El modelo Kermack-McKendrick en la propagación de cepas COVID-19: Perú 2020-2021

Autores/as

DOI: https://doi.org/10.6018/eglobal.521971
Palabras clave: infectado, recuperado, propagación, susceptible, umbral.

Resumen

Introducción: El modelo epidémico SIR es útil para medir la velocidad de propagación de las cepas COVID-19 (B.1.617.2/P.1/C.37/B.1.621), en términos de umbral epidemiológico R0 a lo largo del tiempo.
Objetivo: Evaluar un modelo matemático de tipo diferencial, propio del comportamiento del COVID-19 para el colectivo peruano.
Métodos: Se desarrolló un modelo matemático diferencial del comportamiento de la pandemia para el colectivo peruano, partiendo de la experiencia en el control de infecciones Kermack–McKendrick. Se estimó el número de susceptibles S, infectados y diseminando la infección I y recuperados R, con el uso de conjuntos de datos oficiales de la Organización Mundial de la Salud, partiendo del histórico entre el 07 de marzo y el 12 de septiembre de 2020 y; proyectado durante 52 semanas hasta el 11 de septiembre de 2021.
Resultados: La menor tasa de infectados ocurrirá a partir del 3 de abril de 2021. Evidenciando un pronóstico de menor transmisibilidad para el 29 de mayo de 2021 con una tasa de infectados (β=0.08) y umbral (R0=0,000), además se cuantificó la exactitud del modelo en 97,795 %, con 2,205 % de error porcentual medio, siendo el valor promedio temporal R0 <1, así que cada persona que contrae la enfermedad infectará a menos de una persona antes de morir o recuperarse, por lo que el brote desaparecerá.
Conclusión: La curva de contagios en el Perú dependerá directamente de las medidas de mitigación para frenar la propagación de la infección y predecir una transmisión sostenida a través de la vacunación contra las cepas tipo del COVID-19; con la observancia de las personas de las medidas preventivas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Díaz-Pinzón J. E. Uso de modelo predictivo para la dinámica de transmisión del COVID-19 en Colombia. Revista Repertorio De Medicina Y Cirugía. 2020; 34-44. Disponible en: https://doi.org/10.31260/RepertMedCir.01217372.1056

Correa-Cuadros, J., & Muñoz-Rodríguez, M. SARS-COV.2/COVID-19 en Colombia: tendencias, predicciones y tensiones sobre el sistema sanitario. Revista de Salud Pública. 2020;22(2): e386614. Disponible en: https://dx.doi.org/10.15446/rsap.v22n2.86614

World Health Organization. Visible body: WHO Coronavirus Disease (COVID-19) Dashboard. Ginebra, SUI.: WHO Health Emergency Dashboard. 2020. Disponible en: https://covid19.who.int/

Caparó, F., & Del Carmen S., J. Coronavirus y las amenazas a la salud mundial. Horizonte MéDico (Lima). 2020;20(1): 4-5. Disponible en: https://doi.org/10.24265/horizmed.2020.v20n1.01

Enoki-Miñano, E, & Ruiz-Barrueto, M. Danger of major outbreaks of COVID-19 in the Peruvian prison population. Revista Española de Sanidad Penitenciaria. 2020;22(2): 91-92. Disponible en: https://dx.doi.org/10.18176/resp.00016

Maguiña-Vargas, C. Reflexiones sobre el COVID-19, el Colegio Médico del Perú y la Salud Pública. Acta Médica Peruana. 2020;37(1): 8-10. Disponible en: https://dx.doi.org/10.35663/amp.2020.371.929

Lozano-Vargas, A. Impacto de la epidemia del Coronavirus (COVID-19) en la salud mental del personal de salud y en la población general de China. Revista de Neuro-Psiquiatría. 2020;83(1): 51-56. Disponible en: https://dx.doi.org/10.20453/rnp.v83i1.3687

Paiva H.M., Afonso R.J.M., de Oliveira I.L., Garcia G.F. A data-driven model to describe and forecast the dynamics of COVID-19 transmission. PLoS ONE. 2020;15(7): e0236386. Disponible en: https://doi.org/10.1371/journal.pone.0236386

Zhao, S., Chen, H. Modeling the epidemic dynamics and control of COVID-19 outbreak in China. Quant Biol. 2020;8: 11-19. Disponible en: https://doi.org/10.1007/s40484-020-0199-0

Trujillo Sainz, J. Metodología para la organización de los Recursos Educativos Abiertos en la carrera de Educación Laboral-Informática. Mendive. Revista de Educación. 2020;18(1): 102-115. Disponible en: http://mendive.upr.edu.cu/index.php/MendiveUPR/article/view/1672

Manrique-Abril, F., Agudelo-Calderon, C., González-Chordá, V., Gutiérrez-Lesmes, O., Téllez-Piñerez, C., & Herrera-Amaya, G. Modelo SIR de la pandemia de COVID-19 en Colombia. Revista de Salud Pública. 2020;22(2): e185977. Disponible en: https://dx.doi.org/10.15446/rsap.v22.85977

Abdulmajeed, K., Adeleke, M., & Popoola, L. Onlineforecasting of COVID-19 cases in Nigeria using limited data. Journal Data in Brief. 2020;20(1). Disponible en: https://doi.org/10.1016/j.dib.2020

Pinasco, J. P. Las Simulaciones: Otras herramientas para entender una epidemia. Revista De Educación Matemática. 2020;35(2): 35-50. Disponible en: https://revistas.unc.edu.ar/index.php/REM/article/view/29728

