El Modelo SEIRV Aplicado A La Epidemia de Coronavirus en Wuhan, China - La Ciencia de La Mula Francis

7/5/2020 El modelo SEIRV aplicado a la epidemia de coronavirus en Wuhan, China - La Ciencia de la Mula Francis
(https://naukas.com)
(https://francis.naukas.com/)
LA CIENCIA DE LA MULA FRANCIS (HTTPS://FRANCIS.NAUKAS.COM/)

E L B L O G D E F R A N C I S C O R . V I L L AT O R O
El modelo SEIRV aplicado a la epidemia de

coronavirus en Wuhan, China
Por Francisco R. Villatoro, el 14 marzo, 2020. Categoría(s): Ciencia (https://francis.naukas.com/categoria/ciencia/) • Informática
(https://francis.naukas.com/categoria/informatica/) • Matemáticas (https://francis.naukas.com/categoria/matematicas/) • Noticias
(https://francis.naukas.com/categoria/noticias/) • Recomendación (https://francis.naukas.com/categoria/recomendacion-2/) • Science
(https://francis.naukas.com/categoria/science/) • Virología (https://francis.naukas.com/categoria/virologia/) ✎ 35
No soy epidemiólogo, pero imparto clases de métodos matemáticos para ingenieros. En autocuarentena en casa,
he decidido implementar en Matlab un modelo sencillo de la epidemia de coronavirus. En lugar de los conocidos
modelos SIR y SEIR, me he decantado por el modelo SEIRV con tasas de transmisión variables, que es un poquito
más realista. Por supuesto, estimar el valor de sus parámetros es difícil, así que he tomado los valores que se
acaban de publicar para la epidemia en Wuhan, China. Quizás sea de interés para algunos de los lectores de este
blog. Pero, cuidado, siendo un modelo matemático tan sencillo, que tiene en cuenta tan pocos factores, sus
resultados no deben ser extrapolados sin ton ni son. La epidemiología rigurosa requiere usar modelos más
complejos que incluyan toda la información disponible.
El modelo de juguete que voy a presentar es solo eso, un juguete que me servirá para ilustrar el uso de Matlab a la
hora de resolver problemas de valores iniciales en ecuaciones diferenciales ordinarias. Por ello me centraré en lo
fácil que es programar en este lenguaje este tipo de modelos matemáticos. He seleccionado el lenguaje Matlab
porque es el que uso en mis clases para ingenieros (uso R en mis clases para bioquímicos); quienes pre eran una
https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-coronavirus-en-wuhan-china/ 1/19
alternativa open source pueden usar Octave de GNU, que es un lenguaje casi idéntico. El código se puede adaptar
de forma sencilla a otros lenguajes matemáticos, por ejemplo, a Mathematica usando NDSolve; pero en otros
lenguajes hay que usar librerías o paquetes especí cos, por ejemplo, deSolve en R, o diffeqpy en Python.
El artículo (open access) que me ha servido en bandeja el modelo y sus parámetros es Chayu Yang, Jin Wang, «A
mathematical model for the novel coronavirus epidemic in Wuhan, China,» Mathematical Biosciences and
Engineering 17: 2708-2724 (11 Mar 2020), doi: https://doi.org/10.3934/mbe.2020148
(https://doi.org/10.3934/mbe.2020148).
% componentes del vector y = SEIRV

S=1;E=2;I=3;R=4;V=5;
dSEIRVdt = @(t,y) [
% dS/dt =
Lambda-betaE(y(E))*y(S)*y(E)-betaI(y(I))*y(S)*y(I)-betaV(y(V))*y(S)*y(V)-mu*y(S)
% dE/dt =
betaE(y(E))*y(S)*y(E)+betaI(y(I))*y(S)*y(I)+betaV(y(V))*y(S)*y(V)-(alfa+mu)*y(E)
% dI/dt =
alfa*y(E)-(w+gamma+mu)*y(I)
% dR/dt =
gamma*y(I)-mu*y(R)
% dV/dt =
xi1*y(E)+xi2*y(I)-sigma*y(V)
];
Introducir las ecuaciones diferenciales dY/dt = F(t,Y) en Matlab es muy fácil, basta de nir la función F(t,Y). En este
caso tenemos cinco ecuaciones acopladas, luego Y(t) será un vector de cinco componentes. He llamado a la
función dSEIRVdt(t,Y) donde Y(1) es S, Y(2) es E, etc. En este código he usado una función anónima @(t,y) en
Matlab. A mis estudiantes les recomiendo que no abusen de las funciones anónimas, porque el resultado es un
código mucho más difícil de entender que cuando se usan funciones. Te muestro la diferencia.
function dYdt = dSEIRVdt (t,SEIRV)

% function dYdt = dSEIRVdt (t,SEIRV) % modelo SEIRV que usa constantes globales
%%
global Lambda betaE betaI betaV mu alfa w gamma xi1 xi2 sigma;
S=SEIRV(1); E=SEIRV(2); I=SEIRV(3); R=SEIRV(4); V=SEIRV(5);
%%
dSdt = Lambda-betaE(E)*S*E-betaI(I)*S*I-betaV(V)*S*V-mu*S;
dEdt = betaE(E)*S*E+betaI(I)*S*I+betaV(V)*S*V-(alfa+mu)*E;
dIdt = alfa*E-(w+gamma+mu)*I;
dRdt = gamma*I-mu*R;
dVdt = xi1*E+xi2*I-sigma*V;
%%
dYdt = [dSdt ; dEdt; dIdt; dRdt; dVdt ]
end
En el modelo SEIRV se usan cuatro poblaciones de humanos: susceptibles (S) son las personas que pueden ser
infectadas; expuestas (E) al virus son las personas que lo contagian, pero que no presentan síntomas durante el
periodo de incubación, por lo que no requieren hospitalización y aislamiento riguroso; infectadas (I) son las
personas que presentan síntomas y están hospitalizadas, sin contacto con las expuestas; y recuperadas (R) son las
personas que se han inmunizado contra el virus tras superar la infección; además, se incluye la concentración de
virus (V) en el entorno debida a las personas expuestas ( pues las infectadas in uyen poco al estar hospitalizadas,
sin contacto directo con las susceptibles).
Un modelo tan sencillo tiene 12 parámetros (los 11 mostradosmás un parámetro adicional común a todas las
funciones beta) cuyos valores deben ser ajustados con datos epidemiológicos. Un ajuste completo es inviable
(explorar un espacio con 12 dimensiones con 5 muestras por dimensión requiere unos 250 mil puntos; pero aún no
hay tantos infectados). En la práctica, se estiman algunos parámetros de forma razonable y razonada, y se ajustan
unos poquitos parámetros.
El artículo en que me baso estima 9 parámetros a partir de la literatura previa y ajusta 3 parámetros usando los
datos epidemiológicos de Wuhan entre el 23 de enero de 2020 y el 10 de febrero de 2020, es decir, en la fase de
crecimiento exponencial. Por tanto, dicho ajuste debe ser tomado como un simple ejemplo; en ningún caso será
realista si se extrapola a otros países o a toda la pandemia.
% parametros del modelo SEIRV http://doi.org/10.3934/mbe.2020148

