Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Analisis COVID-19 Hermosillo, Sonora David Peña, Adilene Calderón, Erubiel Tadeo September 2020 1. Explicación del Modelo 1.1. Contexto Debido a la necesidad de un estudio sobre el COVID-19 en la ciudad de Hermosillo, Sonora, relizaremos una reestructuación del modelo de Kermack y McKendrick que nos permita analizar y predecir el com- portamiento de la pandemia generada por este nuevo Coronavirus. Como medida de contención ante la pandemia, en la ciudad de Hermosillo se implemento una cuarentena, la cual inicialmente se esperaba que durará 14 dias, pero, debido a diversos factores, como: desinforma- ción, falta de infraestructura, recursos materiales y humanos en hospitales, la poca participación de la población en cuanto al lavado de manos y correcta utilización de cubrebocas, asi como el mantener la sana distancia, entre otras, esta se fue extendiendo hasta la fecha actual. Otras medidas tomadas fueron: el cierre de escuelas, cierre de negocios no primordiales y la suspensión de actividades no escenciales, para ello se estableció un semaforo de riesgo epidemiologico, el cual indica cuales son las actividades que se pueden realzar en cada color. Estas medidas implementadas han tenido diversas consecuencias en la población, un ejemplo de esto es el aumento del número de personas desempleadas. Actualmente el estado de Sonora se encuentra en semaforo amarillo, y con ello, aumento la cantidad de activiades que se pueden relizar, solo que esto trajó consigo el aumento en la movilidad dentro de la ciudad, lo que nos hace pensar que habrá un repunte en el número de casos diarios. 1.2. Planteamiento Para de poder analizar el comportamiento de la enfermedad dividiremos la población en 2 grupos, los cuales consisten en: la población sin estudiantes y los estudiantes de los diversos niveles educativos. Siguiendo el modelo de Kermack y McKendrick se observa que la población se divide en subgrupos, que consisten en: (S) las personas suceptibles, es decir, los que pueden contraer la enfermedad, (E) los que estan contagiados, pero aún no presentan sintomas, (I) los contagiados que presentan sintomas, (R) los que logran cursarse de la enfermedad, (D) los que mueren (D). Por lo tanto, podemos modelar la población sin estudiantes con un modelo SEIRD, como se muestra a continuación: Ṡ =− βSI Ė =βSI − ηE İ =ηE − γI Ṙ = (γ − φ) I Ḋ =φI Donde β es la tasa de infección, η es la tasa de incubación, γ es la tasa de recuperación y φ la tasa de mortalidad. En el caso de los estudiantes es algo diferente. En nuestro modelo los estudiantes serán tomados como un sistema aparte, sin embargo estará relacionado con el sistema principal, y con fin de simplificar el modelo lo más posible, las muertes en estudiantes estarán consideradas en el sistema principal. Por tanto los estudiantes pueden ser tratados con un SEIR. Ṡ =− βSI Ė =βSI − ηE İ =ηE − γI Ṙ =γI 1 Vistos los modelos que utilizaremos, partiremos con los respectivos ajustes. Llamando N = S +E + I + R+D a la población de Hermosillo y N̂ = S + E + I +R. N(t) =S(t) + E(t) + I(t) +R(t) +D(t) Ṅ(t) =Ṡ(t) + Ė(t) + İ(t) + Ṙ(t) + Ḋ(t) =0 Por tanto N(t) es constante, por otro lado N̂ N̂(t) =S(t) + E(t) + I(t) +R(t) ˙̂ N(t) =Ṡ(t) + Ė(t) + İ(t) + Ṙ(t) =− φI Teniendo que N̂ decrecerá con el paso del tiempo. Por lo que a base de una corrección, haremos que S,E, I,R se rigan por N̂ . Ṡ =µN̂ − βSI N̂ Ė = βSI N̂ − ηE İ =ηE − γI Ṙ = (γ − φ) I Ḋ =φI Además, estamos incluyendo las muertes, las cuales pueden ser o no, por COVID-19. Por lo que la tasa de mortalidad φ consta de 2 parámetros, siendo µ los que murieron por causa externa y µc los que fallecieron a causa del COVID-19. Como morir no depende del subgrupo en el que se encuentra (Cuando NO muere por COVID), µ afectara a todas las variables menos a D (ya que D mide los fallecidos por COVID), por lo que µ y µc toman el lugar de φ. Ṡ =µN̂ − βSI N̂ − µS Ė = βSI N̂ − ηE − µE İ =ηE − γI − µI − µcI Ṙ =γI − µR Ḋ =µcI Un cambio menor esta dado por el cambio de variable, siendo entonces η = γ y γ = γa, siendo ahora γ la tasa de incubación y γa la tasa de recuperación Ṡ =µN̂ − βSI N̂ − µS Ė = βSI N̂ − γE − µE İ =γE − γaI − µI − µcI Ṙ =γaI − µR Ḋ =µcI Además, tomando en cuenta que el sistema consta de 2 partes, la población sin estudiantes y los estudiantes. Por tanto el modelo de los estudiantes será representado por un SEIR. 2 ṠE =− βEISE N̂ − µSE ĖE = βEISE N̂ − γEE − µEE İE =γEE − γaIE − µIE ṘE =γaI − µRE El cual cuenta con su propia tasa de transmisión βE . Una de las medidas contra la pandemia fue el aislamiento, Lo que deberia disminuir los contagios. La denotaremos con Q(t), los aislados en en tiempo t. Q̇(t) = −g(Q)− µQ− βEIQ N̂ Partiendo de un Q0. vemos que Q va a decrecer ya que estós pueden fallecer o ser contagiados, aunque en menor medida. Finalmente tenemos g(Q). Definida como g(Q) = −f(Q), donde f esta descrita de la forma siguiente. f(Q) = 0 si t ∈ [to, t1) −k1 si t ∈ [t1, t2) 0 si t ∈ [t2, t3) −k2 si t ∈ [t3, t4) 0 si t ∈ [t4,∞) Donde los ki serian los momentos puntuales en los que las personas salen del ailamiento. En nuestro modelo estan k1 y k2, donde k1 serian las personas que salieron el dia del niño, y k2 el dia de las madres. Finalmente viendo que Q→ E, tenemos entonces el modelo SEIRD y SEIR que modelaremos. Modelo Principal Ṡ =µN̂ − βSI N̂ − µS + g(Q) Ė = βSI N̂ − βEIQ N̂ − γE − µE İ =γE − γaI − µI − µcI Ṙ =γaI − µR Ḋ =µcI Modelo Complementario ṠE =− βEISE N̂ − µSE ĖE = βEISE N̂ − γEE − µEE İE =γEE − γaIE − µIE ṘE =γaI − µRE Además de las funciones secundarias: g(Q) y Q(t), y el listado de parámetros vistos en el modelo. 3 Parametro Descripción Valores Referencias β tasa de infectados (7.02e-8, 2.09e-7)→(0.4212,1.254) [1] βE tasa de infectados en estudiantes Proporción [1] γ tasa de incubación (0.263,0.78) [1] γa tasa de recuperación 0.07142 [2] µ tasa de mortalidad 0.0849 [3] µc tasa de mortandad Datos* Cuadro 1: Parámetros Referencias [1] Roda, W. C., Varughese, M. B., Han, D., & Li, M. Y. Why is it difficult to accurately predict the COVID-19 epidemic? Infectious Disease Modelling, 5, 2020, 271-281. [2] Ortigoza G, Lorandi A, Neri I., Simulación Numérica y Modelación Matemática de la propagación del Covid 19 en el estado de Veracruz, Rev Mex Med Forense, 2020, 21-37. [3] Israel Montiel Armas, Tablas de mortalidad del estado de Sonora y sus regiones, COESPO, 2020 4
Compartir