Aplicación de modelos de crecimiento sigmoidal en el pronóstico en tiempo real del brote de la Covid-19 en Villa Clara
Palabras clave:
Covid-19, modelos de crecimiento sigmoidal, SIR, pronósticos en tiempo realResumen
En el presente artículo se estudia la dinámica de transmisión del SARS CoV-2 en Villa Clara utilizando diferentes modelos matemáticos, entre ellos los modelos fenomenológicos de crecimiento sigmoidal y de dinámica de población SIR. A partir del ajuste de los modelos a las series de datos de infectados acumulados, diariamente se evaluaron y estimaron diferentes parámetros asociados a la marcha de la Covid-19 en la provincia, información considerada por las autoridades en la toma de decisiones. Se presenta además, en retrospectiva, la evaluación de los pronósticos realizados en momentos representativos de las tres etapas identificadas, avalándose la intervención oportuna de las autoridades sanitarias para controlar eventos de transmisión local suscitados en el territorio.Descargas
Citas
Burnham, Kenneth P. y David R. Anderson: Multimodel Inference. Sociological Methods & Research, 33(2):261–304, nov 2004, ISSN 0049-1241. http://journals.sagepub.com/doi/10. 1177/0049124104268644.
Chen, Tian Mu, Jia Rui, Qiu Peng Wang, Ze Yu Zhao, Jing An Cui y Ling Yin: A mathematical model for simulating the phase-based transmissibility of a novel coronavirus. Infectious Diseases of Poverty, 9(1):1–8, 2020, ISSN 20499957.
Chowell, Gerardo: Fitting dynamic models to epidemic outbreaks with quantified uncertainty: A primer for parameter uncertainty, identifiability, and forecasts. Infectious Disease Modelling, 2(3):379–398, aug 2017, ISSN 24680427.
Chowell, Gerardo, Lisa Sattenspiel, Shweta Bansal y Cécile Viboud: Mathematical models to characterize early epidemic growth: A review, sep 2016. ISSN 15710645.
Danchin, Antoine, Tuen Wai Patrick Ng y Gabriel Turinici: A new transmission route for the propagation of the SARS-CoV-2 coronavirus. medRxiv, página 2020.02.14.20022939, feb 2020. https://doi. org/10.1101/2020.02.14.20022939.
Díaz-Canel Bermúdez, M y J Núñez Jover: Gestión gubernamental y ciencia cubana en el enfrentamiento a la COVID-19. Anales De La Academia De Ciencias De Cuba, 10(2):e881, 2020.
Gompertz, Benjamin: On the nature of the function expressive of the law of human mortality, and on a new mode of determining the value of life contingencies. Philosophical Transactions of the Royal Society of London, 115:513–583, dec 1825, ISSN 0261-0523. https://royalsocietypublishing.org/ doi/10.1098/rstl.1825.0026.
Hsieh, Ying Hen, David N. Fisman y Jianhong Wu: On epidemic modeling in real time: An application to the 2009 Novel A (H1N1) influenza outbreak in Canada. BMC Research Notes, 3(1):283, 2010, ISSN 17560500. http://www.biomedcentral. com/1756-0500/3/283.
Huang, Norden E. y Fangli Qiao: A data driven time-dependent transmission rate for tracking an epidemic: a case study of 2019-nCoV, mar 2020. ISSN 20959281. https://www.ncbi.nlm.nih. gov/pmc/articles/PMC7128746/.
Hurvich, Clifford M., Jeffrey S. Simonoff y Chih Ling Tsai: Smoothing parameter selection in nonparametric regression using an improved Akaike information criterion. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 60(2):271–293, jan 1998, ISSN 13697412. http://doi.wiley.com/ 10.1111/1467-9868.00125.
Kermack, W 0 y A G Mckendrick: A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, Containing Papers of a Mathematical and Physical Character, 115(772):700–721, aug 1927, ISSN 0950-1207. https://royalsocietypublishing.org/ doi/10.1098/rspa.1927.0118.
Makeham, W. M.: On the Integral of Gompertz’s Function for expressing the Values of Sums depending upon the contingency of life. Journal of the Institute of Actuaries and Assurance Magazine, 17(5):305–327, apr 1873, ISSN 2046-1674. /core/journals/ journal-of-the-institute-of-actuaries/ article/on-the-integral-of-gompertzs-function-for-expressing-the-values-of-sums-depending-upon-the-contingency-of-life/ 2C1E0D5D0AE6F5054D25AF6D4F6520C1.
