Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Recibido: 12/04/2018
Aceptado: 02/08/2018
1,
Maestría en Tecnología Informática, Universidad Pedagógica y Tecnológica de Colombia, Tunja, Boyacá, Colombia.
2
PhD(c) en ingeniería, Universidad Pedagógica y Tecnológica de Colombia, Tunja, Boyacá, Colombia.
3
Maestría en Administración de Empresas, Universidad Nacional Abierta y a Distancia, Tunja, Boyacá, Colombia.
1
felix.rincon@uptc.edu.co
2
javier.ballesteros@uptc.edu.co
3
angela.gonzalez@unad.edu.co
RESUMEN
El interés global por conocer y controlar las a considerar para la selección de un modelo
enfermedades que afectan a humanos y ani- epidemiológico.
males ha permitido modelar enfermedades
mediante diversos métodos (modelos ma- Palabras clave: Control de epidemias; en-
temáticos, estocásticos, discretos) que se fermedades infecciosas; impacto; modelo
aplican actualmente para predecir la propa- epidemiológico.
gación de nuevas epidemias, reducir el con-
tagio de enfermedades infecciosas, evaluar ABSTRACT
el impacto que tendrán las diferentes estra- The global interest to know and deal with in-
tegias de control de enfermedades y mejo- fectious diseases in humans and animals has
rar las condiciones de vida de los individuos. led to the development of different models
Actualmente, nuevas técnicas y herramien- (mathematical, stochastic, discrete), applied
tas se están implementando para modelar to predict the spread of new epidemics, redu-
enfermedades infecciosas, el presente docu- ce the spread of infectious diseases, evaluate
mento describe conceptos de esta área, así the impact of different disease control strate-
como las tendencias y retos existentes, final- gies and improve the living conditions of indi-
mente se ofrecen al lector algunos criterios viduals. Nowadays, new techniques and tools
DOI: https://doi.org/10.22490/21456453.2281
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
28 Analizando la evolución del modelado de enfermedades infecciosas
are being implemented to model infectious for the selection of an epidemiological model.
diseases, this paper describes the main con-
cepts of this area, current trends and existing Key words: infectious diseases, epidemiologi-
challenges, and finally, describes some criteria cal model, impact, epidemic control.
Resumen gráfico
INTRODUCCIÓN
Hay un vertiginoso aumento en la capacidad Un modelo epidemiológico es una representa-
de computo disponible, apalancando el desa- ción del comportamiento de una enfermedad
rrollo técnico y científico en diferentes áreas en una población, ya sea de humanos, plantas
del conocimiento (Pérez, 2010), dentro de las o animales, con el objetivo de predecir la ra-
que se encuentra la epidemiología, la cual pidez de contagio de nuevos individuos, qué
busca comprender la distribución, incidencia y va a pasar con la epidemia en un futuro y qué
control de enfermedades. efecto tendrán las estrategias de control como
vacunación, cuarentena o sacrificio (Keeling &
Los primeros esfuerzos humanos por com- Rohani, 2011). Actualmente, los modelos epi-
prender el comportamiento de las enfermeda- demiológicos tienen diversas aplicaciones en
des datan de la antigua Grecia en los trata- diversas áreas, por citar algunos ejemplos se
dos hipocráticos (University of Chicago, 2016); tienen: modelos geoespaciales de enferme-
luego, en 1760 Daniel Bernoulli plantea uno de dades infecciosas en fauna silvestre (Ligarte,
los primeros modelos matemáticos que simula Goicoa, Ibáñez & Militino, 2009; Staubach,
el comportamiento de una enfermedad (Pe- Schmid, Knorr-Held & Ziller & 2002), el mo-
dersen, 2015). Sin embargo, esta tendencia delado epidemiológico y económico de la in-
solo toma fuerza hasta principios del siglo XX, fluenza aviar para evaluar estrategias de con-
momento en que se empieza a dar relevancia trol de la enfermedad (Backer, van Roermund,
a la epidemiologia, al modelado de enferme- Fischer, van Asseldonk & Bergevoet, 2015),
dades y se incrementa la generación de textos el modelo epidemiológico para comprender el
científicos en el área (Hernández, 2007). contagio de la carne de cerdo de salmonela en
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
29
Vol. 10 No. 1 | Enero - junio de 2019
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
30 Analizando la evolución del modelado de enfermedades infecciosas
De aquí se deduce que con una vacunación definen los 3 estados del modelo (Kermack &
efectiva la esperanza de vida de la población McKendrick, 1927).
