Crecimiento en forma: Epidemias, Difusión de la Innovación, y la

Crecimiento de nuevos productos.

Todo lo que se levanta debe converger.

-Flannery O’Connor

Como se ha visto en el capítulo 8, la retroalimentación positiva crea un crecimiento exponencial.

Pero no es real. La cantidad puede crecer para siempre. Cada sistema inicialmente dominado por
retroalimentación positiva se aproxima finalmente a la capacidad de carga de su entorno. Como
los límites de crecimiento, hay una transición no lineal desde la dominación por la
retroalimentación positiva a la dominación por la retroalimentación negativa. Bajo ciertas
condiciones, el resultado es crecimiento en forma de S, donde la población en crecimiento se
acerca suavemente al equilibrio.

Este capítulo muestra cómo se puede modelar el crecimiento en forma de S, con aplicaciones para
la difusión de innovaciones, la propagación de enfermedades infecciosas y de virus informáticos,

el crecimiento del mercado de nuevos productos, y otros. Una variedad de importantes y

se introducen y analizan modelos ampliamente utilizados de crecimiento en forma de S, el uso de

de estos modelos para el pronóstico se discute, y las extensiones a los modelos son

presentado. Los casos examinados incluyen la propagación de la enfermedad de las vacas locas y
el VIH y el SIDA. El crecimiento de los mercados de productos de alta tecnología, como
ordenadores y productos de consumo servicios como la televisión por cable.

9.1 MODELANDO EL CRECIMIENTO EN FORMA DE S

El modelo no lineal de población desarrollado en el capítulo 8 es bastante general. La población

en el modelo puede ser cualquier cantidad que crezca en un entorno fijo, por ejemplo,

el número de personas que adoptan una innovación, el número de personas infectadas por el VIH
y el SIDA una enfermedad, la fracción de cualquier grupo que se adhiere a una idea o compra de
un producto, y así sucesivamente. Si la población está impulsada por la retroalimentación positiva
cuando es pequeña relativa hasta sus límites, el comportamiento resultante será un crecimiento
en forma de S, siempre y cuando no hay retrasos significativos en las retroalimentaciones
negativas que limitan a la población. Si hay retrasos en la respuesta de la población a la capacidad
de carga que se aproxima, el comportamiento será crecimiento en forma de S con sobregiro y
oscilación; si la capacidad de carga es consumida por la creciente población, el comportamiento
será sobregiro y colapso (ver capítulo 4). Por el contrario, cuando se observa un sistema

que ha experimentado un crecimiento en forma de S, sabes que inicialmente el comportamiento

estaba dominado por bucles de retroalimentación positiva, pero a medida que el sistema crecía,
había un cambio no lineal a la dominación por la retroalimentación negativa.
9.1.I Crecimiento Logístico
Como se ilustra en el ejemplo de crecimiento no lineal de la población que figura en el capítulo 8,
la tasa neta de crecimiento demográfico de los países de América Latina y el Caribe es inferior a la
del resto del mundo.

la tasa de crecimiento fraccionario de la población P debe caer desde su valor inicial, pasar

a cero cuando la población es igual a la capacidad de carga C, y se convierten en negativos

cuando P > C. En consecuencia, la gráfica de fase de la tasa neta de natalidad debe tener un

forma más o menos como un cuenco invertido: Los nacimientos netos son nulos cuando la
población es cero, el aumento con el aumento de la población hasta un máximo, la caída a cero en
el transporte, capacidad de producción, y continúan disminuyendo, siendo cada vez más
negativos, cuando la población excede la capacidad de carga. Sin embargo, hay un número infinito
de fraccionamientos, las curvas netas de natalidad y, por lo tanto, las gráficas de fases, que
satisfacen estas limitaciones generales. Un importante caso especial de crecimiento en forma de S
se conoce como crecimiento logístico, o Verhulst después de François Verhulst que publicó por
primera vez el modelo en 1838 (ver Richardson 1991).

El modelo de crecimiento logístico postula que la tasa de crecimiento fraccionario neto de la

población

es una función lineal (inclinada hacia abajo) de la población.

Eso es, Tasa neta de natalidad = g(P, C)P = g*(l - P/C)P (9-1)

donde g(P, C), la tasa de crecimiento fraccional, es una función de la población y de la portadora.

capacidad y g* es el máximo crecimiento fraccionario (la tasa de crecimiento fraccionario

cuando la población es muy pequeña). El modelo logístico se ajusta a los requisitos

para el crecimiento en forma de S: la tasa de crecimiento neto fraccionario es positiva para P < C,

cero cuando P = C, y negativo para P > C. El modelo logístico tiene algo más de

características. La ecuación de reordenación (9- 1) da

Tasa neta de natalidad = g*(l - P/C)P = g*P - g*pZ/C (9-2)

El primer término g*P es un proceso estándar de retroalimentación positiva lineal de primer

orden.

El segundo término, -g*P2/C, no es lineal en la población y representa el más fuerte.

la retroalimentación negativa causada por el enfoque de la población a su porte capacidad.

¿Cuándo alcanza su máximo la tasa de crecimiento neto? En el modelo logístico el

la tasa neta de natalidad dada por la ecuación (9-2) es una parábola invertida que pasa a través de

cero en los puntos P = 0 y P = C. Debido a que una parábola es simétrica alrededor de su

la tasa neta máxima de natalidad se produce cuando Pi "f = c/2 (9-3)

donde Pinf es el valor de la población donde la tasa de crecimiento neto es máxima y

por lo tanto, el punto de inflexión en la trayectoria de la población". La red máxima

se produce precisamente a mitad de camino de la capacidad de carga. La Figura 9-1 traza el

tasa de crecimiento fraccional, gráfico de fases y comportamiento en el dominio del tiempo para
el modelo logístico.

El modelo logístico es importante por varias razones. En primer lugar, muchos de los que tienen
forma de S, los procesos de crecimiento pueden ser bien aproximados por el modelo logístico, a
pesar de la restricción que el punto de inflexión se produce exactamente en C/2. Segundo, el
modelo logístico puede resolverse analíticamente. Finalmente, el modelo logístico, aunque
intrínsecamente no lineal, puede transformarse en una forma que sea lineal en los parámetros
para que pueda ser estimado por la técnica de regresión más común, mínimos cuadrados
ordinarios (ver sección 9.3.1).

9.1.2 Solución analítica de la ecuación logística

Aunque no es lineal, el modelo logístico mostrado en la ecuación (9-1) puede ser resuelto
analíticamente. Primero separe las variables, luego integre:
1 dp = 1 g*dt
(I - g)P
Al reordenar el lado izquierdo se obtiene
1 Cdp = 1 [' + -]dP 1 = 1g'dt (C - P)P P (C - P)
(9-4)
(9-5)
Integrando los rendimientos de ambos lados
In(P) - ln(C - P) = g*t + c (9-6)
donde c es una constante. Puesto que por definición P(t) = P(0) cuando t = 0,
In(€') - ln(C - P) = g*t + ln(P(0)) - ln[C - P(O)]. (9-7)
Tomando rendimientos exponenciales
que se puede reorganizar de la siguiente manera
17 L P(t) =
I + ~ - 1 exp(-g*t) 1 (9-9)
La tasa de natalidad neta máxima, y por lo tanto el punto de infección en la población,
ocurre cuando
d[g(P, C) * Pl/dP = g* - 2g*p/c = 0.
Solución para rendimientos P Pinf = C/2
o equivalente como
C
1 + exp[-g*(t - h)] P(t) =
donde h es el momento en que la población alcanza la mitad de su capacidad de carga;
ajustando P(h) = 0.5C en la ecuación (9-10) y resolviendo para h rendimientos h =
En[(C/P(O)) - l]/g*. Las ecuaciones (9-9) y (9-10) son dos formas de la solución analítica
a la ecuación para el crecimiento logístico dada por la ecuación (9-1).
9.1.3 Otros modelos comunes de crecimiento
Por su simplicidad y trazabilidad analítica, el modelo logístico es el más utilizado.

modelo usado de crecimiento en forma de S. Sin embargo, hay muchos otros modelos de

Crecimiento en forma de S. Estos modelos relajan la suposición restrictiva de que las fracciones

la tasa de crecimiento disminuye linealmente en la población. Estas curvas de crecimiento son en

general no simétrico.

La curva Richards es un modelo de uso común (Richards 1959). En El modelo de Richards, la tasa
de crecimiento fraccionario de la población, no es lineal en la región.

población:

Tasa neta de natalidad = - = ~ dt (m - 1) (9- 11)

Cuando m = 2, el modelo Richards se reduce a la logística. Otros valores de m causa

la tasa de crecimiento fraccional sea no lineal en la población (trate de esbozar la tasa de

crecimiento fraccional). en función de la población para diferentes valores de m). La solución

del modelo Richards es P(t) = C(l - kexp(-g*t))"('-") (9-12)

donde k es un parámetro que depende de la población inicial relativa a la portadora

capacidad.

Un caso especial del modelo Richards es la curva de Gompertz, dada por el parámetro

Richards en el límite cuando m = 1. Nótese que mientras que la ecuación (9-12) es indefinida

cuando m = 1,

(x" - 1) lim ~ = ln(x) ai0 a (9-13)

por lo que la curva de Gompertz viene dada por

P(t) = Cexp( - kexp( - g*t)). (9- 14)

En el modelo de Gompertz, la tasa de crecimiento fraccional disminuye linealmente en el

logaritmo de la población, y la tasa máxima de crecimiento es de P/C = 0,368.

Otro modelo de crecimiento comúnmente utilizado se basa en la distribución de Weibull:

P(t) = C( 1 - exp[-(th)"]} (9-15)

donde a, b > 0 se conocen como los parámetros de forma y escala, respectivamente. El caso

a = 2 se conoce como la distribución de Rayleigh.

Los modelos Richards y Weibull proporcionan al modelador analíticamente funciones de
crecimiento manejables que pueden representar una variedad de redes fraccionarias no lineales

las tasas de aumento. Sin embargo, no hay garantía de que los datos se ajusten a los supuestos

de cualquiera de los modelos de crecimiento analítico. Afortunadamente, con la simulación por

ordenador, no está restringido a utilizar los servicios de logística, Gompertz, Richards, Weibull, o

cualquier otro modelo analítico. Se puede especificar cualquier relación no lineal para la fracción

las tasas de natalidad y mortalidad apoyadas por los datos y luego simular el modelo para

explorar su comportamiento con el tiempo.

9.1.4 Prueba del modelo logístico

Para ilustrar el uso del modelo logístico, considere los ejemplos del modelo en forma de S

en la Figura 4-9. La Figura 9-2 muestra el resultado de ajustar el modelo logístico al

datos para el crecimiento del girasol. El modelo logístico que mejor se adapta al girasol

datos razonablemente bien, aunque subestima el crecimiento en el primer mes

y lo sobreestima más tarde. Estas diferencias sugieren que se podría lograr un mejor ajuste

a través del uso de un modelo de crecimiento diferente, como el modelo Richards, en el que el

La tasa de crecimiento fraccionario no es lineal en la población. En la sección 9.3.1 se dispone lo

siguiente

ejemplos.
9.2 DINÁMICA DE LA ENFERMEDAD: MODELACIÓN DE EPIDEMIAS
Las epidemias de enfermedades infecciosas suelen presentar un crecimiento en forma de S. El
acumulativo número de casos sigue una curva en forma de S, mientras que la velocidad a la que se
producen los nuevos casos aumenta exponencialmente, alcanza su punto máximo y luego
disminuye a medida que la epidemia termina. La Figura 9-3 muestra el curso de una epidemia de
influenza en un internado inglés en 1978. La epidemia comenzó con un solo estudiante infectado
(paciente cero). La gripe se propaga por contacto e inhalación de aerosoles cargados de virus que
se liberan cuando están infectados los individuos tosen y estornudan. La gripe se diseminó
lentamente al principio, pero a medida que más y los estudiantes se enfermaron y se volvieron
infecciosos, el número de infectados creció exponencialmente. Debido a la proximidad de los
trimestres y, por lo tanto, a la alta tasa de exposición, alrededor de dos tercios de la población está
expuesta. la población finalmente se enfermó, y la epidemia terminó debido al agotamiento de la
piscina de personas susceptibles. La Figura 9-3 también muestra el curso de una epidemia

de la peste en Bombay en 1905-6. El comportamiento es bastante similar, a pesar de las

diferencias en el marco temporal, la mortalidad y otros aspectos de la situación. El patógeno

no tiene por qué ser un agente biológico: las epidemias de virus informáticos son similares.

dinámica.

9.2.1 Un modelo simple de enfermedad infecciosa

La Figura 9-4 muestra un modelo simple de enfermedad infecciosa. La población total de los

comunidad o región representada en el modelo se divide en dos categorías: aquellas

susceptibles a la enfermedad, S, y los que son infecciosos, I (por esta razón el se conoce como el
modelo SI). A medida que las personas se infectan, pasan de ser susceptibles

a la categoría infecciosa. El modelo SI invoca una serie de

simplificar las hipótesis; en la sección 9.2.2 se desarrolla un modelo más realista. Primero, los
nacimientos, las muertes y la migración son ignorados. Segundo, una vez que la gente se infecta,
ellos

son infecciosas indefinidamente, es decir, el modelo se aplica a las infecciones crónicas, no a las

enfermedad aguda como la influenza o la peste.

El modelo SI contiene dos bucles, el bucle de contagio positivo y el bucle de contagio negativo.

Lazo de agotamiento. Las enfermedades infecciosas se propagan a medida que las personas
infectadas entran en contacto con el virus.

contacto y transmisión de la enfermedad a aquellos que son susceptibles, aumentando el riesgo

de infección.

la población aún más (el bucle positivo), mientras que al mismo tiempo se agota
el conjunto de susceptibles (el bucle negativo).

La población infecciosa I se incrementa con la tasa de infección IR mientras que la población

susceptible

la población S se ve disminuida por ella:

I = INTEGRAL(IR, Io) (9-16)

S = INTEGRAL( - IR, N - I,) (9-17)

donde N es la población total de la comunidad y Io es el número inicial de personas infectadas (un

pequeño número o incluso un solo individuo). Para formular la considere el proceso por el cual las
personas susceptibles se infectan. Las personas de la comunidad interactúan a un ritmo
determinado (la Tasa de Contacto, c, medido en personas contactadas por persona por período de
tiempo, o l/período de tiempo). De este modo, el población susceptible generan encuentros Sc por
período de tiempo. Algunos de estos encuentros están con gente infecciosa. Si las personas
infecciosas interactúan al mismo ritmo que personas susceptibles (no están en cuarentena o
confinadas a la cama), entonces la probabilidad que cualquier encuentro seleccionado al azar es
un encuentro con un individuo infeccioso es VN. No todos los encuentros con una persona
infectada resultan en una infección. La infectividad, i, de la enfermedad es la probabilidad de que
una persona se infecte. después del contacto con una persona infectada. La tasa de infección es,
por lo tanto, el total número de encuentros Sc multiplicado por la probabilidad de que cualquiera
de esos encuentros es con un individuo infeccioso I / N multiplicado por la probabilidad de que un
encuentro con una persona infectada resulta en una infección:

IR = (ciS)(I/N) (9-18)

La dinámica puede determinarse observando que sin nacimientos, muertes o migración,

la población total es fija: S+I=N (9-19)

Aunque el sistema contiene dos stocks, en realidad es un sistema de primer orden porque

uno de los stocks está completamente determinado por el otro. Sustitución de N - I por S

en (9- 18) rendimientos IR = (c)(i)I(l - UN) (9-20)

La ecuación (9-20) es idéntica a la ecuación (9-l), la tasa neta de natalidad en la logística.

modelo. Una epidemia, en este modelo, crece exactamente como una población en un entorno
fijo. La capacidad de carga es la población total, N. En el modelo SI, una vez que un individuo
infeccioso llega a la comunidad, cada persona susceptible eventualmente se infecta, con la tasa de
infección siguiendo una curva en forma de campana y la población total infectada siguiendo el
patrón clásico en forma de S de la logística (Figura 9-1). Cuanto mayor sea la velocidad de contacto
o la infecciosidad, mayor será el riesgo de infección. más rápido progresa la epidemia.

