (-0.022), solamente hay correlación positiva para la precipitación (0.133) [6].

En Cartagena se analiza la correlación entre variables climáticas (Temperatura mínima, temperatura máxima, temperatura media y humedad relativa) con los casos diarios de COVID-19; para la metodología se utiliza la correlación de Spearman debido a que los datos no se distribuyen normalmente. Se encontró una correlación significativa entre la temperatura media, temperatura mínima y la humedad relativa con los casos diarios de COVID-19, los coeficientes de Spearman son de 0.746, 0.704 y 0.565; [9].

La presente investigación analiza el efecto de las variables meteorológicas (temperatura, velocidad del viento y precipitación) y el material particulado (PM2.5) sobre los casos de COVID-19 en 2 ciudades con condiciones ambientales distintas. Lo anterior con el fin de aportar a la construcción de lineamientos en la propuesta de políticas públicas, con el propósito de reducir la propagación para las zonas en donde se realizó el estudio y así mismo, prevenir futuras enfermedades infecciosas similares.

2. Metodología

Para la presente investigación se recolectaron los casos confirmados de COVID-19, las variables climáticas y de calidad del aire en el área de estudio. El análisis estadístico y la correlación de las variables (Pearson y Spearman) se realizaron en el programa RStudio y posteriormente, los datos se representaron espacialmente.

2.1. Área de estudio

La zona de estudio se localiza en 2 ciudades de Colombia con diferencias climatológicas y altitudinales. La primera de ellas es Bogotá con un área de 1,775 km2, está a una altitud de 2.640 m.s.n.m y está constituido por 20 localidades; su clima tiene una distribución bimodal con 2 temporadas lluviosas (abril-mayo y octubre-noviembre) y 2 secas(enero-febrero y julio-agosto) [10], además, en el 2020 se registraron 391.373 casos de COVID-19. Por otro lado, Barranquilla es la capital del departamento Atlántico, con una extensión de 166 km2 y una altitud de 24 m.s.n.m; dicha ciudad cuenta con una distribución climática con un periodo seco (diciembre-mayo) y un periodo de lluvias (abril-noviembre) [11]. La localización de las ciudades de estudio se muestra en la Figura 1. Los casos registrados de COVID-19 en el año 2020 fueron de 61.324 personas.

<italic>Mapa de localización de las áreas de estudio</italic>

2.2. Recolección de datos 2.2.1. Datos meteorológicos y calidad del aire

Los datos meteorológicos utilizados fueron Precipitación, temperatura y velocidad del viento; para calidad del aire se empleó el material particulado (PM 2.5). Estos datos fueron obtenidos en la página web de la Red de Monitoreo de Calidad del Aire de Bogotá (RMCAB) de la Secretaría Distrital de Ambiente (http://201.245.192.252:81/home/map) para la ciudad de Bogotá. Los datos fueron obtenidos de 10 estaciones de la RMCAB, para la selección se tuvieron en cuenta las estaciones meteorológicas que cumplieran con los criterios de completitud y calidad de la información (Tabla 1).

<italic>Coordenadas de las estaciones meteorológicas seleccionadas</italic>
Ciudad Estación Latitud Longitud
Bogotá Suba 4°45'40.49"N 74° 5'36.46"W
Guaymaral 4°47'01.5"N 74°02'38.9"W
Usaquén 4°42'37.26"N 74°1'49.50"W
Centro de Alto Rendimiento 4°39'30.48"N 74°5'2.28"W
Las Ferias 4°41'26.52"N 74°4'56.94"W
Fontibón 4°40'41.67"N 74°8'37.75"W
Puente Aranda 4°37'54.36"N 74°7'2.94"W
Kennedy 4°37'30.18"N 74°9'40.80"W
Carvajal - Sevillana 4°35'45.0"N 74°08'54.6"W
San Cristóbal 4°34'21.19"N 74°5'1.73"W
Barranquilla Escuela de Policía Antonio Nariño 10°58’55.89” N 74°47´17.73"O

Fuente: Secretaria Distrital de Ambiente

Para la ciudad de Barranquilla, los datos de las variables meteorológicas fueron obtenidos de la Secretaría de Ambiente de Barranquilla, y para cumplir con los criterios de selección se consideraron los datos de la estación Escuela de Policía Antonio Nariño.