aumenta 3.38 años, sin embargo, la vacuna- ĐƵĂĐŝſŶϭ
ción no era completamente segura, por tanto, ĐƵĂĐŝſŶϭ
ĐƵĂĐŝſŶϭ
(Ecuación 1)
si p’ es la probabilidad que tiene un individuo
ĐƵĂĐŝſŶϮ
de morir por viruela luego de ser inoculado,
ĐƵĂĐŝſŶϮ
(Ecuación 2)
pero teniendo en cuenta que p’<p. La espe- ĐƵĂĐŝſŶϮ
ranza de vida sería (1-p’). E* que seguiría
ĐƵĂĐŝſŶϯ
(Ecuación 3)
siendo mayor que sin vacunación siempre y
ĐƵĂĐŝſŶϯ
cuando p’ < 1 –E/E* o p’ < 11%, Bernoulli ĐƵĂĐŝſŶϯ
estimo que la probabilidad de morir luego de Donde dx/dt es ĐƵĂĐŝſŶϰ
la variación de personas en
ser inoculado p’ era cerca del 1% así que, aun ĐƵĂĐŝſŶϰ
estado susceptible, k es la razón a la que se
ĐƵĂĐŝſŶϰ
cuando la inoculación no fuese 100% efectiva, enferman nuevos individuos, x es el número
esta debía ser promovida y aplicada. ĐƵĂĐŝſŶϱ y es el número de
de individuos susceptibles,
individuos infectados y l es la razón a la que se
ĐƵĂĐŝſŶϱ
Con el aporte de Daniel Bernoulli se crea un pre- ĐƵĂĐŝſŶϱ
recuperan los individuos infectados.
cedente de la manera en que las herramientas
matemáticas permiten modelar y mejorar la A partir de este modelo se han realizado nu-
comprensión de los fenómenos epidemiológicos, merosas variaciones de acuerdo con las ca-
aportando así al bienestar de los individuos. racterísticas de cada enfermedad, agregando
o suprimiendo estados, considerando muertes
Aproximación al Modelo SIR y nacimientos y generando herramientas para
En 1927, William Kermack y Anderson Mcken- determinar con mayor precisión las tasas de
drick presentan en donde se define lo que hoy contagio y recuperación.
en día se conoce como un modelo SIR (Sus-
ceptible, Infectado, Recuperado) y que en la Modelo Epidemiológico SIR
actualidad sigue siendo la base para un gran El modelo SIR (figura 1) está pensado para ser
número de modelos epidemiológicos (Ker- aplicado en enfermedades infecciosas igno-
marck & McKendrick, 1927). rando la demografía (nacimientos, muertes y
migraciones), en este modelo existen 3 esta-
El modelo planteado, difiere del que plan- dos en los que puede encontrarse un individuo
teó Daniel Bernoulli, puesto que para él solo (Susceptible, Infectado, Recuperado) y solo
existían los estados S (susceptible) y R (recu- existen 2 transiciones posibles (Susceptible ->
perado), mientras que en este caso existen 3 Infectado e Infectado -> Recuperado). La tran-
estados: el estado X en el que se encuentran sición de S->I es producto de un proceso in-
los individuos susceptibles, el estado Y en el feccioso en el que intervienen factores como:
que se encuentran las personas infectadas y la prevalencia de la enfermedad, el contacto
el estado Z donde se encuentran los indivi- entre individuos susceptibles e infectados y la
duos recuperados. Luego de realizar consi- probabilidad de contagio debido un contacto;
deraciones, como asumir la inexistencia de mientras que la transición entre Infectados y
muertes y de nacimientos, y la obtención Recuperados está dada por la prevalencia de
de inmunidad de por vida tras haberse re- la enfermedad y las características de la mis-
cuperado de la enfermedad, Kermack y Mc- ma que ocasionan una tasa de recuperación
Kendrick llegan a las ecuaciones 1 a 3 que particulares para cada enfermedad.