El modelo del SI captura la característica más fundamental de las enfermedades infecciosas: la

enfermedad se propaga a través del contacto entre individuos infectados y susceptibles. Es

la interacción de estos dos grupos que crea los bucles positivos y negativos y la no linealidad
responsable del cambio en el dominio del bucle como el susceptible la población está agotada. La
no linealidad surge porque las dos poblaciones son multiplicado junto en la ecuación (9-18); toma
un susceptible y un infeccioso persona para generar un nuevo caso.

9.2.2 Modelado de infecciones agudas: El Modelo SIR

Mientras que el modelo SI captura el proceso básico de infección, contiene muchos elementos que
simplifican el proceso. y suposiciones restrictivas. El modelo no representa nacimientos, muertes,

o migración. Se supone que la población es homogénea: todos los miembros de la familia

comunidad interactúan a la misma velocidad promedio (no hay subculturas o grupos que
permanecen aislados de los demás en la comunidad o cuyo comportamiento es diferente de los
demás). La enfermedad no altera el estilo de vida de las personas: se supone que los infecciosos
interactúan al mismo ritmo medio que los susceptibles. Hay no hay posibilidad de recuperación,
cuarentena o inmunización. Todas estas suposiciones pueden relajarse. La población susceptible
puede ser desagregada en varias subpoblaciones distintas, o incluso representadas como
individuos distintos, cada uno con una tasa específica de contacto con los demás. Un stock
adicional puede para representar a las personas en cuarentena o vacunadas. Tasas de natalidad y
mortalidad puede ser añadido. Se pueden añadir eventos aleatorios para simular la naturaleza
fortuita de los contactos entre susceptibles e infecciosos.
La característica más restrictiva y poco realista del modelo logístico aplicado a epidemias es la
suposición de que la enfermedad es crónica, con individuos afectados permaneciendo infeccioso
indefinidamente. Consecuentemente, una vez que un solo individuo infeccioso llega a la
comunidad, todos los susceptibles eventualmente se infectan. Aunque la suposición de infección
crónica es razonable para algunas enfermedades (p. ej, herpes simple), muchas enfermedades
infecciosas producen un período de infecciosidad aguda y la enfermedad, seguidas de la
recuperación y el desarrollo de la inmunidad, o bien de la muerte. La mayoría de las epidemias
terminan antes de que todos los susceptibles se infecten porque la gente se recupera más rápido
que los nuevos casos. Kermack y McKendrick (1927) desarrollaron un modelo aplicable a estas
enfermedades agudas. El modelo contiene tres acciones: La población susceptible, S, la población
infecciosa, I, y la recuperada población, R (Figura 9-5). Conocido desde hace tiempo como el
modelo SIR, el KermackMcKendrick se utiliza ampliamente en epidemiología. Los que contraen la
enfermedad se vuelve infecciosa por un cierto período de tiempo pero luego se recupera y
desarrolla inmunidad permanente. La suposición de que las personas se recuperan crea una la
retroalimentación - el bucle de recuperación negativo. Cuanto mayor sea el número de infecciones

de los individuos, mayor será la tasa de recuperación y menor el número de casos infecciosos.

la gente que queda. Se mantienen todos los demás supuestos del modelo original del SI.2

La población susceptible, como en el modelo SI, se reduce por la tasa de infección.

La población infecciosa acumula ahora la tasa de infección menos la tasa de recuperación

RR y la población R recuperada acumulan la tasa de recuperación:

S = INTEGRAL(-IR, N - Io - Ro) (9-21)

I = INTEGRAL(1R - RR, Io) (9-22)

R = INTEGRAL(RR, Ro) (9-23)

La población susceptible inicial es la población total menos el número inicial de

infecciosos y cualquier individuo inicialmente recuperado e inmune.

La tasa de recuperación se puede modelar de varias maneras. En el modelo SIR, el promedio de

se supone que la duración de la infectividad, d, es constante y se supone el proceso de
recuperación para seguir un proceso de retroalimentación negativa de primer orden:

RR = Ud. (9-24)

La duración media de la infecciosidad, d, representa la duración media del tiempo que las
personas son infecciosos. La suposición de que el porcentaje de recuperación es un proceso de
primer orden significa que En el modelo SIR la población recuperada se denomina a menudo
"Extracciones" y la tasa de recuperación es de luego llamó a la tasa de eliminación. Muchas
aplicaciones del modelo interpretan la tasa de remoción como la suma de los que se recuperan de
la enfermedad y de los que mueren por ella. Sin embargo, esta interpretación es incorrecta, ya
que los que mueren reducen la población total, mientras que en el modelo SIR la población total
es constante. La suma de las defunciones y las recuperaciones en una sola corriente de
remociones y en una sola corriente de recuperación. la población de remociones acumuladas se
justifica generalmente argumentando que la mortalidad es a menudo una pequeña fracción de la
población total. Incluso cuando esto es cierto, es una mala práctica de modelado para agregar la
vida con los muertos, ya que su comportamiento es a menudo muy diferente. En este caso, los que
se recuperan continúan para interactuar con las poblaciones susceptibles e infecciosas restantes,
mientras que los que mueren generalmente no lo hagas.

no todas las personas se recuperan exactamente al mismo tiempo, sino una población
determinada de individuos infecciosos disminuirá exponencialmente, con algunas personas
recuperándose rápidamente y otros más s10wly.~ La tasa de infección se formula exactamente
como en el Modelo SI en la ecuación (9- 18).

9.2.3 Comportamiento del Modelo: El punto de inflexión

A diferencia de los modelos considerados hasta ahora, el sistema es ahora de segundo orden (hay

tres poblaciones, pero al sumarlas a una constante, sólo dos son independientes). Sin embargo,

todavía es posible analizar su dinámica cualitativamente. Primero, a diferencia del modelo SI,

ahora es posible que la enfermedad desaparezca sin causar una epidemia. Si la infección

es menor que la tasa de recuperación, la población infecciosa caerá. Como se también lo hará la
tasa de infección. Por lo tanto, la población infecciosa puede reducirse a cero antes de que todos
contraigan la enfermedad. ¿Bajo qué circunstancias la introducción de un individuo infectado a

la población causa una epidemia? Intuitivamente, para que ocurra una epidemia, la infección

debe exceder la tasa de recuperación; de ser así, la población infecciosa crecerá, lo que lleva a más
casos nuevos. Si, mientras cada persona era contagiosa, pasaba la enfermedad exactamente a una
persona más, entonces el stock de infecciosos permanecería constante, ya que la tasa de infección
sólo se vería compensada por la tasa de recuperación. Por lo tanto, para que se produzca una
epidemia, cada agente infeccioso debe, en promedio, transmitir la enfermedad.

a más de una persona antes de recuperarse.

La cuestión de si se producirá una epidemia es realmente una cuestión de qué circuitos de
retroalimentación son dominantes cuando la enfermedad llega a una comunidad. Si el bucle de
contagio positivo domina los bucles de recuperación y agotamiento, luego la introducción de
incluso un solo individuo infeccioso a una comunidad desencadena una epidemia. La tasa de
infección excederá la tasa de recuperación, causando la tasa de infección hasta que el
agotamiento de la reserva de susceptibilidades limite finalmente la epidemia. Sin embargo, si el
bucle positivo es más débil que el negativo, se puede producir una epidemia. no ocurrirá ya que
las personas infectadas se recuperarán en promedio más rápido que surgen nuevos casos. El
número de casos nuevos creados por cada agente infeccioso antes de su aparición. y, por lo tanto,
la fuerza de los diferentes bucles, depende de la media de la duración de la infección y el número
de nuevos casos que cada infeccioso genera por período de tiempo. Cuanto mayor sea la tasa de
contacto o mayor sea la infecciosidad de la enfermedad, más fuerte es el bucle positivo. Asimismo,
cuanto mayor sea la fracción de la población total más débil es el bucle de agotamiento. Por
último, cuanto más tiempo.Mientras que la suposición de que las mudanzas son de primer orden
es razonable en el modelo SIR simple, el curso de muchas enfermedades es más complejo y el
retraso entre la infección y la extirpación es a menudo no exponencial (si todos los grupos
estuvieran infectados a la vez, la tasa de eliminación sería pequeña inicialmente, entonces a un
pico antes de reducirse). En el Capítulo 11 se analiza cómo se pueden modelar diferentes tipos de
retardos en profundidad y muestra cómo los modeladores pueden seleccionar formulaciones
robustas para retardos que coincidan con los datos para diferentes distribuciones.

de la infección, cuanto más débil es el bucle de recuperación negativa y más una epidemia.4

Para cualquier población de susceptibles, existe una combinación crítica de la frecuencia de

contacto, la infectividad y la duración de la enfermedad lo suficientemente grande como para que
el positivo para dominar los bucles negativos. Ese umbral se conoce como la inclinación

punto. Por debajo del punto de inflexión, el sistema es estable: si la enfermedad se introduce en la
comunidad, puede haber algunos casos nuevos, pero en promedio, la gente se recuperará más
rápido de lo que se generan nuevos casos. La retroalimentación negativa domina y la población es
resistente a una epidemia. Pasado el punto de inflexión, el bucle positivo domina. El sistema es
inestable y una vez que llega una enfermedad, puede propagarse como un incendio forestal. es,
por retroalimentación positiva -limitada sólo por el agotamiento de los susceptibles población.

La Figura 9-6 muestra una simulación del modelo donde el sistema está bien pasado el punto de
inflexión. La población de la comunidad es de 10.000 habitantes e inicialmente todos son
susceptible a la enfermedad. En el momento cero, un solo individuo infeccioso llega al comunidad.
La duración media de la infección es de 2 días, y la infecciosidad es del 25%. La frecuencia media
de contacto es de seis personas por persona y día. Cada infeccioso por lo tanto, genera 1,5 nuevos
casos por día y un promedio de tres nuevos casos antes de la publicación del informe. se
recuperan. El bucle positivo por lo tanto domina y la epidemia rápidamente se extiende. La tasa de
infección alcanza un máximo de más de 2000 personas por día alrededor del día nueve, y en su
apogeo más de un cuarto de la población es infecciosa. Los susceptibles la población cae
rápidamente, y es este agotamiento de los nuevos casos potenciales que detiene la epidemia. Al
décimo día, el número de susceptibles que quedan es así que el número de casos nuevos
disminuye. La población infecciosa alcanza su punto máximo y disminuye a medida que la gente se
recupera más rápido que los nuevos casos. La población susceptible sigue disminuyendo, aunque a
un ritmo cada vez más lento, hasta que la epidemia termina.

En menos de 3 semanas, un solo individuo infeccioso condujo a una epidemia masiva que implicó

casi toda la comunidad. Tenga en cuenta que algunos individuos afortunados nunca contratan

la enfermedad. A diferencia del modelo de infección crónica en el cual todos eventualmente

contrae la enfermedad, en el modelo SIR la epidemia termina antes que el susceptible

la población cae a cero. Sin embargo, cuanto más fuerte es el bucle positivo, menos susceptibles
son al final de la epidemia. También tenga en cuenta que a diferencia de la logística el
comportamiento no es simétrico: la población infecciosa se eleva más rápido que el se cae.

4Los modelos SI y SIR fueron formulados originalmente como sistemas determinísticos que
representan la tasa media de contacto y resumen de los encuentros individuales entre los
miembros de la población. Tenga en cuenta que la formulación determinista es una suposición de
modelado, apropiada en algunas situaciones y no apropiadas en otras (particularmente, cuando
las poblaciones son pequeñas o La variación en la distribución de las tasas de contacto, la
infectividad y el tiempo de recuperación es grande). Los modelos son fácilmente generalizable
para incorporar encuentros estocásticos, infectividad y recuperación, ya sea añadiendo variación
aleatoria de las ecuaciones de tasas del modelo SIR o mediante la representación de los miembros
de la población como individuos discretos y especificando reglas de decisión para su interacción
(un agente basado en modelo). La incorporación de estos efectos aleatorios significa que habrá
una distribución de posibles resultados para cualquier conjunto de parámetros. El límite agudo
entre una epidemia y la estabilidad definida por el vuelco en los modelos deterministas se
convierte en una distribución de probabilidad que caracteriza la oportunidad se producirá una
epidemia para cualquier tasa promedio de interacción, infectividad y recuperación. Lo mismo digo,
los modelos SI y SIR asumen una población homogénea y bien mezclada, mientras que en realidad
lo hacen es a menudo importante para representar las subpoblaciones y la difusión espacial de
una epidemia. Para aplicaciones espaciales modelos de la propagación de enfermedades y otros
refinamientos, véase Murray (1993).

Para ilustrar el punto de inflexión, la Figura 9-7 muestra la población susceptible en varias
simulaciones del modelo con diferentes velocidades de contacto. Los otros parámetros son
idénticos a los de la Figura 9-6. En el punto de inflexión (dos contactos por persona por día), el
número de casos nuevos que cada infeccioso genera mientras que el infeccioso es sólo igual a uno
(2 contactos por persona por día * 0.25 probabilidad de infección * 2 días de infectividad). Los
lentes de contacto a una tarifa inferior a dos por persona por día no causan una epidemia. Cuando
la velocidad de contacto supera el umbral crítico de dos, el sistema se vuelven inestables, y ocurre
una epidemia. Cuanto mayor sea la velocidad de contacto, mayor será la más fuerte el bucle de
contagio positivo en relación con el bucle de recuperación negativo, y la más rápido progresa la
epidemia. Además, cuanto más fuerte sea el bucle positivo, mayor será la población que
finalmente contrae la enfermedad. Cualquier cambio que aumente de los bucles positivos
producirán resultados similares. Aumento de la infecciosidad refuerza el bucle positivo y es
idéntico en impacto a un aumento en la frecuencia de contacto. Un aumento en la duración del
período infeccioso debilita la recuperación. y también empuja el sistema más allá del punto de
inflexión.

