Derechos de autor 2022 Investigación e Innovación en Ingenierías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Rastreo del número reproductivo efectivo (R_t) del COVID-19 en Colombia implementando el Filtro de Kalman
Corresponding Author(s) : Jeyson David Rosales Mendoza
Investigación e Innovación en Ingenierías,
Vol. 10 Núm. 2 (2022): Julio-Diciembre
Resumen
Objetivo: implementar el Filtro de Kalman para estimar el número reproductivo efectivo R_t para la COVID-19 en Colombia y algunos de sus departamentos y ciudades más afectadas, con base en las observaciones de infectados reportados por el Instituto Nacional de Salud. Metodología: el rastreo del R_t se inicia con la calibración y recalibración de la tasa de recuperación mediante la resolución de un problema de optimización. Luego, se utiliza una heurística para determinar las covarianzas de perturbaciones ruidosas presentes en el modelo del R_t. Seguido, se aplica el Filtro de Kalman para obtener realizaciones de la estimativa óptima del R_t. Finalmente, se implementa simulación Monte Carlo para obtener la trayectoria media del R_t óptimo con un intervalo de confianza del 95%. Resultados: se realizó el rastreo del R_t de la COVID-19 en los departamentos de Atlántico, Antioquia y Valle del Cauca, las ciudades de Barranquilla y Bogotá, y en general en Colombia, en los periodos de tiempo determinados por los picos de contagios que experimentó cada territorio en particular, mostrando coherencia con la realidad que se vivió en cada uno. Conclusiones: el método para obtener el R_t, usado en esta investigación, brinda una estimación de dicho número más cercana a la realidad al compararlo con el cálculo que se obtiene a partir del modelo epidemiológico SIR determinístico.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- Organización Mundial de la Salud, «Organización Mundial de la Salud,» 2020. [En línea]. Available: https://www.who.int/es/health-topics/coronavirus#tab=tab_1. [Último acceso: Julio 2021].
- Instituto Nacional de la Salud, «Coronavirus,» Ministerio de Salud, 2020. [En línea]. Available: https://www.ins.gov.co/Noticias/paginas/coronavirus.aspx. [Último acceso: Julio 2021].
- G. N. Páez Salamanca, C. F. Restrepo, J. F. Zea, É. C. Rivera, A. Quiroz Salazar, J. F. Cerón, S. E. Cortés,
- G. Vargas Sandoval y C. Castañeda Orjuela, «Estimación del número reproductivo efectivo de la transmisión del COVID-19 en Colombia,» Observatorio Nacional de Salud, 2021.
- W. Kermack y A. G. Mackendrick, «A contribution to the mathematical theory of epidemics,» Proceedings of the royal society of london. Series A, Containing papers of a mathematical and physical character, vol. 115, nº 772, pp. 700-721, 1927.
- F. Arroyo Marioli, F. Bullano, S. Kucinskas y C. Rondón-Moreno, «Tracking R of COVID-19: A new real-time estimation using the Kalman filter,» PloS one, vol. 16, nº 1, p. e0244474, 2021.
- R. E. Kalman, «A new approach to linear filtering and prediction problems,» 1960.
- D. Alspach, «A parallel filtering algorithm for linear systems with unknown time varying noise statistics,» IEEE Trans. Auto. Cont., vol. 19, nº 5, pp. 552-556, 1974.
- V. A. Bavdekar, A. P. Deshpande y S. C. Patwardhan, «Identification of process and measurement noise covariance for state and parameter estimation using extended Kalman filter,» Journal of Process control, vol. 21, nº 4, pp. 585-601, 2011.
- Mohamed, A. H. y Schwarz, K. P., «Adaptive Kalman Filtering for INS/GPS,» Journal of Geodesy, vol. 73, nº 4, pp. 193-203, 1999.
- R. K. Mehra, «On the identification of variances and adaptive Kalman filtering,» IEEE Trans. Automat., vol. 15, nº 2, pp. 175-184, 1970.
- M. a. N. N. a. G. R. a. o. Ananthasayanam, «A Heuristic Reference Recursive Recipe for the Menacing Problem of Adaptively Tuning the Kalman Filter Statistics. Part-1. Formulation and Simulation Studies,» arXiv preprint arXiv:1505.07201, 2015.
- MathWorks, «Matlab the language of technical computing (getting started with matlab) version 7,» Natick, MA, USA, 2005.
- J. Peralta Polo, M. A. Caro Candezano y L. Niebles Nuñez, «Dos enfoques matemáticos epidemiológicos para modelar el comportamiento de los decesos causados por el COVID-19.,» Investigación e Innovación en Ingenierías, vol. 8, nº 2, 2020.
- E. Rauch Herbert, F. Tung y C. T. Striebel, «Maximum likelihood estimates of linear dynamic systems.,» AIAA journal, vol. 3, nº 8, pp. 1445-1450, 1965.
- M. Ananthasayanam y R. Mudambi , «A reference recursive recipe for tuning the statistics of the Kalman filter,» Kalman Filters-Theory for Advanced Applications, 2018.
- Shao, «Mathematical Statistics.,» New York: Springer. ISBN 0-387-98674-X., vol. Section 3.1.3., 1998.
- J. P. Polo, «Estudo da CoViD-19 em algumas cidades da Colômbia.,» de 2° Encontro Fluminense de Mulheres em Biomatemática., Rio de Janeiro, RJ, Brasil, 2020.
- C. E. Rodrigues , P. Natti, N. Romeiro, M. Candezano y J. Polo, «One study of covid-19 spreading at the United States - Brazil – Colombia.,» Trends in computational and Applied Mathematics TEMA, vol. 22, nº 3, p. 435–452, 2021.