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
31
Vol. 10 No. 1 | Enero - junio de 2019
Para determinar el funcionamiento de este enfoque es más adecuado para modelar enfer-
modelo y de acuerdo con lo expuesto por Kee- medades transmitidas por vectores que tienen
ling y Rohani (Keeling & Rohani, 2011), es ne- estructuras de contacto heterogéneas.
cesario definir algunos factores:
• El enfoque basado en la densidad se funda-
• λ es la fuerza de infección y es la tasa per menta en el hecho que entre más grande sea
cápita a la que los individuos susceptibles una población, mayor número de contactos
contraen la enfermedad aleatorios van a existir entre un individuo
sano y uno susceptible, este enfoque es ma-
• X es el número de individuos en el estado S yormente aplicado al modelado de enferme-
dades en plantas y animales.
• λ.X es la tasa a la que se producen nuevos
infectados • Para simplificarĐƵĂĐŝſŶϭ
la notación es conveniente
usar S= (X/N), I = (Y/N) donde I y S son
• λ es proporcional al número de individuos la proporción de individuos infectados y sus-
infectados ĐƵĂĐŝſŶϭ
ĐƵĂĐŝſŶϮ
ceptibles, respectivamente.
• Existen dos enfoques para calcular λ, el pri- • Retomando la tasa de nuevos contagios dada
ĐƵĂĐŝſŶϯ
mero depende de la frecuencia de contacto por λ.X, se tiene laĐƵĂĐŝſŶϮ
ecuación 4.
entre individuos susceptibles e infectados y
está dado por λ = β.Y/N y un segundo en- ĐƵĂĐŝſŶϰ
(Ecuación 4)
foque en el que λ depende de la densidad de ĐƵĂĐŝſŶϯ
población siendo λ = β. Y donde Y es el nú- Con el objetivo de simplificar la notación y te-
mero de individuos en el estado I; N es el to- ner la ecuación en términos de densidades de
ĐƵĂĐŝſŶϱ
tal de la población; β es el producto de la tasa población I y S, se ĐƵĂĐŝſŶϰ
remplaza S=X/N, obte-
de contacto entre individuos y la probabilidad niendo la ecuación 5.
de contagio dado un contacto.
(Ecuación 5)
• El enfoque de frecuencia de contacto refleja ĐƵĂĐŝſŶϱ
las situaciones en las que la probabilidad de
contagio no depende del tamaño de la pobla- Para determinar la variación en la densidad
ción, es decir no existen mayores posibilidades de población infectada I se debe considerar la
de contraer gripa en una ciudad de 1 millón de transición que se produce desde el estado S,
habitantes que en una de 100.000 habitantes. que sería la misma mostrada en la ecuación
Keeling & Rohani (2011) identifican que este 14, pero con signo contrario, y la transición
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
32 Analizando la evolución del modelado de enfermedades infecciosas
que va desde I hacia R, que depende de la ser calculado fácilmente a partir de los regis-
densidad de población infectada y de la tasa tros médicos.
de recuperación que para este caso se deno-
ta γ, con estas consideraciones se obtiene la El fenómeno del Umbral
ecuación 6 ( Keeling & Rohani, 2011). Al considerar la condición inicial de un modelo
en el que no hay ningún individuo infectado
ni recuperado, todos los individuos se encuen-
ĐƵĂĐŝſŶϭ
ĐƵĂĐŝſŶϲ
(Ecuación 6)
tran susceptibles el fenómeno de introducir un
individuo infectado permite identificar los fac-
ĐƵĂĐŝſŶϲ
Ahora, la variación de densidad de población tores que definen si ocurrirá una epidemia, o
ĐƵĂĐŝſŶϭ
ĐƵĂĐŝſŶϮ
ĐƵĂĐŝſŶϳ
Recuperada, depende únicamente de la tran- solo unos pocos individuos se infectaran antes
sición proveniente del estado I, ya que previa- de que la epidemia desaparezca. Reescribien-
ĐƵĂĐŝſŶϲ
ĐƵĂĐŝſŶϳ
mente se asumió que no existían muertes, na- do la ecuación 6 se obtiene 8 ( Keeling & Ro-
ĐƵĂĐŝſŶϮ
ĐƵĂĐŝſŶϯ
cimientos, ni la posibilidad de ser susceptible hani, 2011).