El punto de inflexión exacto en el modelo SIR puede calcularse fácilmente. Para una epidemia

la tasa de infección debe superar la tasa de recuperación:

IR > RR 3 ciS(I/N) > I/d (9-25) o su equivalente, (9-26) En la ecuación (9-26), el producto de la tasa
de contacto y la infectividad es el número de contactos infecciosos por período de tiempo que
cada persona infecciosa genera. Multiplicando por la duración media de la infección, d, da como
resultado la proporción sin dimensiones cid, conocida como como el número de contacto: Sin
embargo, no todos estos contactos serán con susceptibles, así que no todos resultarán en un
nuevo caso. El número de contactos infecciosos que realmente que resultan en la infección de una
persona susceptible depende de la probabilidad de que el los infecciosos encuentran susceptibles.
Suponiendo que la población sea homogénea, la probabilidad de encontrarse con un susceptible
viene dada por la prevalencia de los susceptibles en la población, S/N. La expresión cid(S/N)
también se conoce como reproducción de la epidemia. Por lo tanto, la ecuación (9-26) define el
punto de inflexión o umbral en el que se produce una epidemia en una población y se conoce
como teorema del umbral en epidemiología. Tenga en cuenta que el número de contacto puede
ser grande si la infecciosidad es alta o si la duración de la infección es larga. de infección es larga.
La duración del período infeccioso para enfermedades como el sarampión y la varicela es muy
corta, una cuestión de días, pero estas enfermedades tienen altos números de contacto porque se
propagan fácilmente a través del contacto casual. En En cambio, la tasa de contacto y la
infectividad del VIH son mucho más bajas (el VIH no puede ser se propagan a través del contacto
casual, pero sólo a través del contacto sexual o el intercambio de sangre o hemoderivados). Sin
embargo, el número de contactos para el VIH es alto entre aquellos que se involucran en
comportamientos de riesgo debido a que la duración de la infección es muy larga. El período de
incubación previo al desarrollo de los síntomas clínicos del SIDA promedia unos 10 años (véase el
apartado 9.2.7).

La Figura 9-8 muestra cómo el punto de inflexión depende de los parámetros. La curva es el límite
entre regímenes estables e inestables. A la izquierda de la curva, se muestra el icono el sistema es
estable y no hay epidemia porque la infectividad, la tasa de contacto, la duración de infección, y la
fracción de susceptibles en la población es demasiado baja. A la a la derecha de la curva, el
sistema es inestable, y hay una epidemia.

9.2.4 Inmunización y erradicación de la viruela

La existencia del punto de inflexión (ecuación (9-26)) significa que es teóricamente posible para
erradicar completamente una enfermedad. La erradicación no requiere una perfecta la vacuna y la
inmunización universal, pero sólo la condición más débil de que la reproducción de la enfermedad
caen y se mantienen por debajo de uno, por lo que los nuevos casos surgen a un ritmo de se
resuelven menos casos que los antiguos. La población de personas infectadas disminuirá, reducir
aún más la tasa de infección, hasta que la población esté libre de la enfermedad. Para muchas
enfermedades, es difícil o imposible lograr o mantener esta condición debido a su alta
infectividad, la existencia de reservorios de la enfermedad fuera de la región. población humana
(como en el caso de la malaria o la enfermedad de Lyme, ambas con animales de acogida), o la
rápida afluencia de personas susceptibles a través de nacimientos, migración, o la decadencia de
la inmunidad. Sin embargo, la viruela es diferente. La viruela fue una de las más mortíferas y
endémicas en todo el mundo. La infectividad de la viruela es alta, pero la duración de la infección
es corta. Los sobrevivientes adquirieron inmunidad de larga vida. Lo más importante es que el
virus de la viruela no puede sobrevivir fuera de un huésped humano. no hay animales u otros
reservorios que alberguen el virus. Estas condiciones significaban que el desarrollo de una vacuna
eficaz, desplegada de manera suficientemente amplia, podría reducir la tasa de infección es
inferior a la tasa de recuperación y eliminar el virus, aunque no lo sea cada persona podría ser
inmunizada. La historia de la erradicación de la viruela es bien conocida: Edward Jenner desarrolló
la primera vacuna efectiva en 1796. A pesar del éxito de la vacuna de Jenner, fue necesario
muchos años para que se aceptara la vacunación; la viruela seguía siendo una causa importante de
muerte a principios del siglo XX. En la década de 1950, debido a las mejoras en el sector público de
salud y en la efectividad y vida útil de la vacuna contra la viruela.
habían sido erradicados en la mayor parte del mundo industrializado. A mediados de la década de
1960, La Organización Mundial de la Salud (OMS) coordinó una vigorosa campaña mundial para
seguir la pista de la enfermedad, inmunizar a los susceptibles y poner en cuarentena a los
enfermos. El último En 1977 se informó de un caso natural conocido en Somalia. En 1978, algunos
el virus de la viruela escapó de un laboratorio de investigación en Inglaterra y causó dos casos, uno
fatal. Desde entonces no se han reportado más casos, y, en uno de los mayores triunfos en la
historia de la medicina, las naciones del mundo declararon en 1980 que la viruela había sido
erradicada de la tierra. Casi. Durante la Guerra Fría, tanto los EE.UU. como la Unión Soviética
mantuvieron de virus de la viruela como parte de sus programas de guerra biológica. Aunque
ambos las naciones firmaron la Convención de 1972 sobre Armas Biológicas, que prohíbe las
armas biológicas y las armas biológicas. la investigación sobre la guerra biológica, continuaron
manteniendo sus reservas de viruela, y La Unión Soviética continuó la investigación de la guerra
biológica en violación de la Convención. Mientras estas reservas de viruela se mantienen en los
laboratorios de biocontención de mayor seguridad, existe una preocupación natural de que el
virus pueda escapar, accidentalmente, a través del terrorismo, o en la guerra. Un panel de la OMS,
después de un largo y a veces enconado debate, recomendó en 1994 que todas las reservas de
virus de EE.UU. y Rusia se destruyeran antes de junio 1999. Sin embargo, muchos analistas creen
que los terroristas o naciones como Irak y el Norte Corea puede haber adquirido la viruela de la
antigua Unión Soviética. Porque la gente ya no reciben la vacuna contra la viruela, y debido a que
la inmunidad conferida por el la vacunación infantil decae, gran parte de la población mundial
actual es susceptible. La liberación de viruela de estas reservas podría desencadenar una
pandemia masiva. En respuesta, El presidente Clinton ordenó que las reservas de viruela de EE.UU.
sean preservadas para la investigación, y la OMS suspendió su intento de declarar destruidas las
existencias de viruela.
La eficacia de los programas de inmunización La ecuación (9-26) y la Figura 9-8 muestran cómo la
vulnerabilidad de una población a la epidemia depende de los parámetros del modelo SIR. Muchas
enfermedades infecciosas son altamente contagioso y no es factible reducir el número de
contacto. Inmunización, donde las vacunas están disponibles, pueden ser altamente efectivas no
sólo en la protección de los individuos vacunados, sino también en el movimiento de toda una
población por debajo de la inclinación punto. Por ejemplo, la poliomielitis ha desaparecido casi por
completo en países con una población fuerte. y la OMS espera erradicarla en todo el mundo
dentro de pocos años.

1. Eficacia de la inmunización.
Se estima que el número de contactos para la polio es de aproximadamente 5 a 7 (Fine 1993).

¿Qué fracción de la población debe ser vacunada para asegurar que ninguna epidemia se
producirá? Suponga que la vacuna es 100% efectiva. Ahora considere sarampión y pertussis (tos
ferina), enfermedades cuyos números de contacto se estiman entre 12 y 18 años (Fine 1993).
¿Qué fracción de la población deben ser vacunados para asegurar que no ocurrirá ninguna
epidemia? ¿Qué fracción debe ser vacunado si la vacuna sólo tiene una eficacia del 90%? ¿Por qué
el sarampión y la rubéola La malaria está presente en todo el país, y las?

i = 0.25, d = 2, N = lO,OOO), pero suponiendo que el 50% de la población tiene

Luego, simule el modelo SIR con los parámetros de la Figura 9-6 (c =6) ha sido inmunizado (poner
la población recuperada inicial a la mitad del total población). ¿Cuál es el efecto sobre el curso de
la epidemia? ¿Qué fracción de la población deben ser inmunizados para prevenir una epidemia?

Eficacia de la cuarentena. Examinar la eficacia de la cuarentena como política para prevenir una
epidemia. Para ello, modifique el modelo SIR para incluir una población de peces en cuarentena.
individuos.

(i) Suponga que las personas son puestas en cuarentena sólo después de presentar síntomas, de
modo que la tasa de cuarentena (la tasa de entrada a la población en cuarentena) de la población
infecciosa a la población en cuarentena. Formular la tasa de cuarentena de la siguiente manera.
Suponga que se necesita un cierto período de tiempo, denotado el Tiempo de Cuarentena, para
identificar infecciosos y trasladarlos a un área bajo cuarentena. Además, asuma sólo un de la
población infecciosa, denota la Fracción Cuarentena, se identifica como infeccioso y dispuesto o
capaz de ser puesto en cuarentena. Be asegúrate de que tu formulación para la tasa de
cuarentena sea dimensionalmente consistente. Supongamos que los individuos en cuarentena se
recuperan de la enfermedad con la misma duración media de la infecciosidad que los que no están
en cuarentena. Los individuos en cuarentena no son removidos completamente del contacto con
el resto de la población (durante una epidemia de viruela en el siglo XVIII) Boston, por ejemplo, los
enfermos fueron puestos en cuarentena pero todavía se les permite para asistir a la iglesia el
domingo). Modificar la ecuación para la tasa de infección para incluir la posibilidad de que las
personas en cuarentena entren en contacto con susceptibles a una cierta velocidad, denota la
velocidad de contacto de cuarentena.
Asumir que la infectividad de los individuos en cuarentena es la misma que la de los individuos en
cuarentena. para otros infecciosos. ¿Cómo la adición de una población de peces en cuarentena los
individuos alteran la estructura de retroalimentación del modelo SIR? Supongamos que el tiempo
de cuarentena es de medio día y utilicemos los parámetros para la simulación en la Figura 9-6 (c =
6, i = 0.25, d = 2, N = 10,000). Supongamos que la cuarentena es perfecta, de modo que la tasa de
contacto de cuarentena es cero. Ejecute el modelo para varios valores de la fracción de
cuarentena y explicar el comportamiento resultante. ¿Qué fracción de la fracción infecciosa la
población debe estar en cuarentena para prevenir una epidemia? Ahora asuma que la tasa de
contacto de los individuos en cuarentena es la mitad de la normal de contacto. ¿Qué fracción debe
ser secuestrada ahora para evitar que un y la rapidez con la que las personas deben ser puestas en
cuarentena una vez que se vuelven infecciosos? Explorar la respuesta a otros parámetros,
incluyendo inmunización parcial de la población. Compare la eficacia de la inmunización a la
cuarentena para prevenir o ralentizar las epidemias. Lo que las consideraciones políticas influirían
en su elección de estas políticas en diferentes situaciones?

iii)

Pérdida de inmunidad. Para algunas enfermedades, la inmunidad no es permanente, sino que se

descompone con el tiempo, dejando antes inmunes a las personas susceptibles de reinfección.
Modificar el modelo para incorporar la pérdida de inmunidad. Supongamos que la inmunidad
decae a una velocidad determinada por una duración media constante de inmunidad. Ejecute el
modelo para diferentes de la duración media de la inmunidad. ¿Cuál es el impacto en la

dinámica? ¿Bajo qué condiciones la enfermedad se convertirá en endémica en los Estados Unidos?
población? ¿Cuál es el equilibrio alcanzado y por qué? ¿Qué impacto tiene la pérdida de
inmunidad sobre la eficacia de la inmunización? Sobre la habilidad para erradicar una
enfermedad? Por qué?.
la población susceptible reduce la tasa de reproducción por debajo de uno y la negativa dominan
una vez más el bucle de contagio positivo. Aunque los individuos infectados siguen llegando a
intervalos de 50 días, el sistema se ha estabilizado de nuevo. Sin embargo, la tasa de contacto
sigue aumentando, aumentando la fuerza del contagio. bucle. Para el día 800, el ciclo de contagio
vuelve a ser dominante. La llegada de la la siguiente persona infecciosa desencadena otra
epidemia. Ya que hay aún menos susceptibles esta vez, es un poco más suave. Para el día 1100 el
agotamiento de los susceptibles la piscina ha abrumado una vez más el lazo del contagio y la
reproducción cae por debajo de uno. La comunidad es una vez más resistente a la epidemia, hasta
que la tasa de contacto aumenta lo suficiente como para empujar la tasa de reproducción por
encima de una vez más, provocando la tercera ola de infección.

En este sencillo ejemplo, las epidemias periódicas surgen de la supuesta epidemia estable en la
tasa de contacto. De hecho, se observan sucesivas oleadas de epidemias en los siguientes casos
muchas enfermedades infecciosas, quizás más notablemente el sarampión. Antes de la
introducción de inmunización masiva en la década de 1960, los países industrializados como los
EE.UU. y el Reino Unido experimentaban epidemias de sarampión de gran amplitud
aproximadamente cada 2 años. Debido a la inmunización la amplitud de los ciclos es muy reducida
hoy en día, pero la persiste la tendencia hacia olas cíclicas de sarampión. En contraste con el
ejemplo En el caso del sarampión, la tasa de contacto se mantiene razonablemente constante. El
carácter cíclico de la epidemia surge de la interacción de la inmunidad del rebaño con la población
crecimiento. Cada epidemia aumenta la fracción inmune de la población lo suficiente para
confieren inmunidad al rebaño, previniendo otra epidemia al año siguiente. Sin embargo,durante
este tiempo la población de susceptibles aumenta a medida que nacen los niños. Eventualmente,
la fracción susceptible de la población se eleva lo suficiente como para empujar al sistema más allá
del punto de inflexión de nuevo, y la próxima epidemia comienza. El modelo SIR puede ampliarse
fácilmente para incluir la estructura de edad de la población, incluidos los nacimientos y muertes
(ver capítulo 12). Con parámetros realistas estos modelos generan persistentes oscilaciones en la
incidencia de la enfermedad a medida que el sistema realiza ciclos repetidamente por encima y
por debajo de la media. por debajo del punto de inflexión. La tasa de reproducción de una
enfermedad infecciosa no es sólo una cuestión de virulencia. y otros atributos biológicos del
patógeno. Está fuertemente influenciado por las estructuras sociales y la infraestructura física de
una comunidad. La tasa de contacto obviamente representa la naturaleza de las estructuras
sociales en la comunidad: El contacto en las comunidades rurales con baja densidad de población
es inferior a la de las comunidades con alta densidad de población. poblaciones urbanizadas. La
infecciosidad de una enfermedad está determinada sólo en parte por el factor biológico. factores.
El contacto casual y la inhalación pueden propagar la influenza, mientras que el VIH puede
propagar el virus. sólo se contraen a través del intercambio de sangre u otros fluidos corporales
(una enfermedad biológica). factor). Pero la infectividad también se ve fuertemente afectada por
las prácticas sociales y las políticas públicas. políticas de salud, como la disponibilidad de agua
limpia, la prevalencia de la mano lavado, o la frecuencia de uso del condón.

