Esta es un versión antigua publicada el 2022-02-11. Consulte la versión más reciente.

Estimación del factor de propagación R0 del COVID-19 por medio del modelo de Kermack-McKendrick

Autores/as

DOI:

https://doi.org/10.24197/st.1.2022.257-272

Palabras clave:

infectado; recuperado; propagación; mitigación: umbral epidemiológico

Resumen

El modelo epidémico SIR, es útil para medir la rapidez de propagación de la infección COVID-19 en términos de umbral epidemiológico R0 a lo largo del tiempo. Se desarrolló un modelo matemático diferencial ordinario para medir el comportamiento del COVID-19 en el Perú, partiendo de la experiencia en el control de infecciones Kermack–McKendrick. Se estimó además la tasa de infectados β y de recuperados o eliminados γ, haciendo uso del conjuntos de datos oficiales de la Organización Mundial de la Salud, partiendo del histórico entre el 07 de Marzo y el 24 de Septiembre de 2020 y; proyectado hasta el 28 de Octubre de 2021. Explicando que la menor tasa de infectados ocurrirá a partir del 30 de Junio de 2021 β=0,24. Evidenciando un pronóstico de erradicación para el 28 de Octubre de 2021 con una tasa de infectados (β=0,21) y umbral (R0=0,03), además se cuantificó la exactitud del modelo en 93,012%, con 6,988 % de error porcentual medio de mitigación COVID-19, 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.

Palabras Clave: infectado; recuperado; propagación; mitigación: umbral epidemiológico.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Carmen Milagro Viña, Universidad de Los Andes, Universidad de Los Andes, Universidad de Los Andes

    Doctor en Ciencias Políticas egresado de la Universidad Central de Venezuela. Investigador del Centro de Estudios Políticos y Sociales de América Latina. Grupo de Investigación Medios y Política de la Universidad de Los andes Mérida. Docente del Instituto de Altos Estudios Diplomáticos Pedro Gual- Caracas. Investigador adscrito al Grupo de Investigación de Estadisticas Sociales Lima-Perú.

  • Jose Frank Pernalete Lugo, , Universidad Centro Occidental Lisandro Alvarado

    Ingeniero Químico. Investigador Universidad Nacional Experimental Francisco de Miranda, Núcleo El Sabino Punto Fijo Estado Falcón. Magister en enseñanza de las matemáticas. Adscrito al Grupo de Investigación en estaisticas Sociales Lima-Perú.

Referencias

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

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

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

Correa-Cuadros, Jennifer P., & Muñoz-Rodríguez, Manuel A... (2020). SARS-COV.2/COVID-19 en Colombia: tendencias, predicciones y tensiones sobre el sistema sanitario. Revista de Salud Pública, 22(2), e386614. Epub July 30, 2020. https://dx.doi.org/10.15446/rsap.v22n2.86614

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

Díaz-Narváez, Víctor, San-Martín-Roldán, David, Calzadilla-Núñez, Aracelis, San-Martín-Roldán, Pablo, Parody-Muñoz, Alexander, & Robledo-Veloso, Gonzalo. (2020). Which curve provides the best explanation of the growth in confirmed COVID-19 cases in Chile?. Revista Latino-Americana de Enfermagem, 28, e3346. Epub June 26, 2020. https://doi.org/10.1590/1518-8345.4493.3346

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

Enoki-Miñano, E, & Ruiz-Barrueto, M. (2020). Danger of major outbreaks of COVID-19 in the Peruvian prison population. Revista Española de Sanidad Penitenciaria, 22(2), 91-92. Epub 20 de julio de 2020. https://dx.doi.org/10.18176/resp.00016

Gonzales-Castillo, Jorge R., Varona-Castillo, Luis, Domínguez-Morante, Moisés G., & Ocaña-Gutierrez, Víctor R. (2020). Pandemia de la coviD-19 y las Políticas de Salud Pública en el Perú: marzo-mayo 2020. Revista de Salud Pública, 22(2), e387373. Epub June 24, 2020. https://dx.doi.org/10.15446/rsap.v22n2.87373