Lambda = 271.23 ;% flujo de poblacion hacia Wuhan (por dia)
betaE0 = 3.11e-8;% tasa de transmision entre S y E (/personas/dia)
betaI0 = 0.62e-8;% tasa de transmision entre S e I (/personas/dia)
betaV0 = 1.03e-8;% tasa de transmision entre S y V (/personas/dia)
c = 1.01e-4;% coeficiente de ajuste de la transmision
mu = 3.01e-5;% tasa natural de fallecimientos (por día)
alfa = 1/7 ;% 1/alfa = periodo de incubacion (/dias)
w = 0.01 ;% tasa de fallceimientos por la infeccion (por dia)
gamma = 1/15 ;% tasa de recuperacion de la infeccion (por dia)
sigma = 1 ;% tasa de eliminacion del virus del ambiente (por dia)
xi1 = 2.30 ;% dispersion del virus por infectados asintomaticos
xi2 = 0 ;% y por infectados aislados (por persona por dia por ml)
El parámetro Λ representa el ujo de entrada de personas a Wuhan; μ es la mortalidad de la población sin relación
con la infeccion; 1/α es el periodo de incubación en el que la infección es asintomática (7 días); w es la mortalidad
debida a la infección; 1/γ es el número de días para la recuperación de un infectado (15 días); ξ1 y ξ2 es la
contribución a la concentración ambiental del virus debida a las personas expuestas e infectadas, resp.; y σ es el
ritmo de degradación del virus en el entorno (tanto por causas ambientales, como por desinfecciones
programadas). Las funciones βE(E) y βI(I) representan las tasas de contagio de persona a persona entre las
expuestas y las susceptibles, y entre las infectadas y las susceptibles, resp.; la función βV(V) representa la tasa de
contagio de una persona debida a la concentración de virus en el entorno. Estas tres funciones decrecen de forma
monótona, pues a mayores valores de E, I y V se tomarán medidas de control más drásticas para reducir el
contagio.
% funciones de contagio (positivas y decrecientes con su argumento)

betaE = @(E) betaE0/(1+c*E); % para expuestos
betaI = @(I) betaI0/(1+c*I); % para infectados
betaV = @(V) betaV0/(1+c*V); % para el ambiente
En el artículo se usa la misma expresión matemática para las tres funciones que describen el contagio; para no
introducir tres nuevos parámetros, solo se usa un único parámetro c común a las tres, que depende de las medidas
de control que tratan de evitar los contagios. Para c=0 se obtiene el modelo SEIRV con parámetros constantes.
Esta gura del artículo muestra que para c=0 los resultados no describen la evolución de la epidemia en Wuhan
desde el 23 de enero de 2020 (día 0 en la gura). El modelo SEIRV con parámetros constantes predice casi tres
millones de contagiados y todos sabemos que en Wuhan ni siquiera se han alcanzado los cien mil. Esto nos
recuerda que ajustar el modelo con parámetros estimados en fecha muy temprana (antes del 10 de febrero)
conlleva una predicción muy exagerada del pico máximo de infectados. En redes sociales mucha gente usa una
simple función exponencial con el número de reproducción y obtienen valores anuméricos sin ningún sentido. Ten
mucho cuidado cuando alguien te muestre ese tipo de cálculos; son simplemente basura anumérica.
Esta gura muestra la predicción del modelo para c estimado usando los datos entre 23 de enero y 10 de febrero.
Predice un pico de personas infectadas de unas 50 mil, lo que es mucho más realista. Sin embargo, predice una
caída del número de personas infectadas mucho más lenta de la observada en la epidemia en Wuhan (300 días es
casi un año). Además, predice un número de personas expuestas (infectadas asintomáticas) inferior a las que
acaban siendo infectadas. Habrás leído en redes sociales a mucha gente estimar que tiene que haber entre 10 y 30
veces más personas expuestas que infectadas; este modelo no da cuenta de ese hecho (incluso aunque
inicialmente haya más personas expuestas que infectadas).
El modelo SEIRV del artículo es muy sencillo. Sus conclusiones deben ser tomadas con mucha cautela. El artículo
me ha gustado porque incluye un cálculo de los puntos de equilibrio y demuestra que para una número de
reproducción R0>1 siempre existe un punto de equilibrio no trivial. Esta gura te muestra el plano de fases para las
personas expuestas (E) e infectadas (I). El punto jo calculado para R0 = 4.25 es E* = 1353, e I* = 2735, con S* = 2
583 683, R* = 6 528 015, y V* = 3111. Este punto jo implica que la infección se vuelve endémica; siempre habrá
un reservorio de virus entre la población. Aunque el objetivo de las medidas de la OMS y de muchos Gobiernos ha
sido impedir este hecho, cada día parece más difícil evitar que así ocurra con la pandemia de COVID-19. Pero,
repito de nuevo, el modelo SEIRV es muy sencillo y sus conclusiones debe ser puestas en cuarentena. Una vez
pase la pandemia, gracias a modelos mucho más complicados, se podrá saber si el nuevo coronavirus se ha
convertido en un nuevo coronavirus humano estacional.
% condicion inicial
S0 = 8998505 ;% susceptibles de infectar
E0 = 1000 ;% expuestos (infectados asintomaticos)
I0 = 475 ;% infectados (con sintomas y aislados)
R0 = 10 ;% recuperados
V0 = 10000 ;% concentracion de virus en el ambiente
Volvamos a mi código en Matlab. La condición inicial que se usa en el artículo está basada en información o cial de
Wuhan (fuente (http://wjw.hubei.gov.cn/fbjd/dtyw/index_16.shtml)). Se considera una población de susceptibles de
casi 9 millones de habitantes en Wuhan, 475 personas infectadas, 10 recuperadas y 1000 personas expuestas,
todo ello a fecha de 23 de enero de 2020. La carga viral inicial en el entorno es muy difícil de estimar, pero los
autores proponen un valor de 10 mil partículas virales por mililitro; no hay ningún razonamiento en el artículo que
justi que este número, que me parece que a sido elegido más a ojo que otra cosa.
% resolucion numerica
SEIRV0 = [S0; E0; I0; R0; V0];
[t,SEIRV] = ode23t(dSEIRVdt,[0,3000],SEIRV0);
La ventaja de usar Matlab (o lenguajes matemáticos como Mathematica, R, Python, etc.) es que la resolución del
sistema de ecuaciones diferenciales ordinarias solo requiere una única línea. En este código uso la función ode23t,
que se suele usar en problemas moderadamente rígidos ( moderate stiffness). ¿Por qué la uso? Porque he probado
con todas…
% probar toda la odesuite

