Estimación de infecciones indocumentadas de Covid-19 en Cuba a través de un método híbrido mecano-estadístico

Autores/as

  • Gabriel Gil Departamento de Física Teórica, Instituto de Cibernética, Matemática y Física (ICIMAF), La Habana, Cuba
  • Alejandro Lage-Castellanos Departamento de Física Teórica, Faculta de Física, Universidad de La Habana, La Habana, Cuba https://orcid.org/0000-0003-1499-4256

Palabras clave:

Covid-19, Cuba, compartment epidemiological models, Bayesian inference methods

Resumen

En el present trabajo, adaptamos el método híbrido mecano-estadístico de la Ref. [1] para estimar el número total de infecciones de Covid-19 no documentadas en Cuba. Este esquema se basa en la estimación de máxima verosimilitud de los parámetros de un modelo tipo SIR para la población infectada, suponiendo que el proceso de detección se ajusta a un ensayo de Bernoulli. Nuestras estimaciones muestran que (a) el 60 % de las infecciones fueron indocumentadas, (b) la epidemia real detrás de los datos alcanzó el acme diez días antes de lo que sugieren los reportes, y (c) el número reproductivo se anula rápidamente luego de 80 días de epidemia.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

L. Roques, E. K. Klein, J. Papaïx, A. Sar, and S. Soubeyrand. Using early data to estimate the actual infection fatality ratio from COVID-19 in France. Biology, 9:97, 2020.

R. Li, S. Pei, B. Chen, Y. Song, T. Zhang, W. Yang, and J. Shaman. Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2). Science, 368:489–493, 2020.

S. Mandal, R. R. Sarkar, and S. Sinha. Mathematical models of malaria - a review. Malaria Journal, 10:202, 2011.

C. Bretó, D. He, E. L. Ionides, and A. King. Time series analysis via mechanistic models. The Annals of Applied Statistics, 3(1):319–348, 2009.

M. Li, J. Dushoff, and B.M. Bolker. Fitting mechanistic epidemic models to data: A comparison of simple Markov chain Monte Carlo approaches. Statistical Methods in Medical Research, 27(7):1956–1967, 2018.

N. Cabo-Bizet and A. Cabo Montes de Oca. Modelos SIR modificados para la evolución del COVID19. arXiv:2004.11352v1, 2020. Also published in the current Covid-19 special number of RCN.

W.O. Kermack and A.G. McKendrick. A Contribution to the Mathematical Theory of Epidemics. Proceedings of the Royal Society A, 1927.

www.bsg.ox.ac.uk/covidtracker.

F. Zhou, T. Yu, R. Du, G. Fan, Y. Liu, Z. Liu, J. Xiang, Y. Wang, B. Song, and X. Gu et al. Clinical course and risk factors for mortality of adult inpatients with COVID19 in Wuhan, China: a retrospective cohort study. The Lancet, 395:10229, 2020.

https://covid19cubadata.github.io.

https://github.com/pomber/covid19.

https://ourworldindata.org/ coronavirus-testing#cuba.

Descargas

Publicado

2020-12-01

Cómo citar

[1]
Gil, G. y Lage-Castellanos, A. 2020. Estimación de infecciones indocumentadas de Covid-19 en Cuba a través de un método híbrido mecano-estadístico. Ciencias matemáticas. 34, 1 (dic. 2020), 49–54.

Número

Vol. 34 Núm. 1: Diciembre, 2020

Sección

Artículo Original

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Esta licencia permite copiar y redistribuir el material en cualquier medio o formato bajo los siguientes términos: se debe dar crédito de manera adecuada, no se puede hacer uso del material con propósitos comerciales, y si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado. Bajo la licencia mencionada, los autores mantienen los derechos de autor de su trabajo.