9.2.6 Pasar el punto de inflexión:

Enfermedad de las vacas locas La epidemia de encefalopatía espongiforme bovina (EEB) o
enfermedad de las vacas locas en Gran Bretaña durante la década de 1990 ilustra lo siguiente
cómo los cambios en las estructuras técnicas y sociales pueden empujar a una población más allá
de la punto de inflexión. Antes de la epidemia, la incidencia de la encefalopatía espongiforme
bovina y de la enfermedad degenerativa conexa enfermedades neurológicas como la tembladera
(en ovinos) y la enfermedad de Cruetzfeldt-Jacob (CJD, en humanos) fue extremadamente baja.
Pero entre 1985 y 1997, aproximadamente Se confirmaron 170.000 casos de EEB en el Reino
Unido, y casi un millón de cabezas de ganado salieron del país. de una población ganadera total de
unos 11 millones de cabezas de ganado se estimaron infectadas (Prusiner 1997). EEB, tembladera
y enfermedad de Creutzfeldt-Jakob de forma progresiva y, en la actualidad, irreversible Destruir el
tejido cerebral; los síntomas incluyen temblor incontrolable, desorientación, pérdida. de la función
motora y cognitiva, y finalmente la muerte.el largo retraso en la incubación, sin embargo, los casos
confirmados continuaron aumentando a través de1992, disminuyendo sólo a medida que se
destruían los animales de los rebaños infectados. Para entonces, sin embargo,La carne de vacuno
británica fue prohibida por la Unión Europea y rechazada en todo el país.mundo. Peor aún,
muchos científicos temen que la encefalopatía espongiforme bovina se haya transmitido a través
de la contaminación.carne o leche a la población humana. Para 1998, 23 confirmados y hasta una
docena
se habían identificado posibles casos de una nueva variante de la enfermedad de Creutzfeldt-
Jakob (nvCJD), todos ellos en el Reino Unido o Francia. La nueva variante, a diferencia de la ECJ
tradicional, afecta principalmente a los jóvenes.Debido a que la enfermedad de Creutzfeldt-Jakob
tiene un tiempo de incubación muy largo (de años a décadas), aún no ha sido diagnosticada.se
sabe si estos casos de nvCJD representan un grupo aislado o los primeros casos de una epidemia
humana causada por el consumo de carne de vacuno contaminada por la EEB. Muchos científicos
temor de que la EEB haya pasado del ganado a la población humana y ahora puede comenzar a
propagarse a través del intercambio de hemoderivados. En julio de 1998 el gobierno del Reino
Unido autorizó a su Servicio Nacional de Salud a importar plasma sanguíneo de naciones
aparentemente libres de EEB después de que se descubriera que dos de las víctimas de la nvCJD
eran donantes de sangre, lo que amenazaba potencialmente la integridad de la sangre del Reino
Unido suministros y vacunas preparados a partir de hemoderivados.

Ampliación del modelo SIR

El modelo SIR, por muy útil que sea, invoca una serie de supuestos restrictivos. Como el modelo SI
de infección crónica, el modelo SIR no incorpora los nacimientos, de muertes, o migración; asume
que la población es homogénea; no distingue entre personas alejadas de la población infectada
por la recuperación y el desarrollo de inmunidad o por muerte; y asume que la inmunidad es
permanente. Lo que es más importante, el modelo asume que no hay período de incubación.
Individuos infectados con una enfermedad en el modelo SIR se vuelven inmediatamente
infecciosos. En realidad, la mayoría de las enfermedades tienen un período de latencia, o de
incubación, y las personas se vuelven infeccioso antes de presentar síntomas de enfermedad.
Personas expuestas al pollo la viruela se vuelve altamente infecciosa varios días antes de la
aparición de los síntomas, entre 14 y 21 días después de la exposición inicial. Muchas personas
infectadas con Hepatitis A comienzan a presentar síntomas alrededor de un mes después de la
infección, pero se vuelven altamente infecciosos unas dos semanas antes. El período de
incubación promedio para el VIH (el tiempo entre la infección por el VIH y el desarrollo del SIDA)
para los adultos que no reciben el tratamiento es de unos 10 años. El período de latencia entre la
infección y la aparición de los síntomas de la hepatitis C es aún más prolongada, con un promedio
de unos 15 años. Se cree que unos cuatro millones de personas están infectadas con Hepatitis C en
los Estados Unidos, y aunque alrededor del 15% se recupera espontáneamente, en muchos otros
casos la enfermedad finalmente produce daños irreversibles y a menudo mortales en el hígado. La
hepatitis C se propaga por intercambio de hemoderivados, pero rara vez a través del contacto
sexual. Modificar el modelo SIR mediante la desagregación del stock de individuos infecciosos. en
dos categorías: Infectivos asintomáticos e infectivos sintomáticos. La infección de la categoría
susceptible a la asintomática. población infecciosa, es decir, personas que están infectadas con la
enfermedad pero que aún no muestran ningún síntoma. Después del período de incubación, la
gente comienza a exhibir síntomas (típicamente mientras permanecen infecciosos) y pasar a la
sintomática categoría infecciosa. Supongamos que la velocidad a la que las personas se enferman
es un primer orden con un período de incubación promedio constante. Las personas susceptibles
pueden contraer la enfermedad al entrar en contacto con infecciosos sintomáticos o
asintomáticos. La velocidad de contacto y la infectividad para Los individuos asintomáticos y
sintomáticos a menudo difieren. Una vez que las personas se enferman (se vuelven sintomáticos)
a menudo reducen su tasa de contacto con el mundo exterior, ya sea para evitar infectar a los
demás o simplemente porque están demasiado enfermos para seguir su ejemplo. rutina normal.
Los individuos asintomáticos, en contraste, usualmente no saben que ellos están infectados, no
presentan ningún síntoma y continúan en contacto con otras personas en su casa. tasa normal. Del
mismo modo, la infecciosidad de una enfermedad antes de la aparición de los síntomas es a
menudo diferente de la infecciosidad después de que aparecen los síntomas. En el sarampión, por
ejemplo, las personas son más infecciosas a partir de 5 días antes de 5 días después de la aparición
de la erupción característica. Modifique la formulación de la tasa de infección a capturan las
diferentes tasas de contacto e infectividades de los síntomas y asintomáticos poblaciones
infecciosas. Ejecutar el modelo para una enfermedad hipotética con un período de incubación
similar a varicela. Debido a que el período de incubación de la varicela es de 14 a 21 días, asuma
que un promedio de 18 días. Supongamos que la duración media de la enfermedad es de 4 días.
Set la tasa de contacto para los infecciosos asintomáticos a cuatro por persona por día, sino
porque los que presentan síntomas permanecen en cama en cuarentena autoimpuesta, pongan el
contacto para la población sintomática a sólo uno por persona por día. Suponga que la
infecciosidad es de 0,25 tanto para poblaciones asintomáticas como sintomáticas. Asume también
una población inicial de 10.000 habitantes, todos los cuales son inicialmente susceptibles excepto
uno. asintomático infeccioso por hijo. Ejecute el modelo y describa los resultados. ¿Cómo la
inclusión de una incubación afecta a la dinámica? Para cuando el 1 % de la población presente
síntomas, ¿qué fracción de la población susceptible permanece no infectada? ¿Cuántos el 10% de
la población se ha enfermado? ¿Qué es el impacto de un período de incubación en la eficacia de la
cuarentena? Usted puede simular una política de cuarentena perfecta mediante el
establecimiento de la tasa de contacto para los sintomáticos población a cero o incluir la
estructura de cuarentena desarrollada anteriormente. Explorar la respuesta de la epidemia a los
diferentes tiempos de incubación e infecciosidades. Lo que es el efecto de un largo período de
incubación en el curso de una epidemia y la capacidad de de una población para disfrutar de la
inmunidad de la manada?

Análisis de políticas: Inmunización Justo a Tiempo

Evaluar la eficacia de una política de "vacunación justo a tiempo (JIT)", es decir, vacunar a la gente
sólo después de que aparezcan evidencias de una epidemia. Mucha gente sólo se vacunan contra
la gripe cuando creen que la gripe en su área es particularmente grave ese año. De manera similar,
algunas vacunas son tan costosas en relación con la incidencia de la infección que no se
administran de forma rutinaria. Cuando atacan enfermedades desconocidas hasta ahora, las
vacunas no puede hacerse hasta después de que la enfermedad emerja y sea identificada. La
apariencia de nuevos virus informáticos conduce a esfuerzos frenéticos por parte de los
programadores para crear con contramedidas, pero las "vacunas" resultantes no están disponibles
hasta después del se identifica el virus. La prohibición por parte del gobierno británico del uso de
la harina de carne y huesos como pie para el ganado es aproximadamente equivalente a una
política de inmunización JIT. la prohibición redujo el número de contactos infecciosos mediante la
eliminación del vector de la EEB de la dieta del ganado en riesgo sólo después de que la evidencia
científica de que la harina de carne y huesos fue la fuente de la epidemia se hizo lo
suficientemente convincente, y el público gritó con fuerza suficiente, para superar la resistencia
política de la industria ganadera. Para modelar una política de vacunación JIT, crear una Tasa de
Inmunización que transfiera personas de la población susceptible a una nueva población, la
Población Inmunizada. (Mantener a la población inmunizada separada de la población recuperada
hace que es fácil determinar cuántas personas contraen la enfermedad en última instancia.
Formular el tasa de inmunización para que el programa de vacunación se implemente sólo
después de una cierta número de casos diagnosticados:

0 si Población sintomática < Inmunización - Tasa Umbral para el Programa de Vacunación (9-27)

Tasa * Efectividad de la vacuna de lo contrario

Población susceptible

Tiempo para desplegar la vacuna Tasa de vacunación = Fracción vacunada * (9-28)

La tasa de inmunización (la tasa real a la cual las personas desarrollan inmunidad contra la ) difiere
de la tasa de vacunación por la eficacia de la vacuna. Una vez el programa está desplegado, se
necesita una cierta cantidad de tiempo, el Tiempo de Desplegar la Vacuna, para llevar a cabo el
programa. El programa de vacunación sólo puede alcanzar una fracción de la población también.
Nótese que debido a que los susceptibles no pueden ser distinguidos de los infecciosos
asintomáticos o poblaciones recuperadas, toda la población tendría que ser inmunizada (con la
posible excepción de la sintomática infecciosos para los cuales la vacunación no sería efectiva). En
consecuencia, los costos del programa dependen del número total de personas vacunadas. Sin
embargo, los que ya se han recuperado de la enfermedad siguen siendo inmunes por lo que
permanecen en el de individuos recuperados. La formulación también asume que la vacuna es
ineficaz para los que ya han sido infectados, por lo que no hay flujo de la población infecciosa
asintomática a la población inmunizada. Para poner a prueba la eficacia de un programa de
inmunización del Equipo Mixto de Vigilancia, se deben hacer las siguientes suposiciones firmes que
existe una vacuna con una eficacia del 100% y que la fracción de la población vacunada es del
100%. Además, supongamos que toda la población puede ser vacunado en sólo 2 días, una vez que
se ha alcanzado el umbral y la decisión para desplegar la vacuna. Es improbable que estas
condiciones sean en la realidad, pero constituyen una prueba contundente del potencial de la
vacunación ECI estrategias para abordar las enfermedades infecciosas agudas. Explorar la eficacia
de la política de vacunación del ECI mediante la aplicación del modelo para varios umbrales,
empezando por un umbral del 5% de la población total. Lo que de la población total
eventualmente contrae la enfermedad? ¿Cómo se compara eso al caso sin la vacuna JIT? ¿Y si el
umbral fuera sólo el 1 % del total? población (100 casos)? ¿Cuál es la eficacia de la vacunación JIT
cuando la vacuna es sólo 95% efectiva, sólo el 80% de la población está inmunizada, y si el retraso
en el despliegue del programa de vacunación es de 1 semana? Comente los tipos de
enfermedades para las que es probable que la vacunación ECI sea eficaz y aquellas situaciones en
las que será ineficaz. Asegúrese de considerar los determinantes sociales y biológicos de
cumplimiento con un programa de vacunación de choque.
9.2.7 Modelado de la epidemia de HIWAIDS
Hasta ahora, las hipotéticas enfermedades examinadas han sido infecciones agudas y altamente
infecciosas. (similar a la varicela o el sarampión) que generan epidemias rápidas y de corta
duración. En el curso de una epidemia de este tipo, es razonable suponer que la de contacto y
otros parámetros son constantes: la epidemia se desarrolla demasiado rápido para cambios
significativos en el comportamiento de las personas o para la investigación sobre prevención o
tratamiento para llegar a buen puerto. Estas suposiciones no son apropiadas para enfermedades
tales como VIH/SIDA donde el tiempo de incubación es largo. La Figura 9-11 muestra la incidencia
y mortalidad del SIDA en los EE.UU. desde 1984 hasta 1996; la Figura 9-12 muestra la prevalencia
del SIDA entre los adultos en los Estados Unidos5 Los datos muestran cambios importantes en la
dinámica de la epidemia en los Estados Unidos. Incidencia de SIDA clínico (indicado por la curva
AIDS-01 en la Figura 9-11) creció de manera constante hasta alrededor de 1995 y ha disminuido
significativamente desde entonces. La mortalidad de cerca sigue a la incidencia y muestra una
disminución aún mayor. La disminución de la mortalidad supera los 1.000 millones de euros. que
en incidencia debido al desarrollo de terapias incluyendo AZT y, lo que es más importante, los
llamados cócteles multimedicamentos o TARGA (antirretrovirales altamente activos). terapia). La
incidencia general ha disminuido debido a la reducción de nuevos casos transmitido por contacto
homosexual masculino y compartir agujas sucias por vía intravenosa. consumidores de drogas (la
incidencia entre las mujeres y debido al contacto heterosexual fue todavía subiendo mientras
escribía esto). Sin embargo, tenga en cuenta que incluso antes de la introducción de la terapia
HAART, el crecimiento de la epidemia no fue puramente exponencial, como cabría esperar si la
velocidad de contacto o la infectividad eran constantes. En cambio, la tasa de crecimiento
fraccionario de la incidencia del SIDA disminuyó a medida que se propagó la epidemia. A pesar de
los grandes avances en los tratamientos, la mejora de las perspectivas para la epidemia del VIH en
las naciones ricas es sólo una parte de la historia. Hasta el momento no existe un sistema eficaz de
y la eficacia a largo plazo y los efectos secundarios de la terapia antirretroviral altamente activa
siguen sin conocerse. Y lo que es más importante, la terapia antirretroviral altamente activa es
sumamente costosa y, en muchos países, simplemente no está disponible. La incidencia de la
infección por el VIH sigue aumentando en todo el mundo, y en muchos países hace tiempo que ha
pasado el punto de la crisis. La escala de la epidemia es casi imposible de comprender. La OMS
estimó que en 1997 alrededor de un cuarto de toda la población de Zimbabwe estaba infectada
con el VIH, la incidencia en se estima que gran parte de África y algunos otros países en desarrollo
supera el 10%. Diez millones de personas ya han muerto de SIDA en el África subsahariana, y sin
que ello haya sido dramático. cambios en el acceso al tratamiento y a los medicamentos, se
proyectan 20 millones más de personas para morir. Mortalidad y morbilidad por el VIH y el SIDA
en muchos de ellos las naciones han desbordado los sistemas de salud. La OMS estima que en
1990 había menos de 200 hospitales y 1.400 médicos en todo Zimbabwe, una de más de 11
millones de personas. La esperanza de vida está disminuyendo. A pesar de la disminución de La
mortalidad relacionada con el SIDA en algunas de las naciones ricas del mundo, el VIH/SIDA la
pandemia está lejos de terminar. La OMS informó que en 1998 el SIDA fue el cuarto mayor causa
de muerte en todo el mundo, en comparación con la séptima en 1997.
5A pesar del esfuerzo masivo y el trabajo cuidadoso de los CDC, los datos son altamente inciertos y
son se ajustaron de varias maneras para superar diversas limitaciones en la vigilancia y la
presentación de informes de EE.UU. sistema. Las definiciones de SIDA han cambiado a lo largo de
los años a medida que se ha ido comprendiendo la enfermedad. mejorada. Los datos sobre la
incidencia y prevalencia del VIH son aún menos completos y fiables. Los lectores son se les insta a
consultar los Informes de Vigilancia del VIH/SIDA completos y las referencias a los mismos para
obtener más detalles.