El horizonte temporal de análisis para este estudio corresponde al 1 de enero hasta el 30 de diciembre del 2020, que permitió establecer la correlación entre las variables seleccionadas y los picos de contaminación más altos del virus.

 2.2.2 Datos COVID-19

El número de casos reportados de contagiados de COVID-19 se obtuvo a partir de la Base de Datos Abiertos del Gobierno Colombiano administrada por el Ministerio e Instituto Nacional de Salud (https://www.datos.gov.co/Salud-y-Protecci-n-Social/Casos-positivos-de-COVID-19-en-Colombia/gt2j-8ykr/data), la extracción de la información corresponde a las ciudades de Bogotá y Barranquilla. Las bases de datos contienen campos que hacen referencia a las fechas de contagio, fecha de inicio de síntomas, reporte y fecha de toma de prueba de Covid-19. Para la presente investigación, se considera prioritario el análisis a partir de las columnas: fecha de inicio de síntomas y ubicación del contagiado.

 2.3 Análisis estadístico

Mediante el programa estadístico Rstudio, se realizó el preprocesamiento de calidad de datos y posteriormente se utilizan las técnicas de estadística descriptiva de cada variable para determinar y entender su comportamiento actual.

Dentro de las técnicas de estadística descriptiva para las variables de estudio, se aplica los conceptos necesarios para determinar la distribución de probabilidad empírica. Para validar su aproximación a funciones de distribución de probabilidad normal, se validan las hipótesis a través del Test de Shapiro Wilk de acuerdo a la siguiente formula.

n= es el número de datos

x j =es el dato en orden ascendente de muestra que ocupa el lugar j μ =es la media

h= es n 2 si n es par o ( n - 1 ) 2 si n es impar

a j , n = es un valor tabulado.

La prueba permite corroborar la utilización de técnicas para definir la correlación entre variables cumpliendo sus supuestos. Es así que la correlación calculada con Pearson es recomendada para datos cuyo comportamiento tiene una distribución normal, de lo contrario se sugiere la correlación de Spearman (rs) [12].

Ecuaciones de Pearson:

X= variable 1

Y= variable 2

N= Número de datos

Ecuación de Spearman:

di= Diferencia entre rangos asignados

n= Número de pares de datos

 3. Resultados 3.1 Análisis estadístico 3.1.1. Localidades de Bogotá

En la Tabla 3 presenta la temperatura, PM 2.5, velocidad del viento y precipitación con sus respectivos máximos, mínimos y medios por localidad durante el periodo de estudio.

En las tablas 2 y 4 se presentan la clasificación de los rangos de correlación [13], la normalidad de los datos y el coeficiente de correlación. La correlación osciló entre -0.81 y 0.54. La velocidad del viento en Engativá tuvo la mayor correlación positiva (0,54), mientras que las correlaciones significativas negativas fueron con la temperatura en Kennedy (-0.81) y San Cristóbal (-0.80); Se evidencia que Kennedy es la localidad con más casos de COVID-19 y de igual forma es la que obtuvo la mayor correlación negativa además la localidad de Suba es la que tuvo los menores casos y obtuvo el coeficiente de correlación positivo más alto.

<italic>Rangos de correlación</italic>
Débil Moderada Fuerte

-0.5 ≤ r ≥ 0.5

-0.8 < r < 0.5 o

0.5 < r < 0.8

r ≥ 0.8 o

r ≤ -0.8

Fuente:[13]

Medidas de Tendencia Central de las variables de estudio de las localidades de Bogotá del año 2020
Localidades Temperatura PM 2.5 Velocidad del viento Precipitación CASOS COVID
Min Med Max Min Med Max Min Med Max Min Med Max
1 14.75 15.16 15.2 15.74 23.06 23.73 1.52 1.74 2.03 39.8 1192.24 280.45 9428
2 12.92 14 15.05 4.69 11.87 26.11 1.45 1.77 2.03 35.3 1458.20 433.9 18751
3 14.69 16.11 17.81 12.91 21.38 38.79 1.95 2.33 2.61 20 1574.72 281.1 54919
4 15.43 16 16.98 18.36 29.01 43.7 1.39 1.68 1.95 0.9 753.40 159.2
5 13.76 14.39 15.26 11.96 19.32 37.51 1.46 1.85 2.22 28.96 1345.45 198.05 20602
6 14.16 15.02 16.1 5.94 13.3 32.57 1.24 1.54 1.90 33.9 1060.60 236 8143
7 13.76 14.39 15.26 2.987 12.884 34.361 1.46 1.86 2.22 15.8 784.70 236 45130
8 13.18 14.06 14.88 12.59 20.55 37.33 1.71 2.10 2.49 5.7 703.70 139.2 16646
9 13.25 14.21 15.05 6.672 13.539 29.896 1.47 1.64 1.91 17.1 897.60 235.1 2050
10 14.79 15.04 15.06 16.7 22.18 22.68 1.17 1.60 2.19 38.6 996.00 242.6