- M. Junling, «Estimating epidemic exponential growth rate and basic reproduction number,» Infectious Disease Modelling, nº 5, pp. 129-141, 2020.
- G. E. Chanchí Golondrino, W. Y. Campo Muñoz, y L. M. Sierra Martinez, «Aplicación de la regresión polinomial para la caracterización de la curva del COVID-19, mediante técnicas de machine learning», Investigación e Innovación en Ingenierías, vol. 8, n.º 2, pp. 87 - 105, jul. 2020.
- E. J. De la Hoz Domínguez, T. J. Fontalvo Herrera, y A. A. Mendoza Mendoza, "Aprendizaje automático y PYMES: Oportunidades para el mejoramiento del proceso de toma de decisiones", Investigación e Innovación en Ingenierías, vol. 8, n.º 1, pp. 21-36, 2020. DOI: https://doi.org/10.17081/invinno.8.1.3506
Referencias
Organización Mundial de la Salud, «Organización Mundial de la Salud,» 2020. [En línea]. Available: https://www.who.int/es/health-topics/coronavirus#tab=tab_1. [Último acceso: Julio 2021].
Instituto Nacional de la Salud, «Coronavirus,» Ministerio de Salud, 2020. [En línea]. Available: https://www.ins.gov.co/Noticias/paginas/coronavirus.aspx. [Último acceso: Julio 2021].
G. N. Páez Salamanca, C. F. Restrepo, J. F. Zea, É. C. Rivera, A. Quiroz Salazar, J. F. Cerón, S. E. Cortés,
G. Vargas Sandoval y C. Castañeda Orjuela, «Estimación del número reproductivo efectivo de la transmisión del COVID-19 en Colombia,» Observatorio Nacional de Salud, 2021.
W. Kermack y A. G. Mackendrick, «A contribution to the mathematical theory of epidemics,» Proceedings of the royal society of london. Series A, Containing papers of a mathematical and physical character, vol. 115, nº 772, pp. 700-721, 1927.
F. Arroyo Marioli, F. Bullano, S. Kucinskas y C. Rondón-Moreno, «Tracking R of COVID-19: A new real-time estimation using the Kalman filter,» PloS one, vol. 16, nº 1, p. e0244474, 2021.
R. E. Kalman, «A new approach to linear filtering and prediction problems,» 1960.
D. Alspach, «A parallel filtering algorithm for linear systems with unknown time varying noise statistics,» IEEE Trans. Auto. Cont., vol. 19, nº 5, pp. 552-556, 1974.
V. A. Bavdekar, A. P. Deshpande y S. C. Patwardhan, «Identification of process and measurement noise covariance for state and parameter estimation using extended Kalman filter,» Journal of Process control, vol. 21, nº 4, pp. 585-601, 2011.
Mohamed, A. H. y Schwarz, K. P., «Adaptive Kalman Filtering for INS/GPS,» Journal of Geodesy, vol. 73, nº 4, pp. 193-203, 1999.
R. K. Mehra, «On the identification of variances and adaptive Kalman filtering,» IEEE Trans. Automat., vol. 15, nº 2, pp. 175-184, 1970.
M. a. N. N. a. G. R. a. o. Ananthasayanam, «A Heuristic Reference Recursive Recipe for the Menacing Problem of Adaptively Tuning the Kalman Filter Statistics. Part-1. Formulation and Simulation Studies,» arXiv preprint arXiv:1505.07201, 2015.
MathWorks, «Matlab the language of technical computing (getting started with matlab) version 7,» Natick, MA, USA, 2005.
J. Peralta Polo, M. A. Caro Candezano y L. Niebles Nuñez, «Dos enfoques matemáticos epidemiológicos para modelar el comportamiento de los decesos causados por el COVID-19.,» Investigación e Innovación en Ingenierías, vol. 8, nº 2, 2020.
E. Rauch Herbert, F. Tung y C. T. Striebel, «Maximum likelihood estimates of linear dynamic systems.,» AIAA journal, vol. 3, nº 8, pp. 1445-1450, 1965.
M. Ananthasayanam y R. Mudambi , «A reference recursive recipe for tuning the statistics of the Kalman filter,» Kalman Filters-Theory for Advanced Applications, 2018.
Shao, «Mathematical Statistics.,» New York: Springer. ISBN 0-387-98674-X., vol. Section 3.1.3., 1998.
J. P. Polo, «Estudo da CoViD-19 em algumas cidades da Colômbia.,» de 2° Encontro Fluminense de Mulheres em Biomatemática., Rio de Janeiro, RJ, Brasil, 2020.
C. E. Rodrigues , P. Natti, N. Romeiro, M. Candezano y J. Polo, «One study of covid-19 spreading at the United States - Brazil – Colombia.,» Trends in computational and Applied Mathematics TEMA, vol. 22, nº 3, p. 435–452, 2021.
M. Junling, «Estimating epidemic exponential growth rate and basic reproduction number,» Infectious Disease Modelling, nº 5, pp. 129-141, 2020.
G. E. Chanchí Golondrino, W. Y. Campo Muñoz, y L. M. Sierra Martinez, «Aplicación de la regresión polinomial para la caracterización de la curva del COVID-19, mediante técnicas de machine learning», Investigación e Innovación en Ingenierías, vol. 8, n.º 2, pp. 87 - 105, jul. 2020.
E. J. De la Hoz Domínguez, T. J. Fontalvo Herrera, y A. A. Mendoza Mendoza, "Aprendizaje automático y PYMES: Oportunidades para el mejoramiento del proceso de toma de decisiones", Investigación e Innovación en Ingenierías, vol. 8, n.º 1, pp. 21-36, 2020. DOI: https://doi.org/10.17081/invinno.8.1.3506