Para interpretar los datos y desarrollar un modelo, es útil revisar la naturaleza y la

curso de VIH y SIDA. La progresión del VIH/SIDA puede dividirse de manera aproximada

en las siguientes categorías: Después de la infección inicial con el VIH, el virus se replica

rápidamente, estimulando una respuesta inmunológica que incluye la producción de células

anticuerpos. La prueba clínica común para el VIH no detecta la presencia del VIH.

sino más bien los anticuerpos que indican la presencia de virus suficientes para

desencadenar la respuesta inmune. Hay un retraso de varias semanas a 6 meses antes de que

el cuerpo produce suficientes anticuerpos para obtener un resultado positivo en la prueba del VIH.

Antes de la seroconversión (el punto en el que una persona infectada comienza a dar positivo),

Las personas infectadas pueden transmitir el virus a otros, pero no dan positivo. Después

seroconversión, hay un largo período de latencia durante el cual no hay ningún problema clínico.

síntomas La duración del período de incubación varía ampliamente. La mediana de incubación

se estima que es de aproximadamente 10 años en adultos previamente sanos, aunque

es más corto para los niños, los ancianos y aquellos con problemas de salud previos (Cooley,

Myers y Hamill 1996). Eventualmente, el virus compromete el sistema inmunológico tan

severamente que el paciente comienza a sufrir de una amplia gama de infecciones oportunistas
como pnuemocystis pnuemonia y el sarcoma de Kaposi, que conducen al diagnóstico de SIDA.

Antes del desarrollo de la terapia antirretroviral altamente activa, la tasa de mortalidad era
extremadamente alta. Alrededor del 93% de todos los diagnosticados antes de 1986 en los EE.UU.
habían muerto al final de la década de 1990. 1996. El tiempo medio de supervivencia desde el
momento del diagnóstico, en ausencia de tratamiento con la terapia antirretroviral altamente
activa, es de unos 10 a 12 meses, aunque, al igual que con la incubación, la supervivencia La
eficacia a largo plazo de la terapia antirretroviral altamente activa aún se desconoce. Mientras
puede reducir la carga viral por debajo de los niveles detectables en algunos pacientes, HAART
hace 6La literatura clínica y epidemiológica sobre el VIH/SIDA es enorme y evoluciona
rápidamente. Una buena fuente de información y referencias está disponible en el sitio web de
HIV InSite desarrollado por la Universidad de California en San Francisco,
<http://hivinsite.ucsf.edu>.no eliminan completamente el VIH del cuerpo (Cohen 1998). Gente
que descubre son VIH+ pueden comenzar la terapia antirretroviral de alta potencia (HAART) y
otros tratamientos antes de la aparición de la enfermedad. y son más propensos a alterar su
comportamiento. No todos los que están en riesgo por supuesto, así que para muchas personas la
primera indicación de que son VIH positivos viene cuando desarrollan síntomas de SIDA.

Modelado H IVIA I DS
A. Estructura de las existencias y los flujos de la epidemia del VIH/SIDA. Basado en la descripción
anterior, desarrollar un stock y un diagrama de flujo que representa la progresión de los individuos
de susceptibles a través de la diversas etapas de la infección por el VIH y el SIDA. Incluir un stock
de muertes. En el modelo SIR se supone que la población es homogénea, un una suposición muy
pobre para modelar el VIH/SIDA. Numerosos estudios epidemiológicos modelos de VIH/SIDA
desagregan la población en varias categorías que representan los diferentes modos de transmisión
(principalmente el contacto homosexual), el contacto heterosexual y el uso de drogas
intravenosas), así como el sexo y la edad, estatus socioeconómico, región, y quizás otras
~categorías.~ Estos grupos se superponen e interactúan, creando una intrincada estructura de
retroalimentación y una muy modelo complejo. Para el propósito de este desafío, no desagregar el
población. Después de desarrollar un modelo de agregado único, puede considerar desagregación
para capturar los diferentes comportamientos de riesgo y sus interacciones. 7Existen docenas de
modelos epidemiológicos publicados sobre el VIH/SIDA y otras enfermedades de transmisión
sexual. enfermedades de transmisión sexual. Buenos puntos de partida incluyen Anderson (1994),
Garnett y Anderson (1996), Heidenberger y Roth (1998), y Roberts y Dangerfield (1990). Todo el
período mayo-junio de 1998 el número de Interfaces (28[3]) se dedicó a la modelización del sida,
incluidas cuestiones de política como la aguja el desarrollo de vacunas y la detección del VIH.
B. Estructura de retroalimentación de la epidemia de VIH/SIDA.

Una vez que haya desarrollado el mapa de stock y flujo, añada la estructura de retroalimentación

para los tipos siguiendo las hipótesis del modelo SIR ampliado anteriormente mencionadas,

incluyendo la tasa de infección, tasa de seroconversión, tasa de diagnóstico de SIDA, y

tasa de mortalidad.A lo largo del marco temporal para el desarrollo de la epidemia de sida, el
parámetros del modelo SIR, como la tasa de mortalidad y la tasa de contacto entre las personas
susceptibles y las diversas categorías de personas VIH+ no pueden ser considerado constante.
Modificar su diagrama causal para incorporar retroalimentación que crees que son importantes.
Asegúrese de considerar lo siguiente:

1. La tasa de contacto promedio puede disminuir a medida que la gente se da cuenta del riesgo de
El VIH y las formas en que puede transmitirse; es decir, algunas personas pueden reducir o
abstenerse del uso de drogas intravenosas o del contacto sexual.

2. La infectividad de los contactos depende del comportamiento de las personas. Sexo más seguro
y el uso de agujas limpias por parte de los usuarios de drogas intravenosas pueden reducir el
riesgo de infección. infectividad de los contactos que se producen. El uso de prácticas sexuales
más seguras y agujas limpias depende, a su vez, de la concienciación de las personas sobre el
riesgo del VIH. la infección y sus consecuencias, así como sobre la disponibilidad de información y
recursos sobre estas prácticas. A su vez, la disponibilidad de información sobre el sexo seguro y la
importancia de la limpieza de las agujas, junto con los preservativos y el de las agujas limpias,
depende de las actitudes sociales y de los programas de salud pública en el país. los medios de
comunicación, las escuelas y otras organizaciones comunitarias.

3. La investigación y el desarrollo de tratamientos como la terapia antirretroviral altamente activa

pueden reducir la tasa de mortalidad. La disponibilidad de estos tratamientos depende de la hasta
qué punto son reembolsables a través del seguro de salud y el la voluntad de las personas de
hacerse la prueba del VIH. Mucha gente no está dispuesta a hacerse la prueba incluso si saben que
están en riesgo, por miedo, con frecuencia bien que puedan ser estigmatizados, incluyendo la
posibilidad de que puedan pierden sus trabajos, sus casas y sus amigos. Al representar cambios en
el comportamiento de las personas (por ejemplo, cambios en las tasas de contacto e infectividad),
considere cómo las personas pueden tomar conciencia de la existencia, severidad, y los riesgos de
VIH y diferentes comportamientos. ¿Leen el Nuevo Inglaterra Journal of Medicine u obtener su
información a través de palabra de boca o conocimiento personal de alguien que sufre de SIDA?
Cómo ¿la gente juzga el riesgo de infección y las consecuencias de la infección? Las personas son
mucho más propensas a contraer el resfriado común que el VIH, pero un el frío no inspira el temor
que inspira el VIH. Qué fuentes de información son a la gente común expuesta a, y cuán
persuasivas son para inducir a cambios en el comportamiento? ¿Cuál es el papel de las actitudes
sociales hacia la comportamientos a través de los cuales se puede transmitir el VIH? ¿Cuál es el
papel de políticas gubernamentales? Asegúrese de considerar los retrasos de tiempo en las
retroalimentaciones que identifique.

Usa tu diagrama causal para explicar la dinámica del SIDA epidemia en los Estados Unidos. En
particular, explique, en términos de la estructura de retroalimentación del sistema, por qué la tasa
de crecimiento fraccionario de la epidemia cayó en el los primeros años. Explicar la disminución de
la incidencia a partir de 1995 y la

una disminución aún más pronunciada de la mortalidad. Explique por qué el número de personas
que viven

con el SIDA continúa aumentando (Figura 9-12).

de una sentencia de muerte a una infección crónica con baja mortalidad. Basado en

su diagrama, qué cambios en el comportamiento podrían surgir como un efecto secundario de la

desarrollo de HAART? ¿Cómo podrían estos cambios afectar la tasa de contacto?

o infectividad? ¿Estas retroalimentaciones aumentarían o disminuirían la incidencia de

¿Infección por VIH? Explícate. ¿Cuáles son las implicaciones para la salud pública de

tratamientos exitosos como HAART?

Los tratamientos como la terapia antirretroviral altamente activa tienen la promesa de convertir la
infección por VIH

C. Simulación de la epidemia de VIH/SIDA.

Desarrolle un modelo formal de la epidemia de VIH/SIDA basado en la estructura de su

organización. identificar arriba. Para hacerlo, necesitará utilizar una serie de métodos de
comportamiento no lineal. (por ejemplo, para capturar la forma en que las percepciones de riesgo
alteran la tasa de contacto o infectividad). Las directrices para el desarrollo de esas funciones no
lineales son las siguientes que se encuentra en el capítulo 14. Trabajar (al menos inicialmente) con
un único stock agregado y no desagregar su modelo en subpoblaciones. Simular su modelo bajo al
menos dos condiciones: (1) en el supuesto de que no hay comportamiento cambio y ninguna
mejora en los tratamientos y (2) incluyendo el Retroalimentación que usted identificó en la parte B
que podría conducir a cambios en el contacto. en la tasa de infección y en la mortalidad. Explique
los resultados. Poner a prueba las recomendaciones de política que usted identificó en la parte B.
Discuta las implicaciones de política.8

9.,3 DIFUSIÓN DE LA ENFERMEDAD COMO INFECCIÓN:

MODELAR NUEVAS IDEAS Y NUEVOS PRODUCTOS

La difusión y adopción de nuevas ideas y nuevos productos a menudo sigue la forma de S patrones
de crecimiento. ¿Cuáles son las retroalimentaciones positivas que generan el exponencial inicial?
el crecimiento de una innovación exitosa, y cuáles son las retroalimentaciones negativas que
limitar su crecimiento? Considere la propagación de la televisión por cable (Figura 4-9). El
crecimiento de la población de abonados a la televisión por cable no puede explicarse por el
nacimiento de de los niños a los suscriptores existentes del cable, aunque la descendencia de los
espectadores pesados de la TV tienden a crecer y convertirse en papas del sofá. ¿Cuáles son
entonces los bucles positivos responsables para el crecimiento de la industria del cable?
La difusión de rumores y nuevas ideas, la adopción de nuevas tecnologías, y el crecimiento de
nuevos productos puede considerarse como una epidemia que se propaga gracias a la
retroalimentación positiva como los que han adoptado la innovación "infectan" a los que no lo han
hecho. El concepto de retroalimentación positiva como motor de adopción y difusión es muy
general y puede aplicarse a muchos dominios del contagio social (por ejemplo, la estructura de
retroalimentación). de la epidemia de cocaína descrita en la sección 7.3). Un rumor se propaga a
medida que los que lo han oído decir a los que no lo han hecho, que luego lo dicen a otros. Nuevo
las ideas se propagan a medida que los que creen en ellas entran en contacto con los que no lo
hacen Para el propósito de este desafío es aceptable modelar las transiciones de una categoría de
al individuo infectado al siguiente como procesos de primer orden. Modelos más realistas
representan la incubación y distribuciones de la mortalidad derivadas de estudios empíricos con
mayor precisión mediante el uso de retrasos de orden superior (véase el capítulo 11)

La interpretación es la misma que en el modelo SI. Personas de la comunidad pertinente entran en

contacto a un ritmo de c personas por persona por día. La tasa total de qué contactos son
generados por el pool potencial de adoptantes es entonces cP. La proporción de adoptantes en la
población total, AN, da la probabilidad de que cualquiera de ellos contactos es con un adoptante
que puede proporcionar información de boca en boca sobre la innovación. Finalmente, la fracción
de adopción, i, es la probabilidad de adopción dada una relación con un adoptador. Como antes,
estas ecuaciones constituyen un ejemplo del crecimiento logístico discutido en la sección 9.1.1. El
comportamiento del modelo es el clásico en forma de S crecimiento de la curva logística (Figura 9-
1).

