Meció PD, Bayolo SG, Marrero SA

Idioma: Español
Referencias bibliográficas: 9
Paginas:
Archivo PDF: 843.51 Kb.

RESUMEN

En Epidemiología, han jugado un importante papel los Modelos Poblacionales que dividen a la población de estudio en subpoblaciones según los atributos que las distinguen, lo que permite representar la dinámica de contagio social de una determinada enfermedad, especialmente en momentos de brote epidémico. En el presente trabajo se explica cómo se representa la transmisión de enfermedades a través de modelos matemáticos definidos por ecuaciones diferenciales.
En esta propuesta se formula un modelo matemático definido por ecuaciones diferenciales para representar la transmisión del SarsCov2 distinguiendo entre las poblaciones de infectados sintomáticos y asintomáticos de la CoVid19, con funciones que simulan las acciones gubernamentales e individuales ante la percepción de riesgo. También se presenta un análisis de los resultados obtenidos en Cuba.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Biao Tang, Bragazzi NL, Qian Li, Sanyi Tang, Yanni Xiao, Jianhong Wu. An updated estimation of the risk of transmission of the novel coronavirus (2019-nCov). Infectious Disease Modelling [Internet]. 2020 Feb [cited 11 Feb 2020]; (5): 248-55. Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/ PMC7029158/.

2. Hellewell J, Abbott S, Gimma A, Nikos B, Christopher J, Russell TW et al. Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts. Lancet Glob Health [Internet]. 2020 [cited Mar 2020]; 8 (4): 488-96. Available from: https://www.thelancet.com/journals/langlo/article/PIIS2214-109X(20)30074-7/fulltext

3. Joseph T Wu, Leung K, Leung GM. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modeling study. The Lancet [Internet]. 2020 [cited Feb 2020]; 395 (10225) 689-97. Available from: https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30260-9/fulltext 4. Chen T, Rui J, Wang Q. et al. A mathematical model for simulating the phase-based transmissibility of a novel coronavirus. Infect Dis Poverty [Internet]. 2020 Jan [cited Feb 2020]; 9(24). Available from: https://doi.org/10.1186/s40249-020-00640-3.

4. Velasco Hernández JX. Modelos matemáticos en epidemiología: enfoques y alcances. Miscelánea Matemática [Internet]. 2007 [citado Feb 2020]; 44 11–27 SMM Disponible en: http://www.matcuer.unam.mx/~max/Misc44/Velazco_j.pdf

5. Qiangyng L, Zhao S, Gao D, Lou Y, Yang S, Musa S, et AL. A conceptual model for the coronavirus disease 2019 (COVID-19) outbreak in Wuhan, China with individual reaction and governmental action. International Journal of Infectious Diseases [Internet]. 2020 Apr [cited Apr 2020]; 23:211-6. Available from: https://www.ijidonline.com/article/S1201-9712(20)30117-X/fulltext .

6. Delamater PL, Street EJ, Leslie TF, Yang Y, Jacobsen KH. Complexity of the Basic Reproduction Number (R0). Emerg Infect Dis [Internet]. 2019; [cited Feb 2020]; 25(1):1-4. Available from: https://dx.doi.org/10.3201/eid2501.171901 .

7. Galindo Uribarri S, Rodríguez Meza MA, Cervantes Cota JL. Las matemáticas de las epidemias: caso México 2009 y otros. Espacio del Divulgador [Internet]. 2009; [citado Feb 2020]; Disponible en: https://www.redalyc.org/pdf/104/10428759009.pdf .

8. Gutiérrez JM, Varona JL. Análisis del Covid-19 por medio de un modelo SEIR. Blog del Instituto de Matemáticas de la Universidad de Sevilla[Internet]. 2020 Mar [citado Abr 2020]; Disponible en: https://institucional.us.es/blogimus/2020/03/covid-19-analisis-por-medio-de-un-modelo-seir/.

9. López-Cruz R. Structured SI Epidemic Models with Applications to HIV Epidemic[Internet]. EEUU: Arizona State University; 2006 [cited Feb 2020]. p. 27-46. Available from: https://math.la.asu.edu/~kuang/paper/Roxana.pdf .