odesuite = {«ode23″,»ode45″,»ode15s»,»ode23s»,»ode23t»,»ode23tb»};
for ii=1:length(odesuite)
time = cputime;
eval(strcat(‘[t,SEIRV]=’,odesuite{ii},'(dSEIRVdt,[0,30000],SEIRV0);’));
cost(ii) = cputime-time,
end
He probado con todos los métodos de la odesuite de Matlab. El coste en tiempo de CPU ha sido de 0.58, 1.0,
0.047, 0.016, 0.016, y 0.016 segundos. Así que los métodos ode23s, ode23t, y ode23tb tardan unas 66 veces
menos que ode45; por ello he elegido ode23t.
clf;
SEIRV0 = [S0; E0; I0; R0; V0];
subplot(2,2,1); plot(t,SEIRV(:,E),t,SEIRV(:,I)); title(‘E,I’); xlabel(‘dias’);
subplot(2,2,2); plot(t,SEIRV(:,E),t,SEIRV(:,I)); title(‘E,I’); xlabel(‘dias’);
Este código y esta gura muestra los resultados de Matlab para el modelo SEIRV. El pico de la curva es razonable
pero la caída del número de personas infectadas ha sido mucho más rápida (300 días es casi un año). Sin lugar a
dudas, el método requiere una nueva estimación de sus parámetros.
% dibuja el plano de fase

I0v = [ 5 10 15 15 15 15 15 10 6 3 0 0 0 0 ]*1e4;
E0v = [ 0 0 0 1 2 3 4 4 4 4 3.5 2.5 1.5 0.5 ]*1e4;
clf; box on;
for iv=1:length(I0v)
SEIRV0 = [S0; E0v(iv); I0v(iv); R0; V0];
subplot(2,2,1); plot(SEIRV(:,E),SEIRV(:,I),’-‘); hold on;
subplot(2,2,2); semilogx(t,SEIRV(:,E),t,SEIRV(:,I)); hold on;
end;
subplot(2,2,1); xlabel(‘E’); ylabel(‘I’); title(‘phase portrait’);
subplot(2,2,2); xlabel(‘t’); title(‘E, I’); axis([0.1 5e4 0 1.5e5]);
Este código y esta gura muestran el plano de fases (E, I) a la derecha, así como las soluciones E(t) e I(t) en función
del tiempo (en días). Se observa que las soluciones tienden a un punto intermedio alrededor de t = 100 días con
E(100) ≈ 21 000, e I(100) = 39 000; tras este punto, todas las soluciones en el pano de fase evolucionan hacia el
mismo punto de equilibrio E* = 1347, e I* = 2509. Este punto no coincide con el que aparece en el artículo, pero se
puede calcular directamente en Matlab.
% calcula punto de equilibrio

SEIRVstar = fsolve(@(y) dSEIRVdt(0,y), SEIRV0)
SEIRVstar([E, I])
Recuerda que un punto de equilibrio del sistema de ecuaciones diferenciales ordinarias dY/dt = F(Y) es un punto Y*
tal que F(Y*)=0; por tanto dicho punto es estacionario (usado como condición inicial el sistema se mantiene en ese
punto como solución constante). El cálculo de Matlab ofrece el mismo resultado que se ha determinado con ode23t,
que no coincide con el artículo. Supongo que la razón es el error introducido por el método numérico usado por los
autores (que no aclaran cuál es en su artículo).
En resumen, sirva esta pieza como ejemplo del uso de Matlab para resolver ecuaciones diferenciales ordinarias. Los
resultados epidemiológicos mostrados son poco rigurosos, pues el modelo SEIRV es muy sencillo (y yo creo que
habría que reestimar sus parámetros a partir de los resultados actuales de la epidemia en Wuhan para obtener un
mejor ajuste). Sin embargo, es un modelo mucho mejor que usar una ley exponencial, aunque la hayamos visto
tantas veces en redes sociales que duele a los ojos tanto anumerismo. Si conoces Matlab (u Octave) , te
recomiendo ejecutar el código con diferentes parámetros; usa los comentarios si logras resultados que merezca la
pena remarcar.
CIENCIA (HTTPS://FRANCIS.NAUKAS.COM/TAG/CIENCIA/)
CORONAVIRUS SARS-COV-2 (ANTES 2019-NCOV) (HTTPS://FRANCIS.NAUKAS.COM/TAG/CORONAVIRUS-2019-NCOV/)
COVID-19 (ENFERMEDAD) (HTTPS://FRANCIS.NAUKAS.COM/TAG/COVID-19-INFECCION/) CURIOSIDADES (HTTPS://FRANCIS.NAUKAS.COM/TAG/CURIOSIDADES/)
EPIDEMIOLOGÍA (HTTPS://FRANCIS.NAUKAS.COM/TAG/EPIDEMIOLOGIA/) MATEMÁTICAS (HTTPS://FRANCIS.NAUKAS.COM/TAG/MATEMATICAS/)
MATLAB (HTTPS://FRANCIS.NAUKAS.COM/TAG/MATLAB/) MODELO SEIRV (HTTPS://FRANCIS.NAUKAS.COM/TAG/MODELO-SEIRV/)
NOTICIAS (HTTPS://FRANCIS.NAUKAS.COM/TAG/NOTICIAS/)
35 Comentarios
al.rivero@gmail.com dice:
14 marzo, 2020 a las 8:54 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-
coronavirus-en-wuhan-china/#comment-459089)
Bueno, pero es que si las betas son constantes y lo fuera también el suministro de susceptibles, la solucion del sistema es un conjunto de
exponenciales acopladas ¿no? Asi que en la aproximacion de S muy grande tambien deberia ser valido resolver con exponenciales.
RESPONDER
Francisco R. Villatoro (http://francis.naukas.com/) dice:

