Derechos de autor 2020 Investigación e Innovación en Ingenierías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Dos enfoques matemáticos epidemiológicos para modelar el comportamiento de los decesos causados por el COVID-19
Corresponding Author(s) : Jeinny Peralta Polo
Investigación e Innovación en Ingenierías,
Vol. 8 Núm. 2 (2020): Julio - Diciembre
Resumen
Objetivo: Comparar dos modelos epidemiológicos matemáticos determinísticos de la literatura, para simular la curva de decesos en el departamento del Atlántico causados por el COVID-19. Metodología: El primer modelo propuesto para simular el número de decesos por el COVID-19 es el de Tappe. Este enfoque se basa en el comportamiento exponencial de la curva del número de decesos, e inicialmente fue usado por el autor con los datos disponibles del número de muertos en China. El otro modelo propuesto es el SIRD, una extensión del modelo SIR, que divide la población entre susceptibles, infectados, muertos y recuperados. Resultados: Los resultados obtenidos a partir de los dos modelos, en las fechas estipuladas, mostraron que, comparados con los datos tomados del INS, ambos describen un comportamiento relativamente similar. Sin embargo, al analizar una proyección realizada para noventa días, treinta días después de la fecha final de análisis (26 de mayo), se observa que el modelo SIRD describe una curva de crecimiento mayor que la del modelo de Tappe, esto se debe, probablemente, a la inserción de más variables en el modelo. Conclusiones: Al ser SIRD un modelo más completo, con mayor número de variables representativas de la población, la proyección realizada con éste es más confiable que la realizada con el modelo de Tappe. Para estudios futuros se pretende incorporar la población de los expuestos para describir el número de decesos, en un modelo SEIRD, en este departamento.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- Panamerican Health Organization, www.pho.com
- Corona Virus Resource Center, Johns Hopkins University & Medicine. Disponilble en: https://coronavirus.jhu.edu/
- E.M.L. Aquino, I.H. Silveira, J.M. Pescarini, R. Aquino., and J.A. Souza-Filho, “Social distancing measures to control the COVID-19 pandemic: potential impacts and challenges in Brazil. Social distancing measures to control the COVID-19 pandemic: potential impacts and challenges in Brazil”, Ciência & Saúde Coletiva, vol .25, pp. 2423-2446. DOI: https://dx.doi.org/10.1590/1413-81232020256.1.10502020
- J. Jia, J. Ding, S. Liu, G. Liaq, J. Li, B. Duan, G. Wang., and R. Zhang, “Modeling the control of COVID-19: Impact of policy interventions and meteorological factors,” arXiv, 2020.
- W. C. Roda, M.B. Varughese, D. H. Michael and Y. Li, “Why is it difficult to accurately predict the COVID-19 epidemic?”, Infectious Disease Modell, vol. 5, pp. 271 – 281, 2020, DOI: https://doi.org/10.1016/j.idm.2020.03.001
- E.L. Piccolomini and F. Zama, “Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model,” arXiv, 2020.
- S. Tuli, S. Tuli, R. Tuli., and S. Singh Gill, (2020, may), “Predicting the growth and trend of COVID-19 pandemic using machine learning and cloud computing”, Internet of Things, vol. 11, pp. 1- 16, 2020. DOI: https://doi.org/10.1016/j.iot.2020.100222
- M. Niazkar., and H.R. Niazkar, “COVID-19 Outbreak: Application of Multi-gene Genetic Programming to Country-based Prediction Models”, Electron J. Gen. Med, vol 17, n°. 5., pp. 1 –7, 2020. DOI: https://doi.org/10.29333/ejgm/8232
- G.R Shinde, A.B Kalamkar, P.N. Mahalle, N. Dey, J. Chaki & A.E. Hassanien, “Forecasting Models for Coronavirus Disease (COVID-19): A Survey of the State-of-the-Art", SN COMPUT. SCI. 1, 197, 2020. DOI: https://doi.org/10.1007/s42979-020-00209-9
- NP. Jewell, JA. Lewnard., and BL. Jewell. “Predictive Mathematical Models of the COVID-19 Pandemic: Underlying Principles and Value of Projections”, JAMA, vol. 323, n°.19, pp. 1893–1894, 2020. DOI. https://doi:10.1001/jama.2020.6585
- A.E.K. Grillo, T.J. Santaella, R. Guerrero. L.E. Bravo, “Modelos matemáticos y el COVID-19", Colomb.Med, vol. 51, n°. 2. 2020; DOI: https://doi.org/10.25100/cm.v51.i2.4277
- D. Fanelli, F. Piazza, “Analysis and forecast of COVID-19 spreading in China, Italy and France”, Chaos, Solitons & Fractals, vol. 134, pp. 1 – 5. 2020. DOI: https://doi.org/10.1016/j.chaos.2020.109761.
- R. Li, S. Pei, B. Chen, Y. Song, T. Zhang, W. Yang, J. Shaman, “Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2)”, Science, vol. 368, n°. 6490, pp. 489-493. 2020. DOI: https://doi.org/10.1126/science.abb3221
- C. De Castro. “SIR model for COVID-19 calibrated with existing data and projected for Colombia,” arXiv, 2020.
- F.G. Manrique-Abril, C.A. Agudelo-Calderon, V.M. González-Chordá, O. Gutiérrez-Lesmes, C. F. Téllez-Piñerez y G. Herrera-Amaya, “Modelo SIR de la pandemia de Covid-19 en Colombia”, Rev. Salúd Pública, vol. 22, pp. 1- 9, 2020. DOI: https://doi.org/10.15446/rsap.V22.85977
- W. O. Kermack, A. G. McKendrick and Gilbert Thomas Walker, “A contribution to the mathematical theory of epidemics”, Proc. R. Soc. Lond. 1927. DOI: http://doi.org/10.1098/rspa.1927.0118
- Coronavirus (COVID-2019) en Colombia. Instituto Nacional de Salud (INS), https://www.ins.gov.co/Noticias/Paginas/Coronavirus.aspx
- S. Tappe, “A simple mathematical model for the evolution of the corona virus,” arXiv, 2020.
