Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 de Julio de 2020
Introducción
En el siguiente trabajo se pretende hacer un análisis de prograpagación del virus COVID-19
mediante la aplicación del método SIR ( Susceptibles , Infectados y Recuperados) que consiste
en un modelo matemático simple que estima mediante un valor inicial de infectados un
crecimiento probable de contagiados de acuerdo a los siguientes parámetros :
Luego mediante la recopilación de datos diarios de contagios, fallecidos y recuperaciones
tomados de la OMS ( Organización mundial para la salud) se escogen cinco países que
representan una cantidad mayoritariamente de contagios del virus junto con Colombia para
estimar mediantes ajustes polinomiales y mínimos cuadrados el comportamiento real de la
pandemia para el país. Asimismo se utilizan otros tipos de ajuste de acuerdo al comportamiento
de los datos recopilados y una proyección basada en el ajuste.
Finalmente se concluyen los datos y sus proyecciones de forma que se puede observar el
comportamiento de la pandemia en los países escogidos y su comparación con el país.Los
países escogidos para este estudio fueron : China , EE.UU, España, Francia e Italia.
1
Contenido
1. COVID-19 en el mundo
2. Datos Estadísticos
3. Modelo SIR
4. Análisis de los datos estadísticos según el modelo SIR con medidas y sin medidas de
protección.
4.1 Colombia
4.2 EE.UU
4.3 China
4.4.1 Francia
4.4.2 Italia
4.4.3 España
Conclusiones
Referencias
2
1. COVID-19 EN EL MUNDO
3
estimó que una persona puede contagiar a otras tres personas lo que indicaba una tasa de
interacción de propagación del virus de 2,5 . Así mismo, el comportamiento de la pandemia tomó
diferentes crecimientos en el contagio debido a las medidas de aislamiento social y
posteriormente a medidas de contención que se centraban en los focos de infección evitando
mayor probabilidad de contagio. Finalmente conforme las cifras de contagio van aumentando en
el mundo, la duración media de la enfermedad es de 14 días pero puede variar de acuerdo a las
características de la región y del afectado.
2. Datos estadísticos
Los datos estadísticos fueron tomados de bases de datos con Fuente de los reportes diarios que
presenta la OMS y Universidad Johns Hopkins (Baltimore, EE.UU.).
4
Los datos completos están por fechas en una base de datos en Excel.
5
Los datos de recuperados en el país fueron recolectados de los reportes diarios de las fuentes
de información de los medios de comunicación basadas en datos oficiales. Solo se utilizaron las
cifras de recuperados en Colombia descartando la de los demás países en estudio.
6
Dado a que la duración media de la enfermedad es de 14 días. Los datos recolectados de la
fuente nos muestra una tasa de confirmados con una población susceptible de 100.000
personas en el periodo de tiempo medio de la enfermedad.Luego los datos estadísticos nos
muestran el incremento de los contagios diarios para predecir el crecimiento de casos a tener en
cuenta en las proyecciones. España alcanzó un pico epidemiológico en el mes de abril lo que
implicó el crecimiento gigantesco de contagios que ocuparon el servicio de salud y en
consecuencia en el mismo mes ocurrieron más fallecimientos debido a la incapacidad del
servicio de salud en atender a los más afectados por la enfermedad. Así mismo ,los brotes en
China alcanzaron un pico en Noviembre y Diciembre del 2019 pero fueron contrarrestados por
las medidas de contención, aislamiento social , responsabilidad social y ampliación de los
servicios de salud lo que favoreció a una disminución de los contagios en los meses iniciales del
año 2020.
El estudio tomó el mes de febrero del 2020 como punto de partida para hacer comparaciones
con Colombia que presentó los primeros brotes cercanos a este mes y reportados en marzo.
7
Fuente : Statista, 2020.
8
3. Modelo SIR
“La aparición del modelo de Kermack y McKendrick en 1927 es el hito más
importante de la Epidemiología Matemática”. Fresnadillo,2020.
Establece que la variación de la población susceptible con respecto al tiempo dependerá del
índice de transmisión o el número perteneciente a las interacciones que un individuo tiene con
otros contactos transmitiendo el virus.
Estable que el número de contagios con respecto al tiempo es la diferencia entre las personas
que se han contagiado de la población susceptible o inicial con el número de infectados que se
han recuperado.
9
Establece que la población recuperada dependiente del tiempo será proporcional a su índice de
recuperación y al número de infectados(t).
El estudio matemático de este modelo tiene ciertas condiciones en la que se muestran los
resultados de acuerdo a lo siguiente :
a
R0 = b
Luego si a ≤ b Entonces R0 ≤ 1 Es decir el número de contagios se
encuentra en equilibrio y hay estado sin infección lo que indica un pico epidemiológico
en el modelo.
● Si a > b entonces hay un incremento en el número de contagios a partir de la población
inicial hasta un valor de a que empieza a disminuir o mantenerse constante.