ĐƵĂĐŝſŶϴ
nuevamente; de tal forma que la ecuación 7
ĐƵĂĐŝſŶϲ
(Keeling & Rohani, 2011) describe la variación
ĐƵĂĐŝſŶϳ
(Ecuación 8)
ĐƵĂĐŝſŶϴ
ĐƵĂĐŝſŶϰ
ĐƵĂĐŝſŶϯ
del estado R.
ĐƵĂĐŝſŶϵ
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
33
Vol. 10 No. 1 | Enero - junio de 2019
Food-and-Mouth Disease Livestock farms (UK) 3.5 – 4.5 Ferguson et al. (2001b)
TENDENCIA ACTUAL
A partir de aportes representativos como el pero con características particulares,
de Bernoulli (1760) y el de Kermack y McKen- 3) la generación de nuevos modelos para eva-
drick (1927) se establecen las bases para el luar estrategias de control de epidemias, y,
desarrollo de modelos epidemiológicos muy 4) la formulación de nuevos modelos para
diversos, cuyo objetivo puede clasificarse de describir de forma más precisa enferme-
acuerdo con dos variables: finalidad y tipo de dades previamente modeladas o enferme-
modelo, donde la finalidad puede ser el aná- dades en condiciones particulares o nuevas
lisis y proyección de epidemias o la evalua- enfermedades.
ción de estrategias de control; mientras que el
tipo de modelo se refieren al uso de modelos
epidemiológicos existentes o a la creación de
nuevos modelos; considerando estas dos va-
riables y analizando 52 artículos de modelos
epidemiológicos publicados desde el año 2013
en las bases de datos bibliográficos Scien-
ce Direct y Scopus se obtiene la figura 2 que
cuenta con 4 posibles categorías producto del
cruce de las dos variables planteadas:
1) u
so de modelos existentes para evaluar es-
trategias de control de epidemias,
2) uso de modelos existentes para el análisis Figura 2. Clasificación de artículos
de nuevas enfermedades infecciosas o de de modelos epidemiológicos.
enfermedades infecciosas ya modeladas, Fuente: Autores.
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
34 Analizando la evolución del modelado de enfermedades infecciosas
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
35
Vol. 10 No. 1 | Enero - junio de 2019
El modelo de la figura 3 cuenta con los esta- estrategias de control es la inclusión de facto-
dos U (Unexposes – no expuesto), E (Exposed res económicos, ya sea en el propio modelo o
- expuesto), C (Colonized – colonizado por la como criterio de evaluación de las estrategias
bacteria), D (Diseased – enfermo), adicional- de control o de herramientas de toma de de-
mente se establecen los estados finalizados cisiones, en este enfoque se determinan los
en “Vul”, que corresponden a sus pares, pero efectos de implementar un programa de con-
aplican para personas que han consumido me- trol nacional para la Diarrea Viral Bovina DVB
dicamentos antimicrobiales; las flechas ne- en los países bajos (Santman-Berends, Mars,
gras de la parte superior derecha describen van Duijn & van Schaik, 2015), proponiéndo-
el ingreso y salida de pacientes al hospital, se un modelo epidemiológico tipo SVIR que
las transiciones en línea punteada se derivan permite determinar la prevalencia de la DVB
de una restauración de la flora intestinal y las y posteriormente la salida del modelo epide-
transiciones continuas son producto del cam- miológico sirve como entrada de un modelo
bio de estado del paciente. Como conclusiones estocástico obteniendo el costo total del pro-
del estudio se determinan la ineficacia de la grama de control de la enfermedad. El resul-
aplicación de medicamentos y de prebióticos tado se muestra en la figura 4 donde se des-
para disminuir la incidencia de la enfermedad, criben varios escenarios, algunos que tienen
sin embargo, los cuidados de las condiciones un costo mayor a la situación actual y otros
de higiene tienen un efecto significativo en la donde gracias a estrategias como la erradica-
prevalencia de la enfermedad. ción voluntaria o el uso de marcas en las ore-
jas de los animales para realizar seguimiento,
El segundo enfoque observado en los artícu- se logra reducir el costo total producto de la
los que usan nuevos modelos para evaluar diarrea Bovina.