9.3.1 El modelo logístico de difusión de la innovación:

Ejemplos

La difusión de muchos productos nuevos sigue trayectorias aproximadamente logísticas. Como

ejemplo, La Figura 9-14 muestra las ventas de Digital Equipment Corporation VAX 11/750
minicomputadora en Europa (Modis 1992). La serie VAX fue una línea muy exitosa
de minicomputadoras. Se vendían entre $100,000 y $150,000 por unidad, dependiendo de qué
periféricos (tales como accionadors de cinta) fueron incluidos, un valor excelente comparado a los
mainframes del día. Los clientes típicos eran las grandes empresas, organizaciones de
investigación y universidades, que los utilizaban para aplicaciones de procesamiento de datos y
apoyar la computación científica y de ingeniería en laboratorios de investigación y desarrollo,
productos departamentos de desarrollo e investigación académica. El 11/750 fue introducido en
1981. Las ventas siguen el clásico ciclo de vida del producto en forma de campana, alcanzando su
punto máximo a mediados de año. 1984. El producto fue retirado del mercado alrededor de 1989.
Acumulado las ventas siguen una trayectoria en forma de S. Dado que la vida útil del VAX es larga
comparada al horizonte temporal del ciclo de vida del producto, es razonable suponer que pocas
unidades fueron desechadas antes de 1989, cuando el producto fue retirado del mercado.
mercado. Por lo tanto, las ventas acumuladas son una buena medida de la base instalada. Para
ajustar el modelo de difusión de productos logísticos a los datos de ventas del VAX, se supone que
el población total N = ventas acumuladas en 1989 (unas 7.600 unidades). El resto parámetro del
modelo, que representa el producto de la tasa de contacto y la adopción

(ci), puede estimarse fácilmente mediante regresión lineal.1° En primer lugar, recuerde de la
ecuación (9-8) que la solución a la ecuación logística puede ser expresada (usando la variable
nombres para el modelo de difusión de la innovación antes mencionado) como (9-33) donde A es
el número de adoptantes (la base instalada), A, es el número instalado inicial. N es el equilibrio
total o valor final de los adoptantes, y go es la fracción inicial de la base de datos. tasa de
crecimiento de la base instalada, que en el momento inicial cuando hay muy pocos adoptantes es
igual al número de contactos infecciosos (ci). Tomando lo natural de ambos lados,

(9-34) da como resultado una relación que es lineal en los parámetros y puede ser estimada
mediante menos cuadrados. Nótese que dado que N - A = P (la diferencia entre el total de Dado
que la tasa de adopción depende del producto de la tasa de contacto y de la infecciosidad, ci, éstas
son no se pueden estimar separadamente de los datos de ventas. Sin embargo, las técnicas de
investigación de mercado tales como mercados de prueba, grupos focales, encuestas, etc., pueden
ayudar al modelador a desarrollar estimaciones de la fracción de adopción y la tasa de contacto. A
efectos de previsión, sólo se necesita el ci del producto. de la población y el número de adoptantes
es el número de adoptantes potenciales), ecuación (9-34) puede escribirse de forma más intuitiva
en función de la proporción de adoptantes a adoptantes potenciales (proveedores):

In - = In - + got t) (9-35)

La ecuación (9-34) o (9-35) se conoce como la transformación logística (o simplemente logit). La

Figura 9-15 muestra la transformación logit de los datos de ventas del VAX, junto con el parámetro
regresión lineal estimada. Los datos son casi lineales, lo que indica que son excelentes.
correspondencia con el modelo logístico. Los paneles inferiores de la Figura 9-15 comparan la
curva logística estimada a los datos de ventas y de los objetos de servicio. Mientras que el modelo
de difusión de la innovación logística se ajusta bastante a los datos de ventas de VAX bien, la
estimación del modelo fue retrospectiva: todo el historial de ventas fue y el método de estimación
requería el conocimiento del valor final de la instalación. base. En la mayoría de las situaciones de
negocios, sin embargo, los clientes quieren saber el de crecimiento prospectivo, cuando se
desconoce el potencial del mercado, de modo que puede decidir si el mercado será lo
suficientemente grande para justificar la entrada y planificar la estrategia para la adquisición de
capacidad, la determinación de precios, la comercialización, etc. Una forma de encajar la logística
de crecimiento a los datos antes de la saturación es estimar la velocidad a la que la fracción la tasa
de crecimiento disminuye con el crecimiento de la población. Recordemos la ecuación (9- 1) que la
tasa de crecimiento fraccionario del modelo logístico disminuye linealmente a medida que la
población crece. La Figura 9-16 muestra la tasa de crecimiento fraccional en los suscriptores de
televisión por cable en los EE.UU., junto con el mejor ajuste lineal (calculado por el valor mínimo
ordinario de cuadrados). Como se esperaba, la tasa de crecimiento fraccionario disminuye a
medida que la población crece, aunque hay una variación considerable alrededor del mejor ajuste
lineal. El crecimiento logístico la trayectoria implícita por estos parámetros encaja bien con los
datos hasta 1994 y predice un máximo de cerca de 74 millones de hogares suscritos al cable, a los
que se llegará en breve después de 2010. Sin embargo, existe una incertidumbre considerable en
esta predicción. En primer lugar, hay incertidumbre con respecto a la tasa de crecimiento
fraccional lineal más adecuada. El fraccionario real la tasa de crecimiento varía sustancialmente
alrededor del mejor ajuste; otros parámetros para la línea recta encajará casi igual de bien pero
producirá grandes diferencias en el número máximo de suscriptores y tiempo de saturación. En
segundo lugar, se estimó el mejor ajuste para el período 1969-1994; antes de 1969 la tasa de
crecimiento fraccionario era mucho más alta. Este es típico de los procesos de crecimiento: La tasa
de crecimiento fraccionario al principio de la historia de un el nuevo producto o la innovación es a
menudo muy alta, ya que la población de adoptantes es muy numerosa pequeño (y, por supuesto,
cuando se introduce un nuevo producto, la tasa de crecimiento de los primeros El período de
presentación de informes es infinito). Modificar el período histórico durante el cual la por lo tanto,
cambiará los parámetros de ajuste óptimo y el pronóstico. Tercero, el modelo logístico presupone
una disminución lineal en la tasa de crecimiento fraccionario, ya que la población crece. Sin
embargo, no existe una base teórica convincente para la linealidad. Otras formas para la curva de
la tasa de crecimiento fraccional producirán resultados muy diferentes predicciones. Para ilustrar,
la Figura 9-17 muestra los datos de la televisión por cable contra el mejor ajuste de las curvas
logísticas y de Gompertz (ecuación (9-14)). El Gompertz se ajusta tanto a los datos como a la curva
logística, pero sugiere un crecimiento continuo a casi 150 millones de abonados en 2020, el doble
del nivel final previsto por el modelo logístico.

9.3.2 Punto de Proceso: Ajuste Histórico y Validez del Modelo

El modelo logístico es ampliamente utilizado para explicar y predecir la difusión de las
innovaciones,el crecimiento de las poblaciones, y muchos otros fenómenos. Marchetti (1980) y
Modis (1992), entre muchos otros, ha ajustado la curva logística a una amplia gama de desde las
composiciones de Mozart hasta la construcción de catedrales góticas. La curva logística puede
ajustarse razonablemente a los datos de una amplia gama de procesos de crecimiento bueno.
Pero no debe utilizar el modelo logístico, ni ningún modelo, como un ajuste curvo. procedimiento
para la previsión de caja negra (ateórica). El modelo logístico a menudo funciona bien porque
incluye los dos procesos de retroalimentación fundamentales para cada crecimiento

proceso: un bucle positivo que genera el período inicial de crecimiento acelerado y una
retroalimentación negativa que hace que el crecimiento se desacelere a medida que se acerca la
capacidad de carga. Cualquier sistema que crezca por retroalimentación positiva debe incluir estos
dos tipos de bucles, acoplados no linealmente; cualquier modelo de crecimiento debe ser
caracterizado por un fraccionamiento de crecimiento que, en última instancia, disminuye a cero a
medida que la población se acerca a su nivel de vida. capacidad de carga. Sin embargo, como se
discutió anteriormente, el modelo logístico hace restrictivo suposiciones sobre la naturaleza del
proceso de crecimiento. Defensores de la logística a menudo presentan evidencia de manera
selectiva para mostrar qué tan bien el modelo se ajusta a ciertas necesidades.pero omiten los
muchos otros procesos de crecimiento para los que no lo hace. El mismo las consideraciones se
aplican a todos los demás modelos de crecimiento de ecuación única, como el Richards o la familia
Weibull. La capacidad del modelo logístico para adaptarse a una amplia gama de procesos de
crecimiento también ilustra varias lecciones importantes sobre la validez de los modelos en
general. Primero, el contraste entre las previsiones de los modelos logístico y Gompertz para el
cable El caso de la televisión mostrado en la Figura 9-17 muestra que diferentes modelos de
difusión pueden producir predicciones muy diferentes mientras se ajustan los datos igualmente
bien. La habilidad para ajustarse a los datos históricos no proporciona, por lo tanto, una base
sólida para seleccionar entre las hipótesis alternativas sobre la naturaleza o la fuerza de las
diferentes retroalimentaciones que podría ser responsable de la dinámica de un sistema.
Segundo, obtener más datos no resuelve el problema. Estimación de los parámetros de diferentes
modelos de crecimiento, y de ahí la trayectoria de crecimiento, por econometría requiere un
conjunto de datos de series de tiempo lo suficientemente largo como para proporcionar y
discriminar entre los diferentes modelos de crecimiento. En un revisión de los modelos de difusión
de la innovación para la previsión de ventas de nuevos productos, Mahajan, Muller y Bass (1990)
señalan que "para cuando se hayan desarrollado suficientes observaciones para una estimación
fiable, es demasiado tarde para usar las estimaciones con fines de pronóstico". Para cuando la
televisión por cable haya progresado lo suficiente como para discriminar entre los modelos
logísticos y Gompertz (y posiblemente otros), tanto de los el ciclo de vida de la difusión pasará a
ser más allá de que el modelo ya no será útil. El salvajemente se generan diferentes pronósticos de
difusión de cable 40 años después de la introducción de cable, después de que cerca de la mitad
de los hogares en los EE.UU. ya lo habían adoptado, y bien después de la entrada en la industria de
formidables competidores. Tercero, un propósito principal del modelado es diseñar y probar
políticas de mejora. Para ello, el cliente debe tener confianza en que el modelo responderá a las
políticas de la misma manera que lo haría el sistema real. Adaptación a la curva logística (o a
cualquier modelo) a un conjunto de datos no identifica los procesos de retroalimentación
específicos responsables de la dinámica. La capacidad de un modelo de ajustarse a los datos
históricos por sí mismo no proporciona información. sobre si su respuesta a las políticas será
correcta. Para ilustrar, note que el modelo logístico, como todos los modelos de crecimiento de
primer orden, presupone que la población de adoptantes o la base instalada se mueve
constantemente hacia arriba. El el número de adoptantes nunca puede disminuir. Sin embargo, la
historia de nuevos productos y nuevos las tecnologías están repletas de innovaciones cuyo patrón
de emergencia es el boom y busto o fluctuación. Es fácil imaginar escenarios creíbles en los que,
por ejemplo, la disminución del uso de la televisión por cable, incluidos el aumento de los precios
y la disminución de la calidad de la programación, la creciente competencia de las nuevas
tecnologías, como el satélite digital las transmisiones y el Internet, e incluso una declinación en la
visión de la televisión (bien, quizás la última no es creíble). Sin embargo, el modelo logístico y
todos los modelos de primer orden pueden nunca generan nada más que crecimiento. Estos
modelos no incluyen la rica retroalimentación estructura necesaria para generar patrones más
complejos y realistas, como el rebasamiento y oscilación o sobreimpulso y colapso. La difusión de
la innovación suele implicar muchas respuestas positivas que impulsan el crecimiento además del
boca a boca (ver capítulo 10 para ejemplos). Por ejemplo, la disponibilidad de software de terceros
es un potente impulsor del atractivo del producto para los ordenadores. A su vez, los
desarrolladores de terceros escribirán software para aquellas plataformas en las que creen que
tienen el mayor potencial de mercado. Por lo tanto, cuanto mayor sea la base instalada de una

(como el VAX), cuanto más software se escriba para él, más atractivo resultará.

se convierte en para los clientes potenciales, y cuanto mayor sea la base instalada.

El bucle positivo de disponibilidad de software (y muchos otros) puede estimular el crecimiento.

como el boca a boca puede hacerlo. Debido a que estos otros bucles positivos son omitidos de

el modelo simple de difusión de la innovación, las estimaciones estadísticas de la fuerza de la

de boca en boca reflejará el impacto de todos los bucles positivos que contribuyen a la
crecimiento. La importancia del boca a boca se sobreestimará en gran medida mientras que en

al mismo tiempo, se supone que la fuerza de todos los bucles omitidos es cero. El

indica que una buena política para estimular el crecimiento temprano del mercado

sería reforzar el boca a boca (por ejemplo, patrocinando conferencias o contratando

líderes de opinión clave como portavoces). Sin embargo, la mejor política puede en realidad

ser para estimular la disponibilidad de software mediante la asociación con desarrolladores de

terceros.

Un modelo de este tipo no dará lugar a recomendaciones fiables en materia de políticas, a pesar
de los excelentes resultados obtenidos.

encaje histórico. Un modelo puede encajar perfectamente en los datos por las razones
equivocadas.

Es difícil exagerar las implicaciones para los modeladores y los clientes. El

la capacidad de un modelo para replicar datos históricos no indica, por sí mismo, que la

es útil. Y el hecho de no replicar datos históricos no significa necesariamente

un modelo debe ser descartado. La utilidad de un modelo no puede juzgarse por su historia.

encajan solos, pero requiere que el modelador decida si la estructura y las reglas de decisión

del modelo corresponden a la estructura real y a las reglas de decisión utilizadas por el real

personas con suficiente fidelidad para el propósito del cliente. Para ello es necesario que el
modelador

y el cliente para examinar las suposiciones del modelo en detalle, para llevar a cabo campo

de la toma de decisiones, y explorar la sensibilidad de los resultados de los modelos a los

resultados plausibles

suposiciones alternativas (entre otras pruebas). Determinar si un modelo

proporciona una base sólida para la toma de decisiones nunca es sólo cuestión de pruebas
estadísticas

o histórico, pero es esencialmente e inevitablemente un juicio de valor que el modelador

y el cliente debe hacer.

Desafortunadamente, los clientes y modeladores con frecuencia dan demasiada importancia a la

historia.

peso. Juzgar la idoneidad de la estructura del modelo, su robustez y su

la sensibilidad a las suposiciones lleva tiempo, mientras que el ajuste histórico puede demostrarse
rápidamente. Los gráficos que muestran un ajuste cercano entre los datos y el modelo son
dramáticos y

convincente. Los clientes son fácilmente influenciados por tales gráficos y por impresionantes
tablas

de R2 y otras estadísticas. Los modelistas, incluso cuando saben más, demasiado a menudo
exageran

estadísticas que muestren qué tan bien sus modelos se ajustan a los datos para persuadir a la
audiencia

que el fuerte ajuste histórico del modelo significa que debe ser correcto.

No se debe concluir de esta discusión que el ajuste histórico no es importante

o que no necesita comparar sus modelos con los datos numéricos. Al contrario,

la comparación de la salida del modelo con los datos numéricos es una poderosa manera de
identificar las limitaciones

o defectos en las formulaciones de los modelos. Pero hay una profunda diferencia entre

usando datos históricos para identificar fallas para que sus modelos puedan ser mejorados y
usando

histórico para afirmar la validez de su modelo. En este último caso, mostrar cómo

bien, el modelo se ajusta a los datos es una maniobra defensiva diseñada para proteger un modelo

y el modelador de la crítica y evita que el cliente y el modelador aprendan.

En el primer caso, el ajuste histórico se utiliza para encontrar problemas y estimular

aprendizaje. El examen del ajuste histórico debe ser parte de un proceso más amplio de pruebas y

mejora del modelo diseñada para producir un modelo adecuado para el diseño de políticas y la
toma de decisiones

(ver capítulo 21).

