Fuentes NA

Idioma: Español
Referencias bibliográficas: 36
Paginas: 125-146
Archivo PDF: 757.49 Kb.

RESUMEN

Objetivo: Aplicar los conceptos de Dinámica de Sistemas y usar el software STELLA para simular un conjunto de modelos epidemiológicos SIR de propagación del COVID-19 para Veracruz.
Métodos: La Dinámica de Sistemas es una metodología útil para analizar las causas estructurales que provocan el comportamiento dinámico de un sistema, y el software STELLA es una herramienta que permite construir los modelos a través de diagramas causales que facilita la comparación de los resultados de distintitas simulaciones.
Resultados: Si bien en el estado alcanzó el pico máximo de propagación del virus en la semana 33 el contagio no desapareció. Existe un patrón de propagación por olas (o rebrotes) decrecientes en el tiempo, que persistirá en el 0.56 % de la población estatal. La aplicación de una vacuna puede conseguir un descenso en las olas de infectados, que a su vez reducirá el número de fallecimientos.
Conclusión: el COVID-19 llegará a controlarse solo si la vacunación es mayor que el umbral del 47.6 % de la población estatal.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Abelló, I., Gionovart, R y Morales,W. (2020). “El modelo SIR básico y políticas anti epidémicas de salud pública para el COVID-19 en Cuba”. Revista Cubana de Salud Pública. Vol. 46 supl.1 Ciudad de la Habana.

2. Álvarez, A., Campos D., Dormido S. y Morillas F. (2018). “Modelos Dinámicos de Salud Pública” UNED, abril de 2018.

3. Cárdenas Bohórquez, S. J., Muñoz Morales, D. M., Reales Arrieta, C. A., Zabala Prieto, A. T. y Gelves Alarcón, O. M. (2020). “Modelo de dinámica de sistemas para el progreso del sras-cov-2 (covid-19) en Colombia” http://hdl.handle.net/11634/27257. DOI: 10.13140/RG.2.2.33665.89448. Consultado: 15 de diciembre de 2020.

4. Castro, C., Lodoño, A. y Valdés, J. C. (2005). “Modelación y simulación computacional usando sistemas de información geográfica con dinámica de sistemas a fenómenos epidemiológicos”. Revista Facultad de Ingeniera Universidad de Antioquia, Colombia. ISSN: 0120-6230.

5. Catano, A. y Rojas, D. (2020). “Modelos discretos de transmisión de COVID-19 y publicaciones preliminares en la ciencia: una búsqueda sistematizada”. Preprints.cielo,org, DOI:10.1590/SciELOPreprints.1076

6. Consejo Nacional de Población, (CONAPO, 2020). Indicadores de la esperanza de vida de la población mexicana y las principales causas de defunción en los distintos grupos de edad. Secretaría de Gobernación, México. Disponible en https://www.gob.mx/segob/prensa/informa-conapo-sobre-la-esperanza-de-vida-de-la-poblacion-mexicana . Consultado: 12 de diciembre de 2020.

7. Core System Dynamics Modeling Software. System Dynamics Society.©2017. Disponible en: https://www.systemdynamics.org/core-software. Consultado: 20 de diciembre de 2020.

8. Delgado, J. A. (2017). Dinámica de sistemas aplicado a la epidemiologia. Seminario Permanente: Las matemáticas aplicadas a la epidemiologia. Facultad de Matemática. UMC. Colombia.

9. Dirección General de la Secretaría de Salud-México (DGSS, 2020). Información sobre el COVID-19. Htpp://coronavirus.gob.mx. Consultado el 15 de diciembre de 2020.

10. FDA. (2020). Pfizer-BioTech y Moderna COVID-19 Vaccine. Disponible en https://www.fda.gov/emergency-preparedness-and-response/coronavirus-disease-2019-covid-19/pfizer-biontech-covid-19-vaccine. Consultado: 5 de enero de 2021.

11. Forrester, J. W. (1960). The impact of feedback control concepts on the management

12. sciences. Foundation for Instrumentation Education and Research, 1960.

13. García, Piñera, A. (2014). Modelos de ecuaciones diferenciales para la propagación de

14. enfermedades infecciosas. Trabajo de Grado en Matemáticas. Facultad de Ciencias. Universidad de Cantabria, España.

15. Ibero. (2020). Breve cronología de la pandemia 28 de febrero/14 de setiembre. El recuento de los daños: 200 días de COVID-19 en México [Datos]. Disponible en: http://revistas.ibero.mx/ibero/uploads/volumenes/55/pdf/breve-cronologia-de-la-pandemia.pdf Consultado: 2 de octubre de 2020.