Dado a que S’(t) representa a la población de susceptibles a ser infectados podemos aproximarla
de la siguiente manera :
S( t + Δt)− s (t)
S ′(t) ≈ Δt
; Δt Es el tamaño del paso del tiempo y suponiendo un valor de
Δt = 1 se tiene que :
Luego a partir de otros modelos derivados de los modelos de Kermack y McKendrick se
pueden incorporar otros parámetros como las tasas de mortalidad y de recuperación del virus
calculadas como la relación de fallecimientos con la población total susceptibles y a su vez los
recuperados con la población total susceptible .Este leve ajuste corresponde al modelo de
Dieckmann y Heesterbeek.
Por otra parte otro modelo correspondiente al de Hethcote aplica la siguiente mejora
suponiendo que la población inicial no va a ser fija en el tiempo.Por lo tanto tiene un parámetro c
correspondiente a la tasa de natalidad obteniéndose lo siguiente :
10
B. Colocamos los datos para modelar la curva de acuerdo a los siguientes ítems.
11
12
E. El buscador me permite buscar los diferentes países y principalmente en tiempo real
observar el número de casos respectivos y fallecimientos.
F. Insertando las fórmulas en Excel en la tabla del inciso B se tiene lo siguiente :
Susceptible : A medida que la población susceptible es infectada ,el valor de la misma celda es
afectado por los contagios producidos en el mismo t . Por tanto ,el valor asociado a cada nueva
celda será la diferencia entre los susceptibles del t anterior menos los contagios producidos en
el tiempo t.
En un tiempo t = a
S (a) = N − Contagios en a
Infectados : Es el valor de los individuos que ya se encuentran afectados por el virus y será la
suma de los contagios , y afectados del tiempo anterior tn−1 menos los fallecimientos producidos
en el tiempo y las recuperaciones.
Recuperados : Son los individuos que superan la enfermedad suponiendo que no hay casos de
reinfección de la enfermedad dado a que hay inmunidad. Esta es calculada como :
Contagios : Los contagios serán variables locales e influyen en las variables globales y se
calcula de la siguiente forma :
Fallecidos : Los fallecidos como variable local representan los casos diarios de los nuevas
muertes estimadas debido a los contagios nuevos que se producen cada día y se expresa de la
siguiente forma :
13
Recuperaciones : Las recuperaciones dependen de la tasa de recuperación asociada al virus y
que es variable de acuerdo a los datos estadísticos se estima de la siguiente forma :
14
También se puede hacer un modelo SIR de forma demográfica con cada una de las variables
locales obteniéndose los siguiente gráficos.
4. Análisis de los datos estadísticos según el modelo SIR
con medidas y sin medidas de protección.
4.1 Colombia.
Aplicando el modelo SIR al caso de colombia en una población susceptible de 10.000.000
millones de personas se observa que el número de susceptibles desciende a cero en menos de
tres meses. Si la tasa de interacción diaria es de 2,50 y no se establecen medidas de aislamiento
esto significa que la cifra de contagios en tres meses sería de 10.000.000 de personas .Luego el
gobierno deberá tomar medidas para contrarrestar la tasa media de interacción del virus.
15
Figura 4 . Coronavirus en Colombia sin medidas de protección
Luego el pico epidemiológico sin medidas de protección según el modelo se alcanzaría el 6 de
mayo de 2020 a partir de una fecha del 26 de febrero de 2020 con una tasa de mortalidad del
20% y una tasa de recuperación del 80% supuesta. Además alcanzando una cifra de contagios
alta de 5.371.333 personas en dicha fecha lo que implicaría un esfuerzo grandísimo de los
centros de salud falleciendo más personas al día siguiente del pico.
En el momento en que se toman medidas de aislamiento social y prevención de los contagios
según los datos oficiales la tasa de interacción disminuye a un valor de 1,20 esto significa que la
16
cantidad de contagios disminuye en el tiempo pero no implica que no se alcance un pico de
contagios en el tiempo.
4.2 EE.UU
En EE.UU el crecimiento y propagación del virus fue rápida debido a que las interacciones de los
individuos incluso pudo alcanzar hasta 3 personas. Es decir se mantuvo la interacción normal de
contagio del virus logrando que el ajuste por el modelo SIR se garantizará en un principio. Las
medidas de protección transitorias y otras medidas de reapertura provocaron que en cierta
forma la tasa de interacción diaria disminuyera solo a 2 personas.Sin embargo, los contagios
siguen aumentando en el tiempo y a su vez los fallecidos pero dado a la capacidad del país de
responder a la cantidad de casos se logra garantizar que a futuro haya una inmunidad de rebaño
si se llega alcanzar en cada estado del país una cifra de contagios hasta del 70% de la población.
17
Figura 6 . Coronavirus con o sin medidas de protección en EE.UU.
Los gráficos de la figura 6 muestran una tasa de recuperación del 80% debido al impacto que
tuvo el virus en su fase inicial de forma que el modelo ajustable a la cantidad de fallecidos de
108.211 según los datos oficiales durante los 100 días, corresponde a una tasa de interacción
incluso superior a la normal es decir mayor a 3 personas.
18
4.3 China
Figura 7 . Coronavirus con o sin medidas de protección en China.