9.3.3. El modelo de difusión de graves

Uno de los defectos del modelo logístico de difusión de la innovación es el problema de la puesta
en marcha.En la logística (y en los otros modelos de crecimiento simples, incluyendo el modelo
Richards y las familias Weibull), cero es un equilibrio: el modelo logístico no puede explicar la
génesis de los primeros adoptantes. Antes de la introducción de la televisión por cable, el El
número de abonados al cable era cero; antes de las primeras ventas del miniordenador VAX, los
objetos de servicio eran cero. Cuando se inician los procesos de crecimiento, las
retroalimentaciones positivas en función de los objetos de servicio están ausentes o son débiles
porque no existen o no existen.
sólo unos pocos adoptantes. El crecimiento inicial es impulsado por otras retroalimentaciones
fuera de los límites de los modelos de difusión simples. Existen varios canales de concientización
que puede estimular la adopción temprana de nuevas innovaciones además del boca a boca y
otras relacionadas. efectos de retroalimentación que dependen del tamaño de la población de
adoptantes. Estos incluyen publicidad, informes en los medios de comunicación y esfuerzos de
venta directa. Frank Bass (1969) desarrolló un modelo para la difusión de innovaciones que supera
el problema de la puesta en marcha. El modelo de difusión de bajos se ha convertido en uno de los
los modelos más populares para el crecimiento de nuevos productos y es ampliamente utilizado
en la comercialización, estrategia, gestión de la tecnología y otros campos. Bass resolvió el
problema de inicio asumiendo que los adoptantes potenciales se dan cuenta de la innovación a
través de fuentes externas de información cuya magnitud y capacidad de persuasión son
aproximadamente constante en el tiempo. El modelo original de Bass fue introducido
principalmente como una herramienta para pronosticar ventas de nuevos productos, y Bass no
especificó la naturaleza de los comentarios en el a nivel operativo. La retroalimentación positiva se
interpreta generalmente como un boca a boca (exposición social e imitación) y las fuentes
externas de sensibilización y adopción se interpretan generalmente como el efecto de la
publicidad (la Figura 9-18 muestra la retroalimentación estructura del modelo con esta
interpretación). l1 En la Figura 9-18 la tasa total de adopción es la suma de las adopciones
resultantes de boca en boca (e implícitamente otras retroalimentaciones positivas impulsadas por
la población de o la base instalada del producto) y las adopciones resultantes de la publicidad y
cualquier otra influencia externa. Las adopciones de boca en boca se formulan exactamente igual
que en el modelo de difusión de la innovación logística (ecuación (9-3 1)). Bass asumió la
probabilidad de que un adoptante potencial adopte como resultado de la exposición a una
cantidad dada de publicidad y el volumen de publicidad y otros las influencias externas de cada
período son constantes. Por lo tanto, las influencias externas causan que una fracción constante
de la población de potenciales adoptantes adopte cada período de tiempo. Por lo tanto, la tasa de
adopción, AR, es AR = Adopción de la publicidad + Adopción del boca a boca Adopción de la
publicidad = aP

(9-36)

(9-37)

"El modelo original, en tiempo continuo, se especificó como dNdt = AR = aP + bPA, donde a y b
eran parámetros que debían estimarse estadísticamente a partir de los datos sobre ventas o
adoptantes. Bass (1969) no discutió explícitamente la estructura del circuito de retroalimentación
del modelo ni especificó lo que los procesos de la adopción eran operativos, en lugar de llamarlos
innovación e imitación. Otros se refieren a los dos como influencias externas e internas en la
adopción. El modelo también fue criticado por omitir variables económicas y de otro tipo que
afectan a la decisión de adopción, como el precio o el esfuerzo publicitario (ver los desafíos abajo;
ver también Bass, Krishnan, y Jain 1994).
Adopción de boca en boca = ciPA/N (9-38) donde el parámetro a, efectividad publicitaria, es la tasa
de adopción fraccionada de la publicidad (l/período de tiempo). Se supone que las dos fuentes de
adopción son independientes. Recopilación de condiciones, el modelo puede expresarse de forma
más compacta como AR = aP + ciPA/N (9-39)

Cuando se introduce una innovación y la población de adoptantes es cero, la única fuente de

adopción serán las influencias externas como la publicidad. La publicidad El efecto será mayor al
comienzo del proceso de difusión y disminuirá de manera constante a medida que el grupo de
potenciales adoptantes está agotado. Espacio de fase del modelo de difusión de graves Al igual
que el modelo de crecimiento logístico, el modelo Bass tiene dos stocks. Sin embargo, debido a
que P + A = N, sólo una de estas poblaciones es independiente, y el modelo es realmente de
primer orden. Utilizando el hecho de que P = N - A, expresa la ecuación (9-39) en términos de la
variable A. Dibuje el diagrama de fase para el modelo (un gráfico que muestre la población
adoptante A. Dibuje el diagrama de fase del modelo). de adopción en función de la población de
adoptantes). Dibuje el diagrama de fase para tres condiciones: (i) la efectividad de la publicidad es
nula y toda adopción ocurre a través de boca en boca, (ii) de boca en boca es cero (ci = 0) y toda
adopción ocurre a través de (iii) tanto la publicidad como el boca a boca contribuyen a la
adopción. Sin usar simulación, use el diagrama de fase para bosquejar el comportamiento a lo
largo del tiempo de la población de adoptantes, la población potencial de adoptantes y la tasa de
adopción de cada uno de ellos. de los tres casos anteriores. ¿Cómo altera la publicidad el punto en
el que domina el bucle? ¿pasa de la retroalimentación positiva a la negativa? ¿Cómo afecta la
publicidad a la tiempo, simetría y otros aspectos de la dinámica en comparación con la logística
hacer de modelo Después de haber respondido a estas preguntas, construya y simule el modelo a
probar

tu intuición. Ejecute el modelo para los tres casos anteriores e intente otras combinaciones de
parámetros para explorar el rango de comportamientos que el modelo puede generar
9.3.4 Comportamiento del modelo de graves
El modelo Bass resuelve el problema de la puesta en marcha de la difusión de la innovación
logística modelo porque la tasa de adopción de la publicidad no depende del adoptante población.
Cuando se introduce la innovación o el nuevo producto, la tasa de adopción consiste enteramente
de personas que aprendieron sobre la innovación de fuentes externas de información como la
publicidad. A medida que la reserva de potenciales adoptantes disminuye, mientras que la
población de adoptantes crece, la contribución de la publicidad a la adopción total disminuye
mientras que la contribución del boca a boca aumenta. Pronto, el boca a boca domina, y el
proceso de difusión se desarrolla como en el modelo de difusión logística. Como ejemplo,
considere nuevamente los datos de ventas del VAX 11/750 (Figura 9-14). Para modelar el ciclo de
vida del producto VAX con el modelo logístico de difusión que era necesario para iniciar la
simulación después de que se introdujera el producto, de modo que hubiera una de objetos de
servicio distintos de cero. Una mirada más de cerca a la Figura 9-15 muestra que la logística pura
modelo subestima las ventas durante el primer año y medio, y sobreestima las ventas en su punto
máximo, consistente con la hipótesis de que las adopciones iniciales fueron estimuladas no por el
boca a boca u otras reacciones positivas, sino por fuentes externas de sensibilización como el
esfuerzo de marketing. La Figura 9-19 compara el comportamiento de los graves al modelo de
difusión logística y a los datos de ventas VAX. Como en la simulación del modelo logístico, se
supone que la población total N es de 7600 unidades. Publicidad eficacia, a, y el número de
contactos que resultaron en la adopción de la palabra de ci, se estimaron mediante regresión en
0,01 1 por año y 1,33 por año, respectivamente. La contribución de las ventas de publicidad a las
ventas totales es pequeña después de el primer año, como se ve en el panel inferior de la Figura 9-
19. Sin embargo, esta modesta el cambio en la estructura de retroalimentación del proceso de
difusión mejora el rendimiento del modelo capacidad de ajustarse a los datos de ventas, tanto en
los primeros 2 años como en el pico. Lo más importante, la inclusión del efecto publicitario
resuelve el problema de la puesta en marcha de la logística modelo. El modelo Bass es una
extensión significativa y útil de la logística básica. modelo de difusión de la innovación. El modelo
en sí, o variantes del mismo, es ampliamente aplicable a una amplia gama de fenómenos de
difusión y crecimiento, y existe una amplia la literatura que aplica el modelo Bass y los modelos
relacionados a la difusión de la innovación y ventas de nuevos productos (véase, por ejemplo,
Mahajan, Muller y Bass 1990 y Parker 1994 para revisiones).
Ampliación del modelo de graves

Como se mencionó anteriormente, el modelo Bass asume el tamaño total del mercado (población
total, N) es constante. En general, la población de una comunidad o el número de Los hogares en
un mercado crecen con el tiempo a través de los nacimientos, las muertes y la migración. En el
contexto de las innovaciones con ciclos de vida muy cortos (por ejemplo, la última generación de
videojuegos) o enfermedades agudas como el sarampión, la suposición de una población
constante es razonable. Pero para las innovaciones o enfermedades cuyo ciclo de vida se extiende
más allá de muchos años (por ejemplo, la difusión de la televisión por cable o la epidemia del
SIDA), la población el crecimiento puede ser significativo.

B.

Revisar el modelo Bass para incorporar el crecimiento en el tamaño del

mercado total.
Supongamos que el tamaño total de la población es una población incrementada por una
Población Neta

Aumento de la tasa que agrega nacimientos, defunciones y migración neta (es fácil, pero

no es necesario, para representar explícitamente las tasas de natalidad, mortalidad y migración

neta

por separado; véase el capítulo 12). La Tasa de Incremento Neto de la Población viene dada por el

población total y la Tasa de Incremento Neto Fraccional, que puede asumirse

constante. Ahora debe decidir cómo se reparte el aumento de la población

entre adoptantes potenciales y adoptantes. La suposición más simple es que todos los

los aumentos en el tamaño de la población se suman al grupo de posibles adoptantes. Recordando

que todas las personas u hogares de la población son potenciales o reales

los adoptantes, reformular la población potencial de adoptantes como P = N - A. Incluso

aunque la población de adoptantes potenciales es una población, está totalmente determinada

por

la población total y la población adoptante y por lo tanto puede ser representada como un

variable auxiliar.

Aplique su modelo extendido a la industria de la televisión por cable. La unidad

de la adopción para la televisión por cable no es el individuo, sino los hogares (y

posiblemente negocios). La industria de la televisión por cable en los EE.UU. comenzó en el

principios de los 50. En ese momento el número de hogares era de unos 40 millones.

A finales de la década de 1990, había casi 100 millones de hogares, un promedio de

tasa de crecimiento de la formación de hogares de alrededor del 1,9% anual. Seleccione los
parámetros para

la eficacia de la publicidad y el boca a boca que reproducen aproximadamente la

patrón de adopción del cable (Figura 9-16). No es necesario cotejar los datos

exactamente; un ajuste aproximado es suficiente. Explorar la sensibilidad del modelo

a diferentes tasas de crecimiento de la población. ¿Cuál es el impacto de la variable

el tamaño de la población en la dinámica?

Respuesta del tamaño total del mercado al precio.

En la mayoría de los mercados, sólo una fracción de la población total adoptará alguna vez un
nuevo

innovación. La fracción de la población que podría adoptar típicamente

depende de los beneficios de la innovación en relación con su coste (su precio y cualquier otro
factor).

otros costes asociados, por ejemplo, costes de cambio de proveedor, costes de activos
complementarios,

costes de formación, etc.; véase Rogers 1995). Las innovaciones no son estáticas: su

los beneficios a menudo aumentan con el tiempo, a medida que la investigación y el desarrollo de
productos conducen

a mejoras en las características, funcionalidad, calidad y otros atributos de

atractivo del producto. Del mismo modo, el precio de los nuevos productos a menudo baja

significativamente a lo largo del tiempo a través de curvas de aprendizaje, economías de escala y

otros

retroalimentación (ver capítulo 10). Modifique el modelo que desarrolló en la parte A para

incluir el efecto del precio del producto en el tamaño del grupo de potenciales adoptantes.

Supongamos que la población potencial de adoptantes es una fracción de la población total,

menos el número actual de adoptantes:

P = Fracción dispuesta a adoptar * N - A (9-40)

donde, en general, la Fracción Dispuesta a Adoptar depende de la situación general.

el atractivo de la innovación o del producto (sus beneficios en relación con los costes):

Fracción Dispuesta a Adoptar = f(1nnovation Attractiveness)

Antes de ejecutar su modelo, dibuje un diagrama causal que muestre la retroalimentación

estructura creada por la curva de aprendizaje y cómo interactúa con la estructura

de difusión. Sin simulación, esboce la dinámica que espera para el

la fracción del mercado dispuesta a adoptar, la población potencial adoptante,

tasa de adopción y población de adoptantes. También esbozar el camino de los ingresos que

esperar. Suponga que el producto se compra, no se alquila, e ignore los ingresos

que puedan derivarse de la venta de servicios o productos de posventa a los adoptantes

(los ingresos dependen sólo de la tasa de adopción y el precio).

Después de esbozar la dinámica que usted espera, ejecute el modelo tanto para el Fast

y casos lentos. Describa la dinámica y compárela con sus estimaciones intuitivas.

Experimentar con diferentes fortalezas para la curva de aprendizaje en relación con la

proceso de difusión. ¿Cómo interactúan los procesos de difusión y las curvas de aprendizaje para

determinar el crecimiento de un nuevo producto? ¿Cuáles son las implicaciones de muy

la rápida difusión de los ingresos, la planificación de la capacidad y el desarrollo de nuevos

productos?

Qué implicaciones para la estrategia (fijación de precios, adquisición de capacidad y

comercialización)

¿dibujas?

9.3.5 Moda y moda:

Modelando el abandono de una innovación

El modelo de difusión de bajos es análogo al modelo SI de infección crónica. Todo el mundo

eventualmente adopta el producto y los adoptantes nunca abandonan la innovación o

interrumpir el uso del producto. Estos supuestos son apropiados para algunas innovaciones

pero no se aplican a la enorme categoría de modas y modas.

Una moda, por definición, implica la adopción temporal de una nueva idea o producto,

seguido de su abandono. En una moda, aquellos que adoptan tarde o temprano (generalmente

antes) descontinuar su uso del producto y no generar más información de boca en boca

que podría conducir a una adopción posterior. Aunque muchos baby boomers usaban chaquetas
Nehru

o vestidos de abuelita en la década de 1960, trajes de poliéster de ocio o plataforma de color arco
iris

zapatos en la década de 1970, y trajes de poder con corbatas amarillas o hombreras en el

En la década de 1980, pocos son vistos usándolos hoy en día.13 La moda y la moda son, por
supuesto, comunes

en la industria de la confección, sino que también surgen en casi todos los demás ámbitos, desde
los muebles para el hogar,

destinos vacacionales, cocinas, automóviles e inversiones a estilos en

las artes y la música, las teorías académicas en las ciencias y las humanidades, y las nuevas
tecnologías.
palabras de moda y gurús en estrategia corporativa, teoría organizacional y administración

consultoría.

El modelo Bass no puede capturar la dinámica de las modas en parte porque los adoptantes

nunca descontinuar su uso de la innovación. Además, debido a que la tasa de contacto y

la fracción de adopción son constantes, los primeros adoptantes son igual de propensos a infectar
al potencial

como los que acaban de comprar el producto. Para muchas innovaciones

(no sólo las modas), sin embargo, la propensión de la gente a generar el boca a boca, y sus

entusiasmo y persuasión, varían con el tiempo. Por lo general, el boca a boca decae como

las personas se habitúan a la innovación. Aquellos que recientemente han abrazado una

I3La industria de la moda reintroduce con frecuencia las modas antiguas. Las modas de los años 70
fueron

reciclado a finales de los 90, incluyendo zapatos de plataforma y pantalones de campana, pero
afortunadamente no poliéster

trajes de ocio.