Abreviaciones: Min: mínimo, Med: media, Max: máxima; Med para precipitación es la media acumulada.

1. Usaquén 2. San Cristóbal 3. Kennedy 4. Kennedy Carvajal 5. Fontibón 6. Barrios Unidos 7. Engativá 8. Puente Aranda 9. Suba-Guaymaral 10. Suba

<italic>Normalidad y coeficiente de correlación de las variables de estudio por localidades de Bogotá</italic>
Localidad Variables P-Value shapiro.test Coeficiente de correlación Localidad Variables P-Value shapiro.test Coeficiente de correlación
Usaquén PM 2.5 0 0.344 Engativá PM 2.5 0.073 -0.399
Temp 0 0.344 Temp 0.409 -0.558
Vel viento 0.490 0.173 Vel viento 0.993 0.544
mm 0,013 0.055 mm 0.003 0.287
Covid-19 0.067 - Covid-19 0.055 -
San Cristóbal PM 2.5 0.146 -0.587 Suba-Guaymaral PM 2.5 G 0.058 -0.396
Temp 0.948 -0.795 Temp G 0.965 -0.501
Vel viento 0.254 -0.274 Vel viento G 0.379 -0.432
mm 0.001 0.522 mm G 0.006 0.063
Covid-19 0.096 - Covid-19 G 0.091 -
Kennedy-Carvajal PM 2.5 0.774 -0.166 Suba PM 2.5 0 0.019
Temp 0.178 -0.590 Temp 0 0.507
Vel viento 0.879 -0.257 Vel viento 0.388 0.019
mm 0.073 0.258 mm 0.001 0.259
Covid-19 0.141 - Covid-19 0.091 -
Kennedy PM 2.5 0.099 -0.357 Barrios Unidos PM 2.5 0.034 -0.364
Temp 0.330 -0.808 Temp 0.775 -0.391
Vel viento 0.771 -0.332 Vel viento 0.970 -0.526
mm 0.328 -0.142 mm 0.015 0.045
Covid-19 0.141 - Covid-19 0.055 -
Fontibón PM 2.5 0.047 -0.168 Puente Aranda PM 2.5 0.105 -0.227
Temp 0.299 -0.539 Temp 0.946 -0.416
Vel viento 0.733 -0.472 Vel viento 0.650 -0.128
mm 0.620 -0.050 mm 0.548 0.361
Covid-19 0.147 - Covid-19 0.054 -

Abreviaciones: Temp: Temperatura (°c), mm: Precipitación (mm), Vel viento: Velocidad del viento (m/s), PM 2.5: Concentración de material particulado con un diámetro menor o igual a 2,5 micras (µg/m3).

*Los datos resaltados corresponden a las variables con distribución normal.

La variable Temperatura tuvo un comportamiento normal en 8 localidades. El PM2.5 se comportó normalmente en 6 localidades. La Precipitación tuvo una distribución normal en 4 localidades (Carvajal Kennedy, Kennedy, Fontibón y Puente Aranda). La velocidad del viento y los casos de COVID19 se comportaron normalmente en todas las localidades.

Los mayores coeficientes de correlación del PM2.5 fue en Usaquén (0.34), en la mayoría de las localidades la correlación fue negativa y débil. Con la Temperatura, la mayor correlación positiva es de Suba con 0.51, clasificándola como correlación moderada; Kennedy y San Cristóbal tienen una correlación fuerte negativa de -0.81 y -0.8 respectivamente. Con respecto a la Velocidad del Viento Engativá tuvo una correlación moderada positiva con 0.54; por otro lado, Barrios Unidos tuvo una correlación moderada negativa de -0.53.