Miranda, L. C.M. y C. A.S. Lima: On the logistic modeling and forecasting of evolutionary processes: Application to human population dynamics. Technological Forecasting and Social Change, 77(5):699–711, jun 2010, ISSN 00401625.
Montesinos-López, Osval Antonio y Carlos Moisés Hernández-Suárez: Modelos matemáticos para enfermedades infecciosas, 2007. ISSN 00363634.
Morais, Apiano F.: Logistic approximations used to describe new outbreaks in the 2020 COVID-19 pandemic. 793 in Italy, 11:405, mar 2020. http://arxiv. org/abs/2003.11149.
Mujib, M., M. Mardiyah, Suherman, R. Rakhmawati, S. Andriani, M. Mardiyah, H. Suyitno, S. Sukestiyarno y I. Junaidi: The Application of Differential Equation of Verhulst Population Model on Estimation of Bandar Lampung Population. Journal of Physics: Conference Series, 1155(1), 2019, ISSN 17426596.
Organización Mundial de la Salud (OMS): Declaración sobre la segunda reunión del Comité de Emergencias del Reglamento Sanitario âInternacional (2005) acerca del brote del nuevo coronavirus (2019-nCoV). Informe técnico, 2020.
Pell, Bruce, Yang Kuang, Cecile Viboud y Gerardo Chowell: Using phenomenological models for forecasting the 2015 Ebola challenge. Epidemics, 22:62–70, mar 2018, ISSN 18780067. https://linkinghub.elsevier.com/ retrieve/pii/S1755436516300433.
Putter, A: Studies on the physiological similarity. VI. Similarities in growth. Pflugers Archiv für die Gesamte Physiologie des Menschen und der Tiere, 180:280, 1920.
Richards, F. J.: A flexible growth function for empirical use. Journal of Experimental Botany, 10(2):290–301, 1959, ISSN 00220957.
Sebrango-Rodríguez, C. R., D. A. Martínez-Bello, L. Sánchez-Valdés, P. J. Thilakarathne, E. Del Fava, P. Van Der Stuyft, A. López-Quílez y Z. Shkedy: Real-time parameter estimation of Zika outbreaks using model averaging. Epidemiology and Infection, 145(11):2313–2323, aug 2017, ISSN 14694409. https://doi.org/10. 1017/S0950268817001078.
Tjørve, Kathleen M.C. y Even Tjørve: The use of Gompertz models in growth analyses, and new Gompertzmodel approach: An addition to the Unified-Richards family. PLoS ONE, 12(6), 2017, ISSN 19326203.
Torrealba-Rodriguez, O., R. A. Conde-Gutiérrez y A. L. Hernández-Javier: Modeling and prediction of COVID19 in Mexico applying mathematical and computational models. Chaos, Solitons and Fractals, 138:109946, sep 2020, ISSN 09600779.
Verhulst, P F: Recherches mathématiques sur la loi d’accroissement de la population. Nouveaux mémoires de l’Académie Royale des Sciences et Belles-Lettres de Bruxelles, página 60, 1844.
Vynnycky, E y R White: An Introduction to Infectious Disease Modelling. OUP Oxford, 2010, ISBN 9780198565765. https://books.google. com.cu/books?id=QNfqaXWL94IC.
Wang, Xiang Sheng, Jianhong Wu y Yong Yang: Richards model revisited: Validation by and application to infection dynamics. Journal of Theoretical Biology, 313:12–19, 2012, ISSN 00225193. http://dx.doi. org/10.1016/j.jtbi.2012.07.024.
Wu, Ke, Didier Darcet, Qian Wang y Didier Sornette: Generalized logistic growth modeling of the COVID-19 outbreak in 29 provinces in China and in the rest of the world. mar 2020. http://arxiv.org/abs/ 2003.05681.
Zhou, Xiang, Na Hong, Yingying Ma, Jie He, Huizhen Jiang, Chun Liu, Guangliang Shan, Longxiang Su, Weiguo Zhu y Yun Long: Forecasting the Worldwide Spread of COVID-19 based on Logistic Model and SEIR Model. medRxiv, página 2020.03.26.20044289, apr 2020. http://medrxiv.org/lookup/doi/10. 1101/2020.03.26.20044289.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
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.