15 marzo, 2020 a las 10:56 am (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-
de-coronavirus-en-wuhan-china/#comment-459097)
No, Alejandro, si las betas son constantes los términos no lineales prohíben que la solución sea un conjunto de exponenciales
acopladas. Las exponenciales solo aproximan la evolución temprana (donde aplica el famoso número de reproducción R0); y
conforme el crecimiento exponencial se relaja las exponenciales han de ser revisadas (el número de reproducción R0 efectivo cambia
con el tiempo).
Mi crítica es a quienes usan las exponenciales sin ton ni son, a modo de fake news. Sin saber nada de epidemiología, solo crean
pánico y confusión entre la población ( porque son matemáticos, físicos y personal con bata blanca que genera con anza en la
población, cuando solo son simples anuméricos buscando clickbait en las redes sociales). La epidemiología es una ciencia; el uso de
exponenciales para entender epidemias es una pseudociencia. Así opino y de ahí mi crítica.
RESPONDER
Víctor dice:
15 marzo, 2020 a las 1:34 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-

epidemia-de-coronavirus-en-wuhan-china/#comment-459102)
También periodistas diciendo en la tele «la expansión empieza a ser exponencial».
Aun en el caso de reducirlo a una función exponencial, lo sería desde el principio. Otra cosa es que la pendiente sea ahora
mucho mayor…
RESPONDER
al.rivero@gmail.com dice:
SI, bueno, a eso me refería con S constante, a que no haya entrado aún en acción la no linealidad, porque todos los términos
no lineales lo son vía el producto con el número de susceptibles.
Es interesante que con c distinto de cero ya tienes otro componente, la función de contagio, que da mucho juego y no es tan
fácil de ignorar durante la evolución temprana. Supongo que eso es lo que verdaderamente quita relevancia a la
aproximación exponencial.
RESPONDER
David dice:
Está claro que con el tiempo, la solución exponencial no será válida cuando la expansión del virus note los efectos del tamaño
nito del sistema, en este caso el número nito de población susceptible (que además decrece con el tiempo). Tampoco era
válida en los primeros días, cuando la transmisión estaba dominada por casos importados y no por transmisiones.
Entre esos dos límites, la solución exponencial no solo no es fake news sino perfectamente válida. El problema es no tener en
cuenta que en algún momento no será válida, y el desafío es saber cuando no lo será. En el mejor de los casos, será debido a
que la población susceptible efectiva es ín ma debido a la cuarentena. En el peor, a que hay 40 millones de infectados.
RESPONDER

16 marzo, 2020 a las 6:03 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-
la-epidemia-de-coronavirus-en-wuhan-china/#comment-459129)
Cuidado, David, si es cierto lo que dices, entonces todo es exponencial, hasta que deja de serlo. No es verdad, lo
siento, todo se puede aproximar por un comportamiento exponencial en cierto límite ( pues todo crece o decrece en
cierto rango), pero no eso no signi ca que sea exponencial. No confundas a los lectores que ignoran las matemáticas
su cientes para no entender el error en tu razonamiento anumérico.
RESPONDER
David dice:
17 marzo, 2020 a las 4:00 am (https://francis.naukas.com/2020/03/14/el-modelo-seirv-
aplicado-a-la-epidemia-de-coronavirus-en-wuhan-china/#comment-459139)
Entiendo que entonces no existe ninguna ley exponencial en la naturaleza, puesto que esta es la solución de
modelos sencillos tales que si incluimos el su ciente número de variables, la exponencial es siempre una
mera aproximación asintomática. Y que por el mismo razonamiento tampoco existe lo lineal, ni lo cuadrático
etc.
El crecimiento exponencial es consecuencia de la segunda ecuación, cuando E>>I y E<<1/c ~ 10^4. Las
desviaciones respecto al comportamiento exponencial después de la etapa más inicial no solo son pequeñas
si no que dependerán del modelo matemático que uses. Por otra parte, el valor de saturación y cuando éste
se alcanza también dependerán del modelo, sin embargo estos dos serán de grandísimo interés práctico y
teórico.
No creo que el problema con la información de los medios sea que asuman un crecimiento exponencial, sino
que la mayoría de la población lo asocia a un crecimiento divergente e imparable. Creo que en los últimos
días los medios están haciendo un mejor trabajo, para poder explicar el funcionamiento de la cuarentena.
Alvaro dice:

No os parece que es imposible comparar nada? La mayoría de los datos de partida están mal. No sabemos el número real de
infectados, en cada país se hacen las pruebas con unos criterios. Es imposible sacar ninguna conclusión. En cuanto a los modelos ni
idea, solo me ha parecido curioso que se basen en cifras o ciales.
RESPONDER
Andrés Guzmán dice:

