Simulación computacional para la dinámica de enfermedades transmitidas por vectores
DOI:
https://doi.org/10.5281/zenodo.13914880Palabras clave:
epidemias, mapas cognitivos difusos, modelos basados en agentes, redes complejas, simulación, MSC00A72, MSC03E72, MSC90B18, MSC91B43, MSC92-10Resumen
En este trabajo se presenta un modelo basado en redes complejas para simular la dinámica de personas y vectores en determinado entorno. El diseño representa a las personas como agentes para analizar su toma de decisiones. La aplicación permite simular diferentes escenarios y la validación del modelo desarrollado. Se simula el comportamiento de las personas en la sociedad a través de un mapa cognitivo difuso que representa a las acciones como conjuntos difusos, lo que permite que los agentes decidan entre diferentes actuaciones, en función de sus sentimientos y el grado de pertenencia a los conjuntos en su entorno de convivencia como una red compleja. Esta herramienta y los resultados obtenidos pueden proporcionar información relevante a autoridades encargadas del control de epidemias, pues conociendo el comportamiento de una epidemia en determinado momento, se pueden sugerir acciones a las personas y facilitar la toma de decisiones para implementar medidas que reduzcan los riesgos asociados.
Descargas
Citas
Aguilar, J. (2010). Dynamic Fuzzy Cognitive Maps for the Supervision of Multiagent Systems. Studies in Fuzziness and Soft Computing, 247.
Bagni, R., Berchi, R., & Cariello, P. (2002). A comparison of simulation models applied to epidemics. J.Artif Soc Social Simul, 5 (3) (vid. pág. 8).
Balcan, D., Colizza, V., Gonçalves, B., Hu, H., Ramasco, J., J., & Vespignani, A. (2009). Multiscale mobility networks and the spatial spreading of infectious diseases. PNAS, 106 (51) (vid. pág. 3).
Bissett, K., Cadena, J., Khan, M., & et al. (2021). Agent-Based Computational Epidemiological Modeling. J. Indian Inst Sci 101, 303–327 (vid. pág. 8).
CDC. (2022). Clinical Considerations for Dengue Virus Infection. Clinical Outreach and Comunication Activity (vid. pág. 28).
De Arazoza Rodríguez, H., Sánchez Pérez, A., Marrero Severo, A., Noriega Sánchez T., García Garaluz, E. (2010). Un enfoque en la modelación matemática y análisis preliminar de problemas epidemiológicos. Una aplicación a un modelo de Dengue en Cuba. ResearchGate (vid. págs. 32, 36).
Epstein, J. M. (2008). Why Model? Journal of Artificial Societies and Social Simulation, 11 (4) (vid. pág. 2).
Guclu, H., Anil Kumar, V., & et al. (2004). Modeling disease outbreaks in realistic urban social networks. Nature, 429 (vid. pág. 7).
Ferguson, N., Cummings, D., Fraser, C., & et al. (2006). Strategies for mitigating an influenza pandemic. Nature, 442 (vid. pág. 3).
Gubler, D., J., & Clark, G., G. (1995). Dengue/Dengue Hemorrhagic Fever: The Emergence of a Global Health Problem. Dispatches, 1 (2) (vid. pág. 1).
Hasan, S., Jamdar, S., Alalowi, M., & Al Ageel, A. B. (2016). Dengue virus: A global human threat: Review of literature. J. Int Soc Prev Community Dent., 6 (1) (vid. pág. 1).
Jennings, N., R. (2000). On agent-based software engineering. Artificial Intelligence, 117 (vid. pág. 7).
Kermack, W. O., & McKendrick, A. G. (1927). A Contribution to the Mathematical Theory of Epidemics. The Royal Society, 115 (772) (vid. pág. 3).
Kosko, B. (1986). Fuzzy cognitive maps. Int. J. Man-Machine Studies, 24 (vid. pág. 8).
Macal, C., & North, M. (2010). Tutorial on agent-based modelling and simulation. J. Simulation 4, 151–162 (vid. pág. 7).
Massón A. del C., González, V., Gustavo J., Espinosa, Á., Faustino R. (2015). Comportamiento clínico y epidemiológico del Dengue en el municipio 10 de Octubre. Revista Cubana de Medicina General Integral, 31 (1) (vid. págs. 36, 38).
Morens, D., Folkers, G., & Fauci, A. (2004). The challenge of emerging and reemerging infectious diseases. Nature, 430 (vid. pág. 5).
Nachazel, T. (2021). Fuzzy cognitive maps for decision-making in dynamic environments. Genetic Programming and Evolvable Machines, 22 (1) (vid. pág. 9).
Newman, M. E. J. (2003). The structure and function of complex networks (vid. págs. 5, 6, 15).
Poczeta, K., Papageorgiou, E., & Gerogiannis, V. (2020). Fuzzy Cognitive Maps Optimization for Decision Making and Prediction. Mathematics, 8 (11) (vid. pág. 9).
Reisen, W. K. (2010). Landscape epidemiology of vector-borne diseases. Annual Review of Entomology, 55 (vid. pág. 11).
Saeed, M. (2021). A Gentle Introduction To Sigmoid Function. Start Machine Learning (vid. pág. 23).
Simmons, P., C., Farrar, J., J., Vinh Chau, N., & Wills, B. (2012). Dengue. N. Engl. J. Med., 366 (vid. pág. 13).
Tercero-Gutiérrez, M., José, & Olalla-Herbosa, R. (2008). Enfermedades tropicales transmitidas por vectores. Medidas preventivas y profilaxis. Elsevier, 27 (6) (vid. pág. 12).
Torres-Castro, M., Noh-Pech, H., Lugo-Caballero, R., Israel C., Dzul-Rosado, K., Rossanet, & Puerto, F., I. (2020). Las enfermedades transmitidas por vector: importancia y aspectos epidemiológicos. Bioagrociencias, 13 (1) (vid. pág. 12).
WHO. (2020). Vector-borne diseases (vid. págs. 11, 13).
WHO. (2023a). Dengue – the Region of the Americas. Disease Outbreak News (vid. pág. 28).
WHO. (2023b). Dengue and severe dengue (vid. págs. 13, 14).
Zadeh, L., A. (1965). Fuzzy Sets. Information and Control, 8 (vid. págs. 19, 20).
Publicado
Versiones
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.