- F. Zama, D. Frascari, D. Pinelli, A. E. M. Bacca, “Parameter estimation algorithms for kinetic modeling from noisy data”, System Modeling and Optimization, Springer International Publishing, pp. 517–527, 2016.
- B. Morini, M. Porcelli, “TRESNEI, a Matlab trust-region solver for systems of non linear equalities and inequalities”, Comput. Optim. Appl. vol. 51, pp. 27–49 ,2012. DOI: https://doi.org/10.1007/s10589-010-9327-5
Referencias
Panamerican Health Organization, www.pho.com
Corona Virus Resource Center, Johns Hopkins University & Medicine. Disponilble en: https://coronavirus.jhu.edu/
E.M.L. Aquino, I.H. Silveira, J.M. Pescarini, R. Aquino., and J.A. Souza-Filho, “Social distancing measures to control the COVID-19 pandemic: potential impacts and challenges in Brazil. Social distancing measures to control the COVID-19 pandemic: potential impacts and challenges in Brazil”, Ciência & Saúde Coletiva, vol .25, pp. 2423-2446. DOI: https://dx.doi.org/10.1590/1413-81232020256.1.10502020
J. Jia, J. Ding, S. Liu, G. Liaq, J. Li, B. Duan, G. Wang., and R. Zhang, “Modeling the control of COVID-19: Impact of policy interventions and meteorological factors,” arXiv, 2020.
W. C. Roda, M.B. Varughese, D. H. Michael and Y. Li, “Why is it difficult to accurately predict the COVID-19 epidemic?”, Infectious Disease Modell, vol. 5, pp. 271 – 281, 2020, DOI: https://doi.org/10.1016/j.idm.2020.03.001
E.L. Piccolomini and F. Zama, “Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model,” arXiv, 2020.
S. Tuli, S. Tuli, R. Tuli., and S. Singh Gill, (2020, may), “Predicting the growth and trend of COVID-19 pandemic using machine learning and cloud computing”, Internet of Things, vol. 11, pp. 1- 16, 2020. DOI: https://doi.org/10.1016/j.iot.2020.100222
M. Niazkar., and H.R. Niazkar, “COVID-19 Outbreak: Application of Multi-gene Genetic Programming to Country-based Prediction Models”, Electron J. Gen. Med, vol 17, n°. 5., pp. 1 –7, 2020. DOI: https://doi.org/10.29333/ejgm/8232
G.R Shinde, A.B Kalamkar, P.N. Mahalle, N. Dey, J. Chaki & A.E. Hassanien, “Forecasting Models for Coronavirus Disease (COVID-19): A Survey of the State-of-the-Art", SN COMPUT. SCI. 1, 197, 2020. DOI: https://doi.org/10.1007/s42979-020-00209-9
NP. Jewell, JA. Lewnard., and BL. Jewell. “Predictive Mathematical Models of the COVID-19 Pandemic: Underlying Principles and Value of Projections”, JAMA, vol. 323, n°.19, pp. 1893–1894, 2020. DOI. https://doi:10.1001/jama.2020.6585
A.E.K. Grillo, T.J. Santaella, R. Guerrero. L.E. Bravo, “Modelos matemáticos y el COVID-19", Colomb.Med, vol. 51, n°. 2. 2020; DOI: https://doi.org/10.25100/cm.v51.i2.4277
D. Fanelli, F. Piazza, “Analysis and forecast of COVID-19 spreading in China, Italy and France”, Chaos, Solitons & Fractals, vol. 134, pp. 1 – 5. 2020. DOI: https://doi.org/10.1016/j.chaos.2020.109761.
R. Li, S. Pei, B. Chen, Y. Song, T. Zhang, W. Yang, J. Shaman, “Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2)”, Science, vol. 368, n°. 6490, pp. 489-493. 2020. DOI: https://doi.org/10.1126/science.abb3221
C. De Castro. “SIR model for COVID-19 calibrated with existing data and projected for Colombia,” arXiv, 2020.
F.G. Manrique-Abril, C.A. Agudelo-Calderon, V.M. González-Chordá, O. Gutiérrez-Lesmes, C. F. Téllez-Piñerez y G. Herrera-Amaya, “Modelo SIR de la pandemia de Covid-19 en Colombia”, Rev. Salúd Pública, vol. 22, pp. 1- 9, 2020. DOI: https://doi.org/10.15446/rsap.V22.85977
W. O. Kermack, A. G. McKendrick and Gilbert Thomas Walker, “A contribution to the mathematical theory of epidemics”, Proc. R. Soc. Lond. 1927. DOI: http://doi.org/10.1098/rspa.1927.0118
Coronavirus (COVID-2019) en Colombia. Instituto Nacional de Salud (INS), https://www.ins.gov.co/Noticias/Paginas/Coronavirus.aspx
S. Tappe, “A simple mathematical model for the evolution of the corona virus,” arXiv, 2020.
F. Zama, D. Frascari, D. Pinelli, A. E. M. Bacca, “Parameter estimation algorithms for kinetic modeling from noisy data”, System Modeling and Optimization, Springer International Publishing, pp. 517–527, 2016.
B. Morini, M. Porcelli, “TRESNEI, a Matlab trust-region solver for systems of non linear equalities and inequalities”, Comput. Optim. Appl. vol. 51, pp. 27–49 ,2012. DOI: https://doi.org/10.1007/s10589-010-9327-5