15 marzo, 2020 a las 11:28 am (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-
Acabo de escuchar un podcast donde un epidemiólogo de Harvard estimaba que entre un 40 y un 70% de la población adulta mundial se
infectaria este virus.
RESPONDER
Marina dice:
En mi mani esta ignorancia y siendo que este modelo recoge de 20 de enero a 10 de febrero, me preocupa si en algo puede modi car en un
sentido o en otro su alcance predictivo, si se introduce el pico que experimenta la zona de 13 a 14 de febrero a instancia de la OMS y que
parece justi carse ante los medios por el añadido de los casos contagiados sin contabilizar.
RESPONDER
Zovi dice:
Fascinante. Cabe mencionar que las curvas para Wuhan ya son distintas que para Italia. Hay muchos factores y tratar de modelarlos puede
ser de ayuda. Por ejemplo pudiera hablarse de al menos dos tipos de virus con efectos muy diferentes. Según recuerdo en Wuhan varios
doctores jóvenes murieron y reportaban un virus muy agresivo. De hecho una amiga me con rmó que la narrativa de dos virus en acción en
Wuhan es ya muy conocida en China. Pero el único artículo que salió al respecto (origin and evolution of Covid-19) ha sido muy criticado.
Has podido echarle un vistazo?
RESPONDER

Zovi, ¿te re eres al artículo «On the origin and continuing evolution of SARS-CoV-2»? Ya hablé de él en este blog el 07 de marzo:
https://francis.naukas.com/2020/03/07/las-mutaciones-del-coronavirus-sars-cov-2/ (https://francis.naukas.com/2020/03/07/las-
mutaciones-del-coronavirus-sars-cov-2/)
RESPONDER
Zovi dice:
Gracias. Ayer pude leer esa entrada de tu blog. Justo a ese me refería. Dejé un comentario en el hilo iniciado por Isalar. A ver
si le puedes echar un vistazo y responder a él. Gracias
RESPONDER
Enrique Moreno dice:

«El modelo SEIRV con parámetros constantes predice casi tres millones de contagiados y todos sabemos que en Wuhan ni siquiera se han
alcanzado los cien mil.»
… Siempre que demos por buenas las estadísticas dadas por el gobierno Chino.
Considero bastante probable que las estadísticas, y no sólo las chinas sino las de todos, están siendo imperfectas y hay más contagiados que
los recogidos en ellas.
RESPONDER
manuelbs dice:
No es por abrir una polémica más, pero seguimos la tradición cientí ca española de nombrar MAL las letras griegas. No existe ninguna letra
griega llamada mu se llama mi(sólo hay que preocuparse de leer cualquier diccionario griego)
También ocurre con la nu que es ni.
RESPONDER

Gracias, Manuel, las suelo escribir en inglés. RESPONDER
Max Madera dice:

Creo que llamas basura anumérica a lo que es basura numérica. (Números que pretenden re ejar la realidad y la falsean.) De todas formas
me encantaría saber qué modelos han empleado nuestros epidemiólogos del ministerio para poder entender las medidas que han adoptado.
(Luego habría que tirar a la basura esos modelos, como se ha visto en el cambio de fase en las medidas adoptadas). Porque no puede haber
mayor diferencia entre las pautas de actuación de los países de asia oriental (China, Corea, Taiwan, etc.) y los europeos.
RESPONDER
Marina dice:
La propagación sigue un curso de entropía de afectar a cuántas más células humanas lo que a la larga llegaría a un punto crítico en
detrimento en su avance. Y considero que aunque concurren muchas variables, pocas veces se ha dispuesto de tantos datos de la cronología
SARS-Cov-2. Al ver que en los medios de comunicación asaltan cifras en términos absolutos sin referencia a indices de mortalidad/letalidad,
a expuestos/infectados y de estos últimos los que requieren ser hospitalizados y, a su vez, fallecidos/recuperados, me siento perdida y sin
criterio tal y como dice aquí otro contertulio.
Por lo que concluyo de un modo más preciso. Sería posible aplicar dicho modelo a España, con los datos imperfectos pero que empezaron a
contabilizarse como infectados creo recordar el primero en la Península a 25 ó 26 de febrero en adelante para establecer ese antes y después
de con namiento por declaración de la OMS como pandemia.
Es para tener un criterio de que se está haciendo bien o mal, y establecer comparaciones con otros países al menos de Europa.
RESPONDER
benjamin dice:
Hola francis cual es el mejor modelo epidemiologico MSEIRS ? cuale son esos modelos que tienen en cuenta toda la informacion disponible
en el caso de este coronavirus? me gustaria leer algun paper sobre predicciones suando essos modelos lo mas realista y complejos posibles
RESPONDER

Benjamin, un modelo tiene que tener en cuenta la geografía del problema, desde la capacidad hospitalaria, hasta la movilidad de las
personas, medidas de contención, etc. (un ejemplo sencillo es http://deim.urv.cat/~alephsys/COVID-19/spain/es/index.html
(http://deim.urv.cat/~alephsys/COVID-19/spain/es/index.html)). Si te interesa la epidemiología, te recomiendo estudiar un libro de
texto sencillo como Bouter, Zielhuis, Zeegers, «Textbook of Epidemiology» Bohn Sta eu (2018), y luego a pasar a uno especí co de
modelos matemáticos como Brauer, Castillo-Chavez, Feng, «Mathematical Models in Epidemiology» Springer (2019). Así tendrás el
conocimiento previo su ciente para empezar a entender cuál es el mejor modelo epidemiológico para la pandemia de COVID-19, qué
información relevante hay que tener en cuenta, cómo estimarla a partir de la información disponible, y así podrás empezar a realizar
predicciones y postdicciones con modelos realistas.
RESPONDER
Julio Francisco Peñasco Gallego dice:

¿Podrían ayudar en algo las investigaciones de los últimos premio Abel de matemáticas sobre el orden dentro del caos en el caso de la
epidemia del Coronavirus?¿Tendrían que ver con las variables aleatorias complejas y las funciones características? Es un problema que
planteé hace tiempo y no supieron resolvermelo.Siento si es una insensatez. Attm.julio francisco.
RESPONDER