Finalmente, la Precipitación tuvo correlaciones positivas en la mayor parte de localidades siendo San Cristóbal la mayor con correlación moderada de 0.52, las localidades que tuvieron correlaciones negativas débiles fueron Kennedy y Fontibón con -0.14 y -0.05.

 3.1.2. Barranquilla y Bogotá

Como se evidencia en la Tabla 6, en la ciudad de Bogotá todas las variables estaban distribuidas normalmente (indicadas en azul) a excepción de la precipitación; en Barranquilla 3 variables tuvieron distribución normal (temperatura, velocidad del viento y precipitación) a excepción del COVID-19 y el PM2.5.

La correlación entre las variables meteorológicas y el COVID-19 en Bogotá y Barranquilla son presentadas en la Figura 1. La variable temperatura fue la que tuvo las correlaciones más significativas en las 2 ciudades, de las cuales una fue positiva y la otra negativa.

De acuerdo con la Tabla 5 el promedio de temperatura en el año 2020 para Barranquilla fue de 26,51°C y para Bogotá fue de 14,84°C, las concentraciones de PM 2.5 y precipitación fueron mayores en la capital con 18.71 µg/m3 y 1076 mm. La velocidad del viento promedio fue similar en ambas ciudades.

<italic>Medidas de tendencia central Bogotá y Barranquilla 2020</italic>
Barranquilla Bogotá
Variables Mínimo Media Máximo Mínimo Media Máximo
Temp 25.49 26.51 27.65 14.07 14.84 15.66
PM 2.5 9.32 16.68 37.09 10.85 18.71 32.67
Vel Viento 0.01 1.85 5.52 1.48 1.81 2.16
mm 0 780.2 194.6 23.61 1076.66 244.16

Abreviaciones: Temp: Temperatura (°c), mm: Precipitación (mm), Vel viento: Velocidad del viento (m/s), PM 2.5: Concentración de material particulado con un diámetro menor o igual a 2.5 micras (µg/m3).

<italic>Valores de normalidad de las variables de estudio en Barranquilla y Bogotá</italic>
Variables P-Value shapiro.test
Barranquilla Bogotá
Covid-19 0.025 0.087
Temp 0.932 0.4
PM 2.5 0.016 0.095
Vel viento 0.093 0.38
mm 0.089 0.001

Abreviaciones: Temp: Temperatura (°c), mm: Precipitación (mm), Vel viento: Velocidad del viento (m/s), PM 2.5: Concentración de material particulado con un diámetro menor o igual a 2,5 micras (µg/m3).

*Los datos resaltados corresponden a las variables con distribución normal.

Coeficientes de correlación de las variables de estudio de Bogotá y Barranquilla
Ciudad Variables Coeficiente de correlación
Barranquilla Temperatura 0.406
PM 2.5 0.123
Velocidad del viento -0.305
Precipitación 0.38
Bogotá Temperatura -0.793
PM 2.5 -0.359
Velocidad del viento -0.218
Precipitación 0.207

Discusión

La ciudad de Barranquilla fue la más cálida con temperatura media de 26,51°C y presentó menos precipitaciones a comparación con Bogotá, la cual tuvo una temperatura media de 14,84°C. A pesar de que Barranquilla tiene una extensión menor a Bogotá, presentó la mayor concentración de PM2.5 en el año, esto puede deberse a las bajas precipitaciones, ya que estas ayudan a regular las concentraciones de contaminantes [14], como material particulado en la atmósfera [15].

Los resultados de los coeficiente de correlación para Bogotá en este articulo y los realizados en la investigación de [6] fueron similares para todas las variables de estudio, sin embargo en este estudio se identificó más significativa la correlación de las variables con el COVID-19 que en la del otro estudio, exceptuando la variable del PM 2.5.

De acuerdo a los resultados de este artículo, la temperatura tuvo una correlación significativa negativa en Bogotá, presentando que a menor temperatura mayores casos de COVID-19, tal y como se evidenció en Ciudad de México, Lima, Sao Paulo, Santiago y Buenos Aires [6], Turquía [16] y en 166 países [17]. Sin embargo, en Barranquilla se encontró una correlación positiva, al igual que en Rusia [18] India [19] y Singapur [3], significando que a mayor temperatura, mayores casos de COVID-19.