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
36 Analizando la evolución del modelado de enfermedades infecciosas
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
37
Vol. 10 No. 1 | Enero - junio de 2019
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
38 Analizando la evolución del modelado de enfermedades infecciosas
Si bien, los modelos epidemiológicos represen- posibilidades, por lo general se hace a nivel
tan una gran herramienta para el análisis de analítico, como herramienta para entender
enfermedades y epidemias, en publicaciones la dinámica del fenómeno y la efectividad del
como Rist, Ngonghala, Garchitorena, Brook, modelo epidemiológico. Cuando el objetivo es
Ramananjato, Miller, et al. (2015) donde se tomar decisiones que pueden significar vidas,
evalúan factores económicos de Madagascar los autores son más conservadores, pues usan
para modelar enfermedades de aves de corral modelos existentes que ya hayan sido proba-
que afectan la población pobre, o en Sieber, dos en diferentes escenarios y analizados por
Malchow & Hilker (2014) donde se formula un otros pares, tal es el caso expuesto por Atkins,
modelo epidemio-ecológico que permite eva- Shim, Pitzer & Galvani (2012) quienes usan un
luar cómo el cambio de comportamiento pro- modelo previamente planteado y bien susten-
ducido por enfermedades infecciosas en los in- tado para la toma de decisiones con respecto a
dividuos de un sistema cazador-presa modifica la vacunación contra el rotavirus en Gales.
tremendamente la estabilidad del mismo o el
enfoque espacial expuesto en Staubach, Sch- En el caso de estrategias de control con el uso
mid, Knorr-Held & Ziller, (2002); Binder, Ross de modelos nuevos, si bien los autores agregan
& Simpson, (2012) y Daniel, Hengartner, Ri- nuevas herramientas y enfoques, estos parten
vera, Powell & McPherson (2013) demuestran de la solidez de modelos bien fundamentados
que el utilizar modelos que combinan elemen- y agregan elementos que permitan mejorar el
tos epidemiológicos y elementos provenientes desempeño del modelo o se aproximen más al
de otras áreas del conocimiento fortalecen el fenómeno real, de esta forma se obtiene la con-
área de investigación y abren la posibilidad de fiabilidad y aceptación del modelo previo, nece-
generar nuevo y más diverso conocimiento. sarias para tomar decisiones de vida o muerte,
junto con las nuevas posibilidades que ofrecen
ANÁLISIS la inclusión de nuevos elementos al modelo.
Cuando es necesario elegir un modelo epide-
miológico para modelar una enfermedad infec- CONCLUSIONES
ciosa o cualquier otro fenómeno que sea sus- La utilidad y enfoque que pueden tener los
ceptible de modelarse mediante esta técnica, modelos epidemiológicos de enfermedades in-
es de vital importancia identificar las caracte- fecciosas es muy amplio, sin embargo, en el
rísticas particulares del fenómeno, el entorno presente documento luego de describir las ge-
en el que se desarrolla y la finalidad del mo- neralidades de los modelos epidemiológicos de
delo; dicho análisis junto con el conocimiento enfermedades infecciosas se logra caracterizar
del área de estudio, permiten determinar si es los planteamientos descritos en la literatura re-
posible usar o ajustar un modelo ya existente visada de acuerdo con 2 variables, el tipo de
o es mejor plantear un modelo nuevo. modelo utilizado (nuevo o ya existente) y la fi-
nalidad del modelo (evaluar estrategias de con-
Tras analizar el enfoque de los artículos con- trol o analizar e identificar características de
sultados (Figura 3) se observa una mayor ten- enfermedades). Sin embargo, cada documen-
dencia por el uso de nuevos modelos, si bien, el to puede abarcar diversas temáticas y mezclar
plantear nuevos modelos que incorporan técni- en mayor o menor medida características de
cas y teorías que previamente no hacían parte cada una de las categorías creadas. La lucha
del modelado de epidemias, enriquece el área contra las enfermedades es continua y a medi-
del conocimiento y abre las puertas a nuevas da que surgen nuevas herramientas técnicas y
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
39
Vol. 10 No. 1 | Enero - junio de 2019
cada etapa de desarrollo del proyecto. Casabán M., Cortés J., Romero J. & Roselló M.