No, no ayuda. Pero todo el conocimiento cientí co siempre ayuda a todo y es necesario, no hay conocimiento cientí co contingente.
RESPONDER
Carlos dice:
Hola Francis.
Me intereso mucho que el modelo toma en cuenta tasas variables. Yo quería hacer algo similar, pero que mostrara visualmente el efecto. Es
así que hice un modelo básicamente con Monte Carlo, toma en cuenta tasas variables, pero también la distribución geográ ca de la
población, y aunque es computacionalmente más costoso, permite incluir otros efectos, como simular personas que se mueven grandes
distancias con cierta probabilidad. Al nal lo aplique a la distribución geográ ca de México tratando de ajustar los parámetros para reproducir
lo que ha sucedido hasta ahora.
Algunas de las simulaciones las presento aquí:
https://minnova-consulting.com/blog/9-efecto-del-distanciamiento-social-y-la-densidad-de-poblacion-en-el-combate-contra-el-covid-19
(https://minnova-consulting.com/blog/9-efecto-del-distanciamiento-social-y-la-densidad-de-poblacion-en-el-combate-contra-el-covid-19)
Saludos.
RESPONDER
Heinrich Böll dice:

El artículo (open access) que me ha servido en bandeja el modelo y sus parámetros es Chayu Yang, Jin Wang, «A mathematical model for the
novel coronavirus epidemic in Wuhan, China,» Mathematical Biosciences and Engineering 17: 2708-2724 (11 Mar 2020), doi:
https://doi.org/10.3934/mbe.2020148 (https://doi.org/10.3934/mbe.2020148).
¿Puedo conseguir ése artículo?
RESPONDER

Heinrich, siendo un artículo open access solo tienes que hacer click en «Full Text (HTML)» o en «Download (PDF)».
RESPONDER
Freddy Navarro dice:

Estimado, tengo varias consultas (soy sico).
1. Entonces no hay modelo matematico que valide lo de Wuhan, y si fuera el caso de que sirve hacer modelos
2. Una de las conclusiones que saco es que la curva no va a durar menos de 300 dias, lo sabran los gobiernos?-
3. En ista de los anteriores puntos, no habra modelos matematicos para evaluar la mortalidad del virus, si enviamos a la poblacion vulnerable
a una zona despejada.
RESPONDER

(0) No soy epidemiólogo (soy físico y doctor en matemáticas); solo he usado modelos de epidemias en mis clases y solo he leído ( no
he estudiado en detalle) varios libros sobre epidemiología matemática (así que mi conocimiento del state of the art es limitado).
(1) La epidemia en Wuhan ya casi ha pasado (al menos el pico principal, ahora les queda controlar la epidemia por casos
importados). Por supuesto, a posteriori hay modelos que explican muy bien lo que ha pasado en Wuhan (hay varios publicados).
Repito, a posteriori, es decir, post-explican.
(2) 300 días es una barbaridad para una infección como la COVID-19, pero si así lo concluyes porque eres físico, maravilloso;
hablemos dentro de 200 días. Los epidemiólogos que asesoran a los Gobiernos tienen modelos muy precisos de lo que está pasando
(que incluyen la información relevante; no sé si tú la has tenido en cuenta en tus conclusiones). Ninguno de ellos se atreve a predecir
a 300 días vista.
(3) No sé lo que es la «mortalidad del virus», supongo que te re eres a la «letalidad de la infección COVID-19». Y no, no podemos
enviar millones de personas a una zona despejada. ¿Has pensado esta frase antes de escribirla? Relee tu frase de nuevo, por favor.
RESPONDER
edinsonroaborgono@gmail.com dice:
Hola
Quiero opinar sin saber mucho de las curvas y veri car con su opinion lo siguiente. Siempre se ha supuesto como hipotesis que el contagio es
por contacto con personas infectads, sin embargo, yo creo que la cantidad de personas con conavirus es un numero jo que se distribuye en
un tiempo de 2 a 3 meses siguiendo tal vez una distribucion normal. Ahora bien, los casos van apareciendo segun una ley natural invisible
como por ejemplo una secuencia de bonnaci u otra. Es posible con el modelo plantedo arriba se pueda demostrar esta segunda hipotesis.
RESPONDER

30 marzo, 2020 a las 11:42 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-
de-coronavirus-en-wuhan-china/#comment-459395)
No, lo siento. RESPONDER
edinsonroaborgono@gmail.com dice:
Ok Gracias por leeer. Solo como una re exion. La di cultad de poder predecir o modelar una pandemia se debe tal vez a la hipotesis ( no
con rmada) de suponer que se multiplica por contagio por contacto.Esta hipotesis viene desde hace mas de 2000 años y siempre se da por
verdad. Hoy dia vivimos una pandemia donde no hay un regla clara y vemos casos como Japon donde no han tomados medidas de
cuarentenas donde el contagio es menor, donde la gente se reune en grupos y otros como italia con cuarentena donde el contagio y
gravedad es extremo. Creo que la hipotesis está errada.
RESPONDER
avallesdoc@gmail.com dice:
14 abril, 2020 a las 6:51 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-
Excelente intento es cuestión de depurarlo y ajustarlo a tiempo real RESPONDER

15 abril, 2020 a las 9:59 am (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-
Quería preparar una pieza sobre cómo ajustar los parámetros de modelos sencillos como éste a datos reales. Si saco tiempo, la
escribo esta semana.
RESPONDER
Luis dice:
Hola Francis,
Ya con esto más avanzado, especialmente en Italia y España, creo que habría que replantearse modelos de ecuaciones diferenciales como el
que propones. Bellos en su planteamiento pero inutilizables el la realidad por la falta de rigor en los datos así como la escasez de los mismos.
Esos sistemas suelen depender enormemente de las condiciones iniciales y las variaciones en las mismas. Las ecuaciones diferenciales y el
caos están muy relacionados.
Junto con un matemático (yo físico) hemos planteado una solución al problema basándonos en otros modelos existentes en la literatura
cientí ca, alternativos a los SIR, SEIR y semejantes. En concreto hemos ajustado una función Gompertz (que está basada a su vez en una
ecuación diferencial mucho más sencilla y, por ende, utilizable) a los datos existentes y diariamente publicados. Utilizando las series
temporales de contagiados y fallecidos de forma independiente se puede concluir que la epidemia en ambas series sigue de forma muy
dedigna dicha curva Gompertz y dependiendo del momento epidémico una modi cación hecha para dotar al parámetro r de dependiencia
con t.
Entre otras predicciones que hicimos estuvo la fecha en la que se llegó al pico del brote, previsto de forma magní ca por el máximo de la
curva derivada de la Gompertz. Hemos estado colaborando con el CEMat (Comité Español de Matemáticas) en el envío de predicciones a una
semana vista pero el pasado miércoles les escribimos diciéndoles que dejábamos de hacerlo debido precisamente al cambio de métricas y
protocolos que se hizo desde el gobierno sin ni siquiera re-expresar la serie temporal con los mismos criterios. Posteriomente bastantes otros
grupos que colaboraban tomaron la misma decisión. En n, un despropósito de información y de gestión de la epidemia.
Saludos
RESPONDER