19
En China los datos oficiales no reportan de forma completa los reportes de fallecidos.Sin
embargo la tasa de recuperación del virus logra un valor del 95% y de mortalidad del 5% en este
escenario.Luego tenemos que la población fallecida sin medidas de protección corresponde a
un valor de 4.115.253 y con medidas de protección hasta una tasa de interacción diaria de 0,70
de 153.761. Finalmente se ve un aplanamiento de la curva de contagios al tener un
comportamiento casi constante en el tiempo lo que involucra medidas de reapertura coexistente
con medidas de protección y aislamiento.
Figura 8 . Actividad del coronavirus en China con medidas de protección.
La actividad nos muestra el comportamiento del virus en una etapa temprana de forma que
ayuda a predecir la cantidad de fallecidos en un escenario donde se presenta un pico
epidemiológico.Luego en la actividad del virus en China la cifra de contagios corresponde a un
valor de crecimiento lento con posible llegada de un pico epidemiológico como resultado de un
segundo brote.Sin embargo la cifra de recuperados asciende lo que reduce el impacto de que se
encuentran más fallecidos por la enfermedad esto se justifica incluso en ciudades como Wuhan
donde se hicieron medidas de reapertura una vez observado que no había crecimiento de
contagios dado al crecimiento de las recuperaciones. Por lo tanto el modelo SIR proyecta un
segundo brote, pero este brote corresponde a casos importados del virus.
20
La cantidad de habitantes tomado en el estudio hacen parte de una muestra de la población
para evaluar las proyecciones dependiendo el comportamiento de los datos oficiales.Además, se
puede observar un cambio en la mortalidad del virus debido al impacto de las medidas de
control en el momento de llegada del virus.
4.4.1 Francia
Figura 9 . Coronavirus en Francia sin medidas de protección.
21
Figura 10 . Coronavirus en Francia con medidas de protección.
4.4.2 Italia
Figura 11. Coronavirus en Italia sin medidas de protección.
22
Figura 12 . Coronavirus en Italia sin medidas de protección
4.4.3 España
23
Figura 14 . Coronavirus en España con medidas de protección
24
5.1 Colombia
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia polinómica de grado 4.
Figura 15 . Gráfico datos reales contagios en Colombia
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de polinómica de grado 4.
Figura 16 . Gráfico datos reales de fallecidos en Colombia
25
}5.1.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:
Figura 17 . Gráfico de proyección a 300 días de contagios en Colombia
26
5.2 Italia
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia polinómica de grado 5
Figura 19 . Gráfico datos reales contagios en Italia
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de polinómica de grado 6.
Figura 20 . Gráfico datos reales de fallecidos en Italia
27
5.2.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:
Figura 21 . Gráfico de proyección a 300 días de contagios en Italia
28
5.3 China
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia logarítmica.
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de logaritmica.
Figura 24 . Gráfico datos reales de fallecidos en China
29
5.3.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:
Figura 25 . Gráfico de proyección a 300 días de contagios en China
30
5.4 EEUU
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia polinómica de grado 5.
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea polinómica de grado 5 .
Figura 28 . Gráfico datos reales de fallecidos en EEUU
31
5.4.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:
Figura 29 . Gráfico de proyección a 300 días de contagios en EEUU
32
5.5 España
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia polinómica de grado 5.
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea polinómica de grado 6 .
Figura 32 . Gráfico datos reales de fallecidos en España
33
5.5.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:
Figura 33 . Gráfico de proyección a 300 días de contagios en España
34
5.6 Francia
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia polinómica de grado 4.
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea polinómica de grado 4 .
Figura 36 . Gráfico datos reales de fallecidos en Francia
35
5.6.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:
Figura 37 . Gráfico de proyección a 300 días de contagios en Francia
36
Conclusiones
● Las proyecciones realizadas a 300 días basadas en los datos reales no tienen implícitas
las medidas de distanciamiento o estrategias de mitigación del virus, por lo tanto no son
muy predictivas a comparación del modelo SIR.
● La cantidad de contagios crece de forma rápida en los países donde se dan medidas de
reapertura como EE.UU y los paise europeos donde se da un crecimiento lento a un
segundo pico.Este resultado se refleja en las proyecciones pero significa al tiempo que el
pico epidemiológico será menor conforme la población infectada en cada parte de los
países afectados aumente a un 70 % de los contagios totales.Es decir se alcanzará una
inmunidad de rebaño si no se toman medidas de aislamiento en el tiempo lo que implica
más fallecimientos.
● El modelo SIR se aleja de las proyecciones con los ajustes debido a otros factores que
pueden afectar el modelo como : la cantidad de hospitales que mitigan la emergencia, el
número de pacientes en UCI, el número de camas en los hospitales y por supuesto el
acatamiento de las medidas por parte de la población.
Referencias
D. S. Fernández del Viso. (2018).Modelos Mecanísticos Determinísticos con Ecuaciones Diferenciales.
Consultado en https://rpubs.com/dsfernandez/422937 .
37