Kaxiras, E., Neofotistos, G., & Angelaki, E. The first 100 days: Modeling the evolution of the COVID-19 pandemic. Chaos, Solitons and Fractals. 2020;138. Disponible en: https://doi.org/10.1016/j.chaos.2020.110114

Arango-Londoño, D., Ortega-Lenis, D., Muñoz, E., Cuartas, D., Caicedo, D., Mena, J., Torres, M., & Méndez, F. Predicciones de un modelo SEIR para casos de COVID-19 en Cali, Colombia. Revista de Salud Pública. 2020;22(2): 1-6. Disponible en: https://doi.org/10.15446/rsap.v22n2.86432

Díaz-Narváez, V., San-Martín-Roldán, D., Calzadilla-Núñez, A., San-Martín-Roldán, P., Parody-Muñoz, A., & Robledo-Veloso, G. Which curve provides the best explanation of the growth in confirmed COVID-19 cases in Chile?. Revista Latino-Americana de Enfermagem. 2020;28: e3346. Disponible en: https://doi.org/10.1590/1518-8345.4493.3346

González-Jaramillo, V., González-Jaramillo, N., Gómez-Restrepo, C., Franco, O., Palacio-Acosta, C., & Gómez-López, A. Proyecciones del impacto de la pandemia COVID-19 en la población colombiana, según medidas de mitigación. Datos preliminares de modelos epidemiológicos para el periodo del 18 de marzo al 18 de abril de 2020. Revista de Salud Pública. 2020;22(2): 1-6. Disponible en: https://doi.org/10.15446/rsap.v22n2.85789

Du, Z., Wang, L., Cauchemez, S., Xu, X., Wang, X., Cowling, B. Riesgo de transporte de la enfermedad por coronavirus desde Wuhan a otras ciudades de China. Enfermedades infecciosas emergentes. 2020;26(5): 1049-1052. Disponible en: https://dx.doi.org/10.3201/eid2605.200146

COVID-19 Dashboard by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU). Coronavirus resource center. 2021. Disponible en: https://coronavirus.jhu.edu/map.html

Viña, C., & Pernalete, J. Estimación del factor de propagación R0 del COVID-19 mediante el modelo Kermack-McKendrick. Sociología y Tecnociencia. 2022;12(1): 252-272. Disponible en: https://revistas.uva.es/index.php/sociotecno/article/view/4661/4557

Kucharski, A. J., Russell, T. W., Diamond, C., Liu, Y., Edmunds, J., Funk, S., Eggo, R. M., & Centre for Mathematical Modelling of Infectious Diseases COVID-19 working group. Early dynamics of transmission and control of COVID-19: a mathematical modelling study. The Lancet. Infectious diseases. 2020;20(5): 553-558. Disponible en: https://doi.org/10.1016/S1473-3099(20)30144-4

Ramírez-Torres, E., Selva-Castañeda, A., Bergues-Cabrales, L., Bory-Prevez, H., Valdés-García, L., Sedal-Yanes, D., Alcantara-Oliveros, Y., Sánchez-Domínguez, S., Rodríguez-Valdés, A., & Morandeira-Padrón, H. Comportamientos temporales de los casos activos y acumulados durante el segundo y tercer rebrotes epidémico de la COVID-19 para la provincia Santiago de Cuba. Anales de la Academia de Ciencias de Cuba. 2022;12(1): e1083. Disponible en: http://www.revistaccuba.cu/index.php/revacc/article/view/1083/1343

Mugisha, J., Ssebuliba J, Nakakawa, J., Kikawa, C., Ssematimba, A. Mathematical modeling of COVID-19 transmission dynamics in Uganda: Implications of complacency and early easing of lockdown. PLoS ONE. 2021;16(2): e0247456. Disponible en: https://doi.org/10.1371/journal.pone.0247456

Organización Mundial de la Salud. Clasificación de la variante ómicron (B.1.1.529) del SARS-CoV-2 como variante preocupante. [Comunicado de prensa]. (24 de noviembre 2021). Disponible en: https://www.who.int/es/news/item/26-11-2021-classification-of-omicron-(b.1.1.529)-sars-cov-2-variant-of-concern

Ridenhour, B., Kowalik, J. M., & Shay, D. K. Unraveling R0: considerations for public health applications. American journal of public health. 2014;104(2): e32-e41. Disponible en: https://doi.org/10.2105/AJPH.2013.301704

Hellewell, J., Abbott, S., Gimma, A., Bosse, NI, Jarvis, CI, Russell, TW, Munday, JD, Kucharski, AJ, Edmunds, WJ, Centro para el Modelado Matemático de Enfermedades Infecciosas COVID-19 Grupo de trabajo, Funk, S. y Eggo, RM. Factibilidad de control de brotes de COVID-19 por aislamiento de casos y contactos. La lanceta. Salud global. 2020;8(4): e488–e496. Disponible en: https://doi.org/10.1016/S2214-109X(20)30074-7

Publicado
03-01-2023
Cómo citar
[1]
Pernalete Lugo, J. y Odor Rossel, Y. 2023. El modelo Kermack-McKendrick en la propagación de cepas COVID-19: Perú 2020-2021 . Enfermería Global. 22, 1 (ene. 2023), 309–336. DOI:https://doi.org/10.6018/eglobal.521971.
Número
Sección
Originales