Gracias por el comentario, Luis. RESPONDER
Luis dice:
No hay de qué. Si tienes interés en echarle un vistazo dímelo y te mando cosas. RESPONDER
Deja un comentario
Nombre*
Nombre o nick
E-mail*
Tu E-mail
Guardar mi nombre, correo electrónico y sitio web en este navegador para la próxima vez que haga un comentario.
Comentario
Deja tu comentario aquí...
ENVIAR
Por Francisco R. Villatoro, publicado el 14 marzo, 2020
Categoría(s): Ciencia (https://francis.naukas.com/categoria/ciencia/) • Informática
(https://francis.naukas.com/categoria/informatica/) • Matemáticas (https://francis.naukas.com/categoria/matematicas/) • Noticias
(https://francis.naukas.com/categoria/noticias/) • Recomendación (https://francis.naukas.com/categoria/recomendacion-2/) • Science
(https://francis.naukas.com/categoria/science/) • Virología (https://francis.naukas.com/categoria/virologia/)
Etiqueta(s): Ciencia (https://francis.naukas.com/tag/ciencia/), Coronavirus SARS-CoV-2 (antes 2019-nCoV)
(https://francis.naukas.com/tag/coronavirus-2019-ncov/), COVID-19 (enfermedad) (https://francis.naukas.com/tag/covid-19-infeccion/),
Curiosidades (https://francis.naukas.com/tag/curiosidades/), Epidemiología (https://francis.naukas.com/tag/epidemiologia/), Matemáticas
(https://francis.naukas.com/tag/matematicas/), matlab (https://francis.naukas.com/tag/matlab/), Modelo SEIRV
(https://francis.naukas.com/tag/modelo-seirv/), Noticias (https://francis.naukas.com/tag/noticias/)
⇦ Podcast CB SyR 258: coronavirus, Dryas reciente, anomalía de KOTO, vacío cósmico y más noticias
(https://francis.naukas.com/2020/03/13/podcast-cb-syr-258-varias-noticias/) • Francis en Radioactividad: Luchando contra la curva del
coronavirus (https://francis.naukas.com/2020/03/16/francis-en-radioactividad-luchando-contra-la-curva-del-coronavirus/) ⇨
(https://dinahosting.com/)
FRANCISCO R. VILLATORO
(https://francis.naukas.com/author/francis/)
Francis estudió informática, física, se doctoró en matemáticas, investiga en ciencias computacionales, le dió clases a ingenierios
industriales y ahora imparte bioinformática a futuros bioquímicos en la Universidad de Málaga. Quiere ser escritor de libros de
divulgación cientí ca cuando se jubile. Mientras tanto escribe en su blog para practicar el arte de hacer fácil lo difícil. Aunque no siempre lo
logre.
BUSCAR EN EL BLOG
Buscar … Buscar
ARTÍCULOS POPULARES
Mi opinión sobre el Modelo de Wolfram y el proyecto Wolfram Physics Project

(https://francis.naukas.com/2020/04/25/mi-opinion-sobre-el-modelo-de-wolfram-y-el-
proyecto-wolfram-physics-project/)
(https://francis.naukas.com/2020/04/25/mi-
opinion-sobre-el-modelo-de-wolfram-y-el-
proyecto-wolfram-physics-project/)
Betelgeuse recupera casi todo su brillo

(https://francis.naukas.com/2020/04/10/betelgeuse-recupera-casi-todo-su-brillo/)
(https://francis.naukas.com/2020/04/10/betelgeuse-
recupera-casi-todo-su-brillo/)
La epidemiología genómica del coronavirus SARS-CoV-2 en la web NextStrain

(https://francis.naukas.com/2020/04/21/la-epidemiologia-genomica-del-coronavirus-sars-cov-
2-en-la-web-nextstrain/)
(https://francis.naukas.com/2020/04/21/la-
epidemiologia-genomica-del-coronavirus-
sars-cov-2-en-la-web-nextstrain/)
Se publican en Nature indicios a 3 sigmas de la asimetría CP en la física de los neutrinos

(https://francis.naukas.com/2020/04/17/se-publican-en-nature-indicios-a-3-sigmas-de-la-
asimetria-cp-en-la- sica-de-los-neutrinos/)
(https://francis.naukas.com/2020/04/17/se-
publican-en-nature-indicios-a-3-sigmas-
de-la-asimetria-cp-en-la- sica-de-los-
neutrinos/)
ARCHIVOS
Elegir el mes
CONTENIDOS
Elegir la categoría
(https://naukas.com)
ÚLTIMOS ARTÍCULOS DE LA RED NAUKAS
Francis en A Ciencia Cierta: Modelos matemáticos para estudiar la pandemia

(https://francis.naukas.com/2020/05/06/francis-en-a-ciencia-cierta-modelos-matematicos-para-estudiar-la-
pandemia/)
La Ciencia de la Mula Francis (https://francis.naukas.com) - Publicado por Francisco R. Villatoro (https://francis.naukas.com/author/Francis)
Tom Cruise, ese turista espacial (https://danielmarin.naukas.com/2020/05/06/tom-cruise-ese-turista-espacial/)

Eureka (https://danielmarin.naukas.com) - Publicado por Daniel Marín (https://danielmarin.naukas.com/author/Eureka Blog)
Cómo nos afecta el café (https://naukas.com/2020/05/06/como-nos-afecta-el-cafe/)

Naukas (https://naukas.com) - Publicado por Colaborador Invitado (https://naukas.com/blog/author/Colaborador Invitado)
Aviso legal (https://naukas.com/aviso-legal/) - SafeCreative (https://www.safecreative.org/userfeed/1602030217411) - Feed RSS

(http://feeds.feedburner.com/naukas/francis)
Este blog forma parte de la red Naukas (https://naukas.com)
( H T T P S
: // W W
W . F A C E B O O K . C O M / P R O F I L E . P H P ?
I D = 1 0 (0H0T0T7P8(S4
H:5T
/ /4TT6PW
4S6I: T/6/T4
WE) R
W. C
WO. YMO/ E
UMTUB
LEN
. CEOWMS/ C
) HANNEL /UCWZJLSRTI6PK5R
CO P Y R I G H T © 2 0 2 0 LA C I E N C I A D E LA M U LA F RA N C I S ( H T T P S : // F RA N C I S. N A U KAS.CO M / ) .

