Documentos de Académico
Documentos de Profesional
Documentos de Cultura
-Flannery O’Connor
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,
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.
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
la tasa de crecimiento fraccionario de la población P debe caer desde su valor inicial, pasar
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).
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.
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
la tasa neta de natalidad dada por la ecuación (9-2) es una parábola invertida que pasa a través de
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).
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 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:
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,
donde a, b > 0 se conocen como los parámetros de forma y escala, respectivamente. El caso
las tasas de aumento. Sin embargo, no hay garantía de que los datos se ajusten a los supuestos
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
datos para el crecimiento del girasol. El modelo logístico que mejor se adapta al girasol
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
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
no tiene por qué ser un agente biológico: las epidemias de virus informáticos son similares.
dinámica.
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
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
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.
la población aún más (el bucle positivo), mientras que al mismo tiempo se agota
el conjunto de susceptibles (el bucle negativo).
IR = (ciS)(I/N) (9-18)
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
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.
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.
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
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).
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.
de la infección, cuanto más débil es el bucle de recuperación negativa y más una epidemia.4
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 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
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.
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?
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)
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.
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)
Población susceptible
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.
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
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.
es más corto para los niños, los ancianos y aquellos con problemas de salud previos (Cooley,
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,
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.
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
de una sentencia de muerte a una infección crónica con baja mortalidad. Basado en
¿Infección por VIH? Explícate. ¿Cuáles son las implicaciones para la salud pública de
Los tratamientos como la terapia antirretroviral altamente activa tienen la promesa de convertir la
infección por VIH
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)
(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)
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.
como el boca a boca puede hacerlo. Debido a que estos otros bucles positivos son omitidos de
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
líderes de opinión clave como portavoces). Sin embargo, la mejor política puede en realidad
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.
la capacidad de un modelo para replicar datos históricos no indica, por sí mismo, que la
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
proporciona una base sólida para la toma de decisiones nunca es sólo cuestión de pruebas
estadísticas
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.
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
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
(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)
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.
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
por separado; véase el capítulo 12). La Tasa de Incremento Neto de la Población viene dada por el
entre adoptantes potenciales y adoptantes. La suposición más simple es que todos los
la población total y la población adoptante y por lo tanto puede ser representada como un
variable auxiliar.
principios de los 50. En ese momento el número de hogares era de unos 40 millones.
tasa de crecimiento de la formación de hogares de alrededor del 1,9% anual. Seleccione los
parámetros para
patrón de adopción del cable (Figura 9-16). No es necesario cotejar los datos
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
atractivo del producto. Del mismo modo, el precio de los nuevos productos a menudo baja
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.
el atractivo de la innovación o del producto (sus beneficios en relación con los costes):
tasa de adopción y población de adoptantes. También esbozar el camino de los ingresos que
proceso de difusión. ¿Cómo interactúan los procesos de difusión y las curvas de aprendizaje para
¿dibujas?
interrumpir el uso del producto. Estos supuestos son apropiados para algunas innovaciones
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
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,
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
la fracción de adopción son constantes, los primeros adoptantes son igual de propensos a infectar
al potencial
(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.
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
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.
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
La interrupción del uso y el deterioro del boca a boca pueden incorporarse fácilmente.
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
de la boca y por lo tanto la tasa de adopción sería generada sólo por la población
de adoptantes activos.
podría inducir una adopción adicional. Los antiguos adoptantes son análogos a la población
los antiguos adoptantes ya no son infecciosos para los demás y también son inmunes.
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
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
como los alimentos, donde la vida útil del producto es muy corta en relación con la difusión
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
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
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
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
para muchos productos importantes implica tanto un proceso de adopción por un creciente
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,
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
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.
de una situación inicial en la que las existencias deseadas y reales son iguales y grandes.
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
Desde la introducción del VCR, la duración media de los ciclos de vida de los productos
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
9.4 SUMMARY
bucles de retroalimentación. Cualquier cantidad creciente puede ser pensada como una población
en crecimiento
La estructura subyacente del crecimiento en forma de S se aplica a una amplia gama de tipos de
crecimiento
virus.
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
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.
generando diferentes dinámicas, puede encajar cualquier conjunto de datos igualmente bien.
Conecte a tierra su
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.