Además, se encontró correlación positiva entre la precipitación y el COVID-19 en ambas ciudades, como también ocurrió en Ciudad de México y Guayaquil [6]. Por otro lado, la precipitación tuvo correlación negativa en los estudios hechos en Nueva York [5]. Una investigación en Rusia no evidencio correlación entre dichas variables [18] al igual que en varias provincias de Irán [20].

La velocidad del viento estuvo correlacionada con los casos de COVID-19 en Bogotá y Barranquilla, dicha correlación tuvo un signo negativo al igual que en Italia [21] y varias provincias de Irán [20]. Sin embargo, investigaciones previas en Turquía [16] y Nueva York [5] encontraron que la correlación es positiva.

El PM2.5 tuvo correlación negativa en Bogotá, al igual que en otra investigación realizada en la misma ciudad [6]. En Barranquilla la correlación fue negativa débil, al igual que se concluyó en New Jersey [22]. Por el contrario, en China se encontró correlación positiva significativa entre estas dos variables, sobre todo con exposiciones a corto plazo [23].

 Conclusión

En la presente investigación se encontraron correlaciones significativas negativas entre la Temperatura media y el número de casos diarios de COVID-19 en Bogotá, mientras que en Barranquilla la correlación fue positiva, esto se puede deber a las medidas de cuarentena adoptadas por las entidades gubernamentales y diversos factores sociales como el comportamiento de las personas de acuerdo a la temperatura, a mayor temperatura las personas salen más de sus casas, lo cual genera aglomeraciones y mayores interacciones humanas. Adicionalmente, se encontró correlación positiva entre la Precipitación y los casos de COVID-19. Debido a la divergencia de los resultados de las correlaciones entre las variables meteorológicas y de calidad del aire se recomienda realizar más estudios similares en distintas ciudades de Colombia.

Las fortalezas de este estudio fueron la calidad de los datos del COVID-19 debido a que para el periodo de estudio el gobierno actualizaba los datos diariamente y estos eran de libre acceso; además el software estadístico empleado permitió su buen tratamiento. No obstante, este estudio tuvo algunas limitaciones. En primer lugar, no fue posible utilizar todas las estaciones meteorológicas de Bogotá y Barranquilla, debido a que algunas estaciones no realizaban la medición de las variables de estudios necesarias para esta investigación, así mismo la disponibilidad de los datos de las estaciones usadas dificulto los análisis estadísticos y pudo disminuir la precisión de los resultados, puesto que se encontraron datos faltantes. En segundo lugar, no se consideraron los factores no ambientales como lo socioeconómico, los periodos de cuarentena, condiciones y antecedentes médicos.