El Modelo SEIRV Aplicado A La Epidemia de Coronavirus en Wuhan, China - La Ciencia de La Mula Francis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

El Modelo SEIRV Aplicado A La Epidemia de Coronavirus en Wuhan, China - La Ciencia de La Mula Francis

Cargado por

Copyright:

Formatos disponibles

7/5/2020 El modelo SEIRV aplicado a la epidemia de coronavirus en Wuhan, China - La Ciencia de la Mula Francis

LA CIENCIA DE LA MULA FRANCIS (HTTPS://FRANCIS.NAUKAS.COM/)

El modelo SEIRV aplicado a la epidemia de

% componentes del vector y = SEIRV

function dYdt = dSEIRVdt (t,SEIRV)

% parametros del modelo SEIRV http://doi.org/10.3934/mbe.2020148

% funciones de contagio (positivas y decrecientes con su argumento)

% probar toda la odesuite

% dibuja el plano de fase

% calcula punto de equilibrio

CORONAVIRUS SARS-COV-2 (ANTES 2019-NCOV) (HTTPS://FRANCIS.NAUKAS.COM/TAG/CORONAVIRUS-2019-NCOV/)

COVID-19 (ENFERMEDAD) (HTTPS://FRANCIS.NAUKAS.COM/TAG/COVID-19-INFECCION/) CURIOSIDADES (HTTPS://FRANCIS.NAUKAS.COM/TAG/CURIOSIDADES/)

EPIDEMIOLOGÍA (HTTPS://FRANCIS.NAUKAS.COM/TAG/EPIDEMIOLOGIA/) MATEMÁTICAS (HTTPS://FRANCIS.NAUKAS.COM/TAG/MATEMATICAS/)

MATLAB (HTTPS://FRANCIS.NAUKAS.COM/TAG/MATLAB/) MODELO SEIRV (HTTPS://FRANCIS.NAUKAS.COM/TAG/MODELO-SEIRV/)

Francisco R. Villatoro (http://francis.naukas.com/) dice:

15 marzo, 2020 a las 1:34 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-

También periodistas diciendo en la tele «la expansión empieza a ser exponencial».

Francisco R. Villatoro (http://francis.naukas.com/) dice:

16 marzo, 2020 a las 6:55 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-

Andrés Guzmán dice:

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Enrique Moreno dice:

alcanzado los cien mil.»

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Gracias, Manuel, las suelo escribir en inglés. RESPONDER

Max Madera dice:

16 marzo, 2020 a las 3:31 pm (https://francis.naukas.com/2020/03/14/el-modelo-seirv-aplicado-a-la-epidemia-de-

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Julio Francisco Peñasco Gallego dice:

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Algunas de las simulaciones las presento aquí:

Heinrich Böll dice:

¿Puedo conseguir ése artículo?

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Freddy Navarro dice:

Estimado, tengo varias consultas (soy sico).

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Francisco R. Villatoro (http://francis.naukas.com/) dice:

No, lo siento. RESPONDER

Excelente intento es cuestión de depurarlo y ajustarlo a tiempo real RESPONDER

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Francisco R. Villatoro (http://francis.naukas.com/) dice:

Gracias por el comentario, Luis. RESPONDER

Deja tu comentario aquí...

Por Francisco R. Villatoro, publicado el 14 marzo, 2020

Categoría(s): Ciencia (https://francis.naukas.com/categoria/ciencia/) • Informática

Etiqueta(s): Ciencia (https://francis.naukas.com/tag/ciencia/), Coronavirus SARS-CoV-2 (antes 2019-nCoV)

(https://francis.naukas.com/tag/coronavirus-2019-ncov/), COVID-19 (enfermedad) (https://francis.naukas.com/tag/covid-19-infeccion/),

Curiosidades (https://francis.naukas.com/tag/curiosidades/), Epidemiología (https://francis.naukas.com/tag/epidemiologia/), Matemáticas

(https://francis.naukas.com/tag/matematicas/), matlab (https://francis.naukas.com/tag/matlab/), Modelo SEIRV

(https://francis.naukas.com/tag/modelo-seirv/), Noticias (https://francis.naukas.com/tag/noticias/)

(https://francis.naukas.com/2020/03/13/podcast-cb-syr-258-varias-noticias/) • Francis en Radioactividad: Luchando contra la curva del

Mi opinión sobre el Modelo de Wolfram y el proyecto Wolfram Physics Project

Betelgeuse recupera casi todo su brillo

La epidemiología genómica del coronavirus SARS-CoV-2 en la web NextStrain

Se publican en Nature indicios a 3 sigmas de la asimetría CP en la física de los neutrinos

ÚLTIMOS ARTÍCULOS DE LA RED NAUKAS

Francis en A Ciencia Cierta: Modelos matemáticos para estudiar la pandemia

Tom Cruise, ese turista espacial (https://danielmarin.naukas.com/2020/05/06/tom-cruise-ese-turista-espacial/)

Cómo nos afecta el café (https://naukas.com/2020/05/06/como-nos-afecta-el-cafe/)

Aviso legal (https://naukas.com/aviso-legal/) - SafeCreative (https://www.safecreative.org/userfeed/1602030217411) - Feed RSS

Este blog forma parte de la red Naukas (https://naukas.com)

También podría gustarte