González-Jaramillo, V., González-Jaramillo, N., Gómez-Restrepo, C., Franco, O., Palacio-Acosta, C., & Gómez-López, A. (2020). Proyecciones de 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, 22(2), 1-6. doi: https://doi.org/10.15446/rsap.v22n2.85789

Hamidah N., Herlina J., Evi R., Ismail H. (2020) Model of Spread of Infectious Diseases. Systematic Reviews in Pharmacy, 11(2), 685-689. doi: http://dx.doi.org/10.5530/srp.2020.2.99

Kaxiras, E., Neofotistos, G., & Angelaki, E. (2020). The first 100 days: Modeling the evolution of the COVID-19 pandemic. Chaos, Solitons and Fractals, 138. https://doi.org/10.1016/j.chaos.2020.110114 3

Li R., Xuyu C., Ying W., Wenwen W., Ling Z., Xiaodong T. (2019). Risk Factors of Healthcare Workers With Coronavirus Disease 2019: A Retrospective Cohort Study in a Designated Hospital of Wuhan in China, Clinical Infectious Diseases, ciaa287, https://doi.org/10.1093/cid/ciaa287

Lozano-Vargas, A. (2020). 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, 83(1), 51-56. https://dx.doi.org/10.20453/rnp.v83i1.3687

Magno, L., Rossi, T. A., Mendonça-Lima, F.W., Santos, C. C., Campos, G. B., Marques, L., Pereira, M., Prado, N.M., & Dourado, I.. (2020). Desafios e propostas para ampliação da testagem e diagnóstico para COVID-19 no Brasil. Ciência & Saúde Coletiva, 25(9), 3355-3364. Epub August 28, 2020. https://doi.org/10.1590/1413-81232020259.17812020

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

Manrique-Abril, Fred G., Agudelo-Calderon, Carlos A., González-Chordá, Víctor M., Gutiérrez-Lesmes, Oscar, Téllez-Piñerez, Cristian F., & Herrera-Amaya, Giomar. (2020). Modelo SIR de la pandemia de COVID-19 en Colombia. Revista de Salud Pública, 22(2), e185977. Epub April 07, 2020. https://dx.doi.org/10.15446/rsap.v22.85977

Martins, C., Gomes, R., Zanetti, Muller, E. V., Borges, P., Coradassi, C. E., & Montiel, E. M. (2020). Predictive model for COVID-19 incidence in a medium-sized municipality in Brazil (Ponta Grossa, Paraná). Texto & Contexto - Enfermagem, 29, e20200154. Epub July 31, 2020. https://doi.org/10.1590/1980-265x-tce-2020-0154

Organización Mundial de la Salud. (9 de julio de 2020). ¿Cómo se transmite el coronavirus que causa COVID-19?. https://www.who.int/news-room/q-a-detail/q-a-how-is-covid-19-transmitted

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

Pharaon, J. & Bauch, C. (2018). The influence of social behaviour on competition between virulent pathogen strains. Journal of Theoretical Biology, 455(1), 47-53. doi: https://doi.org/10.1016/j.jtbi.2018.06.028

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

Sánchez-Duque, J. A., Arce-Villalobos, L. R., & Rodríguez-Morales, A. J. (2020). Enfermedad por Coronavirus 2019 (COVID-19) en América Latina: Papel de la atención primaria en la preparación y respuesta. Atención Primaria. doi:10.1016/j.aprim.2020.04.001

Santaella-Tenorio, Julián. (2020). SARS-CoV-2 diagnostic testing alternatives for Latin America. Colombia Médica, 51(2), e4272. Epub May 11, 2020. https://dx.doi.org/10.25100/cm.v51i2.4272

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

Viceconte, G., & Petrosillo, N. (2020). COVID-19 R0: Magic number or conundrum?. Infectious disease reports, 12(1), 8516. https://doi.org/10.4081/idr.2020.8516

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

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

Descargas

Publicado

2022-02-11

Versiones

Cómo citar

Estimación del factor de propagación R0 del COVID-19 por medio del modelo de Kermack-McKendrick. (2022). Sociología Y Tecnociencia, 12(1), 257-272. https://doi.org/10.24197/st.1.2022.257-272