Referencias [1] L. Jafri, S. Ahmed, and I. Siddiqui, “Impact of COVID-19 on laboratory professionals-A descriptive cross sectional survey at a clinical chemistry laboratory in a developing country,” Ann. Med. Surg., vol. 57, pp. 70-75, Sep. 2020, doi: 10.1016/j.amsu.2020.07.022. Jafri L. Ahmed S. Siddiqui I. Impact of COVID-19 on laboratory professionals-A descriptive cross sectional survey at a clinical chemistry laboratory in a developing country Ann. Med. Surg 57 70 75 09 2020 10.1016/j.amsu.2020.07.022 [2] OMS, “Preguntas y respuestas sobre la enfermedad por coronavirus (COVID-19),” 2020. https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-public/q-a-coronaviruses (accessed Feb. 14, 2021). OMS Preguntas y respuestas sobre la enfermedad por coronavirus (COVID-19) https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-public/q-a-coronaviruses 2020 https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-public/q-a-coronaviruses Feb. 14, 2021 [3] J. S. L. Lorenzo, W. W. S. Tam, and W. J. Seow, “Association between air quality, meteorological factors and COVID-19 infection case numbers,” Environ. Res., vol. 197, p. 111024, Jun. 2021, doi: 10.1016/j.envres.2021.111024. Lorenzo J. S. L. Tam W. W. S. Seow W. J. Association between air quality, meteorological factors and COVID-19 infection case numbers Environ. Res 197 111024 111024 06 2021 10.1016/j.envres.2021.111024 [4] M. Shankar, K Gnanachandrasamy, G Mahalakshmi, N. Devaraj, S. Prasanna, M.V Chidambaram, and R. Thilagavathi, “Meteorological parameters and COVID-19 spread-Russia a case study,” Environ. Resil. Transform. Times COVID-19, 2021, doi: 10.1016/B978-0-323-85512-9.00033-4. Shankar M. Gnanachandrasamy K. Mahalakshmi G. Devaraj N. Prasanna S. Chidambaram M.V. Thilagavathi R. Meteorological parameters and COVID-19 spread-Russia a case study Environ. Resil. Transform. Times COVID-19 2021 10.1016/B978-0-323-85512-9.00033-4 [5] M. F. Bashir et al., “Correlation between climate indicators and COVID-19 pandemic in New York, USA,” Sci. Total Environ., vol. 728, p. 138835, Aug. 2020, doi: 10.1016/j.scitotenv.2020.138835. Bashir M. F. Correlation between climate indicators and COVID-19 pandemic in New York, USA Sci. Total Environ 728 138835 138835 08 2020 10.1016/j.scitotenv.2020.138835 [6] T. Bolaño et al., “Spread of SARS-CoV-2 through Latin America and the Caribbean region: A look from its economic conditions, climate and air pollution indicators | Elsevier Enhanced Reader,” Jul. 2020. Bolaño T. Spread of SARS-CoV-2 through Latin America and the Caribbean region: A look from its economic conditions, climate and air pollution indicators | Elsevier Enhanced Reader 07 2020 [7] Ministerio de Salud, “Colombia confirma su primer caso de COVID-19,” Mar. 2020. Ministerio de Salud Colombia confirma su primer caso de COVID-19 03 2020 [8] Secretaría de Ambiente, “Informe anual de calidad del aire de Bogotá Año 2020,” 2021. Secretaría de Ambiente Informe anual de calidad del aire de Bogotá Año 2020 2021 [9] E. Cano-Pérez, J. Enrique, T. Pacheco, and M. C. Fragozo, “Correlation between temperature and humidity with COVID-19 pandemic in Cartagena, Colombia,” doi: 10.37532/tses.2020.16(4).124. Cano-Pérez E. Enrique J. Pacheco T. Fragozo M. C. Correlation between temperature and humidity with COVID-19 pandemic in Cartagena, Colombia 10.37532/tses.2020.16(4).124 [10] IDEAM, Estudio de la caracterización Climática de Bogotá y Cuenca Alta del Río Tunjuelo. Bogotá, 2007. IDEAM Estudio de la caracterización Climática de Bogotá y Cuenca Alta del Río Tunjuelo Bogotá 2007 [11] CIOH, “CLIMATOLOGIA DE LOS PRINCIPALES PUERTOS DEL CARIBE COLOMBIANO.” . CIOH CLIMATOLOGIA DE LOS PRINCIPALES PUERTOS DEL CARIBE COLOMBIANO [12] I. Díaz, C. García, M. León, F. Ruiz, and F. Torres, “Guía de Asociación entre variables (Pearson y Spearman en SPSS),” Chile, Nov. 2014. Díaz I. García C. León M. Ruiz F. Torres F. Guía de Asociación entre variables (Pearson y Spearman en SPSS) Chile 11 2014 [13] J. L. Devore, “Fundamentos de probabilidad y estadistica aplicada,” pp. 1-354, 2019, [Online]. Available: https://b-ok.lat/book/5274224/efa81c. Devore J. L. Fundamentos de probabilidad y estadistica aplicada 1 354 2019 https://b-ok.lat/book/5274224/efa81c [14] J. Seinfeld and S. Pandis, Atmospheric Chemistry and Physics. 