340 Parte 111 La dinámica del crecimiento

una nueva idea o comprado un nuevo artículo son mucho más propensos a hablar de ello que los

que han adoptado la innovación desde hace mucho tiempo, incluso si siguen utilizándola. Interior

la plomería se puede considerar apenas una manía pasajera, con todo la gente no se apresura
hacia fuera decir

a sus amigos lo maravillosos que son los inodoros.

En los años 80, Selchow y Righter vendieron decenas de millones de copias del juego.

Trivial Pursuit. Las ventas crecieron a medida que Trivial Pursuit se convirtió en uno de los
productos más populares

en el mercado de juguetes y juegos. El auge fue alimentado en gran medida por el boca a boca y la
sociedad.

la gente lo tocaba en las casas de sus amigos. Después de unos años,

sin embargo, las ventas cayeron. Gran parte de la disminución puede atribuirse al mercado
familiar

lazo de saturación: el juego tuvo tanto éxito que la compañía agotó la reserva de

personas que aún no habían comprado una copia. Pero la desaparición de la novedad del juego
fue
también un factor. La población de adoptantes sigue siendo grande en el sentido de que muchas
personas

todavía tiene una copia de Trivial Pursuit. Sin embargo, la mayoría de estas copias están en áticos
y

armarios. La población de adoptantes activos, aquellos que todavía juegan el juego y generan

el contacto de boca en boca con otros, es pequeño.

La interrupción del uso y el deterioro del boca a boca pueden incorporarse fácilmente.

en el marco de difusión de la innovación mediante la desagregación de la población adoptante

en diferentes categorías, cada una representando diferentes grados de uso y

propensión a generar el boca a boca. La extensión más sencilla del modelo es

dividir la población total de adoptantes en dos categorías, Adoptantes Activos y Antiguos

Adoptantes

Adoptantes. La tasa de descontinuación (la tasa a la que llegan los adoptantes activos b-ecome

de las personas que adoptaron la innovación) depende de la duración media del uso de la
innovación (el

La suposición más simple es que la tasa de descontinuación es un proceso de primer orden).

Palabra

de la boca y por lo tanto la tasa de adopción sería generada sólo por la población

de adoptantes activos.

El modelo revisado es análogo al modelo epidémico SIR. Ahora sólo activo

(análogas a las de la población infecciosa) generan de boca en boca que

podría inducir una adopción adicional. Los antiguos adoptantes son análogos a la población

de individuos recuperados. Haber comprado el producto pero ya no utilizarlo activamente

los antiguos adoptantes ya no son infecciosos para los demás y también son inmunes.

para reinfectar la exposición a la publicidad o al boca a boca de los adoptantes activos

no inducirá a los baby boomers de edad a comprar otro traje de ocio.14

La idea clave del modelo epidémico SIR es el concepto de "vertido".

punto: la exposición a individuos infecciosos no producirá una epidemia si las personas se

recuperan

y desarrollan inmunidad más rápido de lo que pueden infectar a otros. Del mismo modo, las
nuevas innovaciones
podrían no arraigar incluso si generan un boca a boca positivo

porque los adoptantes activos descontinúan el uso más rápido de lo que persuaden a otros a

adoptar. Aunque un gran número de extrañas modas y productos inútiles

a la recuperación y se define por el producto del número de contacto (el número de contactos
infecciosos generados por cada infeccioso antes de la recuperación) y la probabilidad de contactar
a un individuo susceptible (ecuación (9-26)). Utilizando la terminología del marco de difusión de la
innovación, la tasa de reproducción es el producto del número de contactos persuasivos boca a
boca generados por cada adoptante activo antes de la descontinuación y la probabilidad de
encontrarse con un adoptante potencial: (9-45) donde c es la tasa de contacto, i es la fracción de
adopción, d es la duración promedio del uso activo para la innovación, P es la población de
adoptantes potenciales y N es la población total. Si la tasa de reproducción es mayor que una, la
retroalimentación positiva de boca en boca domina el sistema y nace una moda. La moda termina
cuando el grupo de potenciales adoptantes cae lo suficiente como para bajar la tasa de
reproducción por debajo de uno. Si la tasa de reproducción es inferior a uno, el bucle bucal
positivo está dominado por las retroalimentaciones negativas y no habrá epidemia de adopción.
Sin embargo, a diferencia del modelo SIR, la adopción en el marco de difusión de la innovación de
Bass también se debe a la publicidad y a otras influencias externas. En el modelo Bass simple la
efectividad de la publicidad es una constante, lo que implica que el presupuesto publicitario es
constante a través del tiempo. Incluso cuando el sistema está por debajo del punto de inflexión,
todo el mundo finalmente adoptará la innovación (aunque puede llevar mucho tiempo). En el
mundo real, la publicidad es cara y no persiste indefinidamente. El plan de marketing para la
mayoría de los productos nuevos incluye una cierta cantidad para una campaña publicitaria inicial
y otros esfuerzos iniciales de marketing. Si el producto tiene éxito, se puede apoyar más publicidad
a partir de los ingresos que genera el producto. Sin embargo, si el producto no despega, el
presupuesto de marketing se agota pronto y caen las fuentes externas de adopción. La publicidad
no es exógena, como en el modelo Bass, sino que forma parte de la estructura de
retroalimentación del sistema. Hay un punto de inflexión para las ideas y los nuevos productos, no
menos que para las enfermedades.
Modelado del ciclo de vida de los productos duraderos

El modelo de la Figura 9-22 no representa explícitamente el stock de producto que posee la

empresa

la población adoptante. Las compras repetidas se modelan según el modelo actual.

población adoptante. Esta formulación es apropiada para consumibles no duraderos.

como los alimentos, donde la vida útil del producto es muy corta en relación con la difusión

y la adquisición y el consumo o el desecho del producto no

deben ser representados por separado. Sin embargo, en el caso de los productos duraderos, suele
ser importante

para representar el stock de producto y la tasa de descarte explícitamente.

Modifique el modelo mostrado en la Figura 9-22 para que represente la adopción y la instalación.

de un producto duradero para el consumidor, como las videograbadoras (VCR). Puede utilizar

ya sea la formulación simple de Bass o el modelo extendido que desarrolló en la sección

9.3.4 incluyendo el efecto del precio en el tamaño del mercado y la curva de aprendizaje

(cuando se introdujeron las videograbadoras, el precio medio era de unos 2.000 dólares por
unidad, pero en el caso del

En el decenio de 1990, el precio medio había caído a 200 dólares por unidad).

La tasa de descarte de los productos duraderos a menudo depende en gran medida de la edad y
no es

bien aproximado por un proceso de primer orden. Modelar la base instalada de VCRs,

crear dos acciones, Nuevos VCRs y Viejos VCRs. Aumenta el stock de nuevos VCRs

por el tipo de cambio de compra. A medida que los VCR envejecen, pasan a formar parte de las
existencias de los VCR antiguos. Suponga

el VCR promedio permanece nuevo por 3 años y que la tasa de envejecimiento es un primer orden

proceso. Aunque algunas de las nuevas videograbadoras se descomponen y se descartan.

la simplicidad asume que la tasa de desecho de los nuevos VCRs es cero. Supongamos que la vida
media

de las antiguas videograbadoras es de 5 años, lo que da una vida media total de 8 años.

¿Qué determina la tarifa de compra? En primer lugar, los hogares que han adoptado el

VCR tratará de reemplazar los que se descomponen y son descartados (o descartar los que se
puedan utilizar).

para comprar una nueva con mejores características). Segundo, esos hogares comprarán

más que la tasa de descarte cuando el número de VCRs que desean colectivamente supera

el número que realmente tienen (y comprarán menos que la tasa de descarte debería

encuentran que tienen más de lo que desean). La tarifa de compra es entonces la suma de los

y un ajuste para la base instalada. El ajuste para el sistema instalado

La base de datos se formula más simplemente como un simple proceso de retroalimentación

negativa de primer orden:
(VCRs deseados - Total VCRs)

Ajuste del tiempo de ajuste de stock para objetos de servicio = (9-46)

donde el número total de VCRs es la suma de los stocks de VCRs nuevos y antiguos, y los

El Tiempo de Ajuste de Existencias representa el tiempo promedio requerido para que la gente
compre por

y comprar una videograbadora. Defina el stock deseado de VCRs en función del número

de hogares que han adoptado el VCR y el número promedio de VCRs deseados

por hogar. El reto de ampliar el modelo Bass en la sección 9.3,4

introdujo la noción de que la fracción de la población dispuesta a adoptar el producto

depende de su atractivo general, incluido el precio. El crecimiento de los mercados

para muchos productos importantes implica tanto un proceso de adopción por un creciente

de la población y un aumento paulatino del número de unidades de propiedad de los

cada hogar a medida que bajan los precios reales y aumentan los ingresos de los hogares. Cuando
estaban

Los hogares "se las arreglaban" con un solo coche, teléfono, televisión y ordenador.

A medida que los precios bajaban, la calidad aumentaba y la importancia de estos productos en la
vida diaria crecía,

346 Parte I11 La dinámica del crecimiento

el número por hogar creció. Representando explícitamente el número de unidades deseadas

por adoptante, el modelo puede representar situaciones en las que los adoptantes incrementan el

número de unidades que desean a medida que sus ingresos crecen, a medida que los precios
disminuyen, o a medida que otros atributos

de atractivo del producto mejoran. Por ahora, supongamos que el número de videograbadoras

deseado por cada hogar adoptante es uno.

Tenga en cuenta que si el stock deseado de VCRs aumenta por encima del stock real (por ejemplo

porque los precios bajan por lo que más hogares adoptantes deciden comprar un segundo VCR), el

la tasa de compra se elevará por encima de la tasa de descarte y las acciones aumentarán hasta
que

la brecha está cerrada. Si el stock deseado de VCRs cae, la tasa de compra caerá.

por debajo de la tasa de descarte y el stock de videograbadoras irá disminuyendo gradualmente.

Compruebe la robustez de su formulación para la tarifa de compra. Implementar un

prueba en condiciones extremas en la que el stock deseado de VCRs cae repentinamente a cero

de una situación inicial en la que las existencias deseadas y reales son iguales y grandes.

Modificar la formulación de la tarifa de compra para asegurarse de que se comporta

adecuadamente

incluso si hay muchos más VCRs de los deseados.

Sony introdujo las videograbadoras para el mercado doméstico en 1975. Al principio

En la década de 1990, aproximadamente el 80% de los hogares estadounidenses tenían al menos

un reproductor de vídeo. Seleccionar parámetros

para su modelo que sean más o menos consistentes con estos datos. Usa tu juicio

para estimar los otros parámetros, como el tiempo de ajuste de stock. Por simplicidad,

asuma que el número total de hogares en los EE.UU. es de 100 millones y constante. Simular

el modelo y discutir los resultados.

el modelo y discutir los resultados. En particular, ¿cuál es el patrón de adopción?

¿Cuál es el patrón de ventas?

Desde la introducción del VCR, la duración media de los ciclos de vida de los productos

para la electrónica de consumo, ordenadores y muchos otros productos se ha reducido. Ciclos de

vida

de sólo unos pocos años o incluso menos son comunes. Simular el modelo asumiendo el

La retroalimentación de boca en boca es tres veces más fuerte que el valor que usted seleccionó
para la opción

La caja de la videograbadora. ¿Cuánto tiempo tarda ahora el 80% de los hogares en adoptar el
producto?

¿Cuáles son las implicaciones para las ventas? Por qué? Cuáles son las dificultades que acortan la
vida útil del producto

los ciclos posan para las empresas?

9.4 SUMMARY

El crecimiento en forma de S se produce a través de la interacción no lineal entre lo positivo y lo

negativo.

bucles de retroalimentación. Cualquier cantidad creciente puede ser pensada como una población
en crecimiento

en un nicho ecológico con cierta capacidad de carga. Crecimiento en forma de S

cuando la capacidad de acarreo es fija y cuando no hay retrasos significativos en la

reacción de la tasa de crecimiento de la población a medida que se aproxima la capacidad de
carga.

La estructura subyacente del crecimiento en forma de S se aplica a una amplia gama de tipos de
crecimiento

no sólo el crecimiento de la población. Estos incluyen la adopción y difusión de

nuevas ideas, el crecimiento de la demanda de nuevos productos, la difusión de información en

una

la comunidad, y la propagación de enfermedades, incluidos los patógenos biológicos y la

informática

virus.

Capítulo 9 Crecimiento en forma de S: Epidemias, difusión de la innovación y crecimiento de

nuevos productos 347

Se introdujeron varios modelos analíticamente tratables de crecimiento en forma de S,

incluyendo el modelo de crecimiento logístico, el modelo epidémico SIR y el modelo Bass

modelo de difusión. Extensiones importantes de la epidemia básica y difusión de la innovación

se desarrollaron modelos para ilustrar cómo los modeladores pueden identificar las restrictivas

los supuestos de un modelo, tanto explícitos como implícitos, y reformular el modelo para

ser más realistas.

Los modelos logísticos, epidemiológicos y de difusión de la innovación pueden adaptarse a las

necesidades históricas de los países en desarrollo.

y el ajuste suele ser excelente. Sin embargo, aunque modelos de crecimiento no lineales como

ya que los modelos logístico y Bass son ampliamente utilizados y a menudo se ajustan a ciertos
conjuntos de datos bastante

bueno, no deberías usar estos (ni ninguno) modelos como cajas negras para pronosticar.

Crear modelos realistas y útiles de difusión de productos y adopción de innovaciones

debe describir explícitamente la estructura de retroalimentación de la adopción y el crecimiento,

incluyendo

las fuentes de atractivo para la nueva idea o producto, la competencia,

la innovación técnica, el cambio de criterios de uso y otros factores que influyen en la

adopción y crecimiento. Muchos modelos ricos y perspicaces de la dinámica de sistemas de

innovación

de difusión se han desarrollado y se utilizan con éxito para anticipar

de crecimiento y diseño de políticas para el éxito (ver, por ejemplo, Homer (1987) para un modelo
de

tecnologías médicas emergentes y Urban, Hauser y Roberts (1990) para retroalimentación

para la previsión de prelanzamiento de nuevos modelos de automóviles).

El ajuste histórico de un modelo no muestra que el modelo sea "válido". Muchos

cada uno con diferentes suposiciones acerca de la estructura de retroalimentación y cada

generando diferentes dinámicas, puede encajar cualquier conjunto de datos igualmente bien.
Conecte a tierra su

modelos de investigación cuidadosa de las estructuras físicas e institucionales y de la toma de

decisiones

los procesos de los actores en el sistema y no fuerzan el ajuste de los datos en el sistema.

suposiciones de cualquier forma o modelo funcional preseleccionado. Los modelos no deben ser

utilizados como ejercicios de ajuste de curvas utilizando los datos agregados. Sólo los modelos que
capturan

la estructura causal del sistema responderá con precisión a medida que cambien las condiciones

y se implementan políticas.