16. iThink. isee systems inc.©2018. Disponible en: https://www.iseesystems.com/store/products/ithink.aspx . Consulta: 11 de marzo de 2020.

17. Kang. G. J., Gunaseelan, L., y Abbas, K. M. (2014). Epidemiological Modeling of Bovine

18. Brucellosis in India. Proceedings: IEEE International Conference on Big Data. IEEE International Conference on Big Data, 2014, 6–10. https://doi.org/10.1109/BigData.2014.7004420 Consultado: 12 de diciembre de 2020.

19. Kermack, W. O., y McKendrick, A. G., (1927)."A contribution to the

20. mathematical theory of epidemics." Proceedings of the royal society of London. Series A, Containing papers of a mathematical and physical character 115.772 (1927): 700-721.

21. Manrique, F., Agudelo, C., González, V., Gutiérrez, O., Téllez, C. y Herrera, G. (2020). Modelo SIR de la Pandemia de COVID-19 en Colombia. Revista de Salud Pública, volumen 22, pág. 1-9.

22. Martin-Barroso, V. (2020). Una breve introducción al modelo SIR aplicado al caso del COVID-19 en España. Instituto Complutense de Estudios Internacionales (ICEI). Facultad de Economía. Universidad Rey Juan Carlos. España.

23. Miramontes, O. (2020). Entendamos el COVID-19 en México. Instituto de Física. Universidad Nacional Autónoma de México.

24. National Institute of Health. (2020). COVID-19 is an emerging, rapidly evolving situation. Media Advisory, January 23, 2020. https://khn.org/news/analisis-expertos-desestimaron-al-coronavirus-hasta-que-fue-demasiado-tarde/ Consultado: 15 de diciembre de 2020.

25. Organización Mundial de la Salud (OMS, 2020). Coronavirus: OMS declara la pandemia a nivel mundial por COVID-19. Redacción Médica] disponible en: https://www.redaccionmedica.com/secciones/sanidad-hoy/coronavirus-pandemia-brote-de-covid-19-nivel-mundial-segun-oms-1895. Consulta: 18 de enero de 2021.

26. OPS/OMS. (2020). Vacunas contra el COVID-19. Disponible en https://www.paho.org/es/vacunas-contra-covid-19. Consultado: 10 de enero de 2021.

27. Ortigoza G, Lorandi A, Neri I. (2020). Simulación numérica y modelación matemática de la propagación del Covid 19 en el estado de Veracruz. Rev Mex Med Forense, 2020, 5(3): 21-37. ISSN: 2448-8011 DOI: https://revmedforense.uv.mx/index.php/RevINMEFO/article/view/2772

28. Consultado: 20 de diciembre de 2020.

29. Pereda, D. (2010). Modelización matemática de la difusión de una epidemia de peste porcina entre granjas. Fin de Master en Investigación Matemática. Facultad de Matemáticas. Universidad Complutense de Madrid.

30. Pérez, V. (2012). Estrategia de Vacunación para una Epidemia de Influenza. Tesis de Grado de Maestría. CIMAT, México.

31. Pliego, E. (2011). Modelos epidemiológicos de enfermedades virales Infecciosas. Tesis para obtener el título de Licenciado en Matemáticas. Facultad de Ciencias Físico-Matemáticas. Benemérita Universidad Autónoma de Puebla.

32. Rojas, S. (2020). The epidemiological SIR model on coronavirus COVID-19 pandemic data. Physics Department, University Simón Bolivar, Caracas, Venezuela.

33. Ruiz, V. R. (2020). COVID-19 México, modelo matemático. Revista Contra Línea. Disponible en https://www.contralinea.com.mx/archivo-revista/author/victorruizllamas/. Consultado: 10 de diciembre de 2020

34. Sevillano, R. C. y Terán, A. (2020). Proyección y evolución del COVID-19 en Bolivia mediante un modelo SEIR modificado. https://www.udape.gob.bo/portales_html/ReporteCOVID/Macro/PAPER_COVI19_LATEX.pdf. Consultado: 10 de diciembre de 2020.

35. Saralegiui, U. (2015). Modelos Epidemiológicos con control de vacunación. Trabajo de Grado en Física .Universidad del País Vasco. España.

36. Vargas Magaña R. M., Vargas, M. y Fromenteau, S. (2020). Impacto de las medidas de control en la evolución del brote COVID-19. En colaboración con el Colectivo Científicos Mexicanos en el Extranjero https://mexiciencia.github.io/y Laboratorio ConCiencia Social https://concienciasocialla.wixsite.com/misitio. Consultado: 10 de enero de 2020.