2006. Seinfeld J. Pandis S. Atmospheric Chemistry and Physics 2006 [15] Z. Liu, L. Shen, C. Yan, J. Du, Y. Li, and H. Zhao, “Analysis of the Influence of Precipitation and Wind on PM2.5 and PM10 in the Atmosphere,” Adv. Meteorol., vol. 2020, 2020, doi: 10.1155/2020/5039613. Liu Z. Shen L. Yan C. Du J. Li Y. Zhao H. Analysis of the Influence of Precipitation and Wind on PM2.5 and PM10 in the Atmosphere Adv. Meteorol 2020 2020 10.1155/2020/5039613 [16] M. Şahin, “Impact of weather on COVID-19 pandemic in Turkey,” Sci. Total Environ., vol. 728, Aug. 2020, doi: 10.1016/j.scitotenv.2020.138810. Şahin M. Impact of weather on COVID-19 pandemic in Turkey Sci. Total Environ 728 08 2020 10.1016/j.scitotenv.2020.138810 [17] Y. Wu et al., “Effects of temperature and humidity on the daily new cases and new deaths of COVID-19 in 166 countries,” Sci. Total Environ., vol. 729, Aug. 2020, doi: 10.1016/j.scitotenv.2020.139051. Wu Y. Effects of temperature and humidity on the daily new cases and new deaths of COVID-19 in 166 countries Sci. Total Environ 729 08 2020 10.1016/j.scitotenv.2020.139051 [18] T. T. Lasisi and K. Kolawole Eluwole, “Is the weather-induced COVID-19 spread hypothesis a myth or reality? Evidence from the Russian Federation,” Environ. Sci. Pollut. Res., 2020, doi: 10.1007/s11356-020-10808-x/Published. Lasisi T. T. Eluwole K. Kolawole Is the weather-induced COVID-19 spread hypothesis a myth or reality? Evidence from the Russian Federation Environ. Sci. Pollut. Res 2020 10.1007/s11356-020-10808-x/Published [19] S. S. R. Kolluru, A. K. Patra, Nazneen, and S. M. Shiva Nagendra, “Association of air pollution and meteorological variables with COVID-19 incidence: Evidence from five megacities in India,” Environ. Res., vol. 195, p. 110854, Apr. 2021, doi: 10.1016/j.envres.2021.110854. Kolluru S. S. R. Patra A. K. Nazneen Nagendra S. M. Shiva Association of air pollution and meteorological variables with COVID-19 incidence: Evidence from five megacities in India Environ. Res 195 110854 110854 04 2021 10.1016/j.envres.2021.110854 [20] M. Ahmadi, A. Sharifi, S. Dorosti, S. Jafarzadeh Ghoushchi, and N. Ghanbari, “Investigation of effective climatology parameters on COVID-19 outbreak in Iran,” Sci. Total Environ., vol. 729, Aug. 2020, doi: 10.1016/J.SCITOTENV.2020.138705. Ahmadi M. Sharifi A. Dorosti S. Ghoushchi S. Jafarzadeh Ghanbari N. Investigation of effective climatology parameters on COVID-19 outbreak in Iran Sci. Total Environ 729 08 2020 10.1016/J.SCITOTENV.2020.138705 [21] M. Coccia, “How do low wind speeds and high levels of air pollution support the spread of COVID-19?,” Atmos. Pollut. Res., vol. 12, no. 1, pp. 437-445, Jan. 2021, doi: 10.1016/j.apr.2020.10.002. Coccia M. How do low wind speeds and high levels of air pollution support the spread of COVID-19? Atmos. Pollut. Res 12 1 437 445 01 2021 10.1016/j.apr.2020.10.002 [22] B. Doğan, M. Ben Jebli, K. Shahzad, T. H. Farooq, and U. Shahzad, “Investigating the Effects of Meteorological Parameters on COVID-19: Case Study of New Jersey, United States,” Environ. Res., vol. 191, Dec. 2020, doi: 10.1016/j.envres.2020.110148. Doğan B. Jebli M. Ben Shahzad K. Farooq T. H. Shahzad U. Investigating the Effects of Meteorological Parameters on COVID-19: Case Study of New Jersey, United States Environ. Res 191 12 2020 10.1016/j.envres.2020.110148 [23] Y. Zhu, J. Xie, F. Huang, and L. Cao, “Association between short-term exposure to air pollution and COVID-19 infection: Evidence from China,” Sci. Total Environ., vol. 727, p. 138704, Jul. 2020, doi: 10.1016/j.scitotenv.2020.138704. Zhu Y. Xie J. Huang F. Cao L. Association between short-term exposure to air pollution and COVID-19 infection: Evidence from China Sci. Total Environ 727 138704 138704 07 2020 10.1016/j.scitotenv.2020.138704

Rodríguez Ribero, L. Jaidith, Camargo Aguilera, L. N., Gonzales Angarita, G. P. ., & Ramírez Castañeda, L. N. . Efectos de las variables meteorológicas y agentes contaminantes en la propagación del covid-19 en Bogotá y Barranquilla, Colombia. Avances Investigación En Ingeniería, 20(2). https://doi.org/10.18041/1794-4953/avances.2.10855