(2015). Probabilistic solution of random SI-type
epidemiological models using the Random Varia-
LITERATURA CITADA
ble Transformation technique. Communications
Aldila D., Götz T. & Soewono E. (2013). An optimal in Nonlinear Science and Numerical Simulation;
control problem arising from a dengue disea- 24(1–3): 86–97. http://doi.org/http://dx.doi.
se transmission model. Mathematical Bioscien- org/10.1016/j.cnsns.2014.12.016
ces; 242(1): 9–16. http://doi.org/http://dx.doi.
Cauchemez S. & Ferguson N.M. (2008). Likelihood-
org/10.1016/j.mbs.2012.11.014
based estimation of continuous-time epidemic
Álvarez J., Bezos J., de la Cruz M.L., Casal C., Ro- models from time-series data: Application to
mero B., Domínguez L., et al. (2014). Bovine tu- measles transmission in London. Journal of the
berculosis: Within-herd transmission models to Royal Society Interface; 5(25): 885–897. http://
support and direct the decision-making process. doi.org/10.1098/rsif.2007.1292
Res Vet Sci; 97, Supple, S61 – S68. http://doi.
Cortés J., Sánchez-Sánchez A., Santonja F. & Villa-
org/http://dx.doi.org/10.1016/j.rvsc.2014.04.00
nueva R.J. (2013). Non-parametric probabilistic
Atkins K.E., Shim E., Pitzer V.E. & Galvani A.P. forecasting of academic performance in Spanish
(2012). Impact of rotavirus vaccination on epi- high school using an epidemiological modelling
demiological dynamics in England and Wales. approach. Applied Mathematics and Computa-
Vaccine; 30(3): 552–564. http://doi.org/http:// tion; 221: 648–661. http://doi.org/http://dx.doi.
dx.doi.org/10.1016/j.vaccine.2011.11.064 org/10.1016/j.amc.2013.06.070
Bacaër N. (2011). A Short History of Mathematical Daniel W.B., Hengartner N.W., Rivera M.K., Powell
Population Dynamics. New York, Springer. http:// D.R. & McPherson T.N. (2013). An epidemiologi-
doi.org/10.1007/978-0-85729-115-8 cal model of spatial coupling for trips longer than
the infectious period. Mathematical Bioscien-
Backer J.A., van Roermund H.J., Fischer E.A., van
ces; 242(1): 1–8. http://doi.org/http://dx.doi.
Asseldonk M.A. & Bergevoet, R.H. ()2015. Con-
org/10.1016/j.mbs.2012.11.002
trolling highly pathogenic avian influenza out-
breaks: An epidemiological and economic mo- Fan K., Zhang Y. & Gao S. (2016). On a new eco-
del analysis. Prev Vet Med; 121(1–2): 142–150. epidemiological model for migratory birds with
http://doi.org/http://dx.doi.org/10.1016/j.preve- modified Leslie-Gower functional schemes. Ad-
tmed.2015.06.006 vances in Difference Equations; 97(1). http://doi.
org/10.1186/s13662-016-0825-3
Bekara M.A., Courcoul A., Bénet J. & Durand B. (2014).
Modeling tuberculosis dynamics, detection and Fischer E.A.J., van Roermund H.J.W., Hemerik
control in cattle herds. PloS One; 9(9), e108584. L., van Asseldonk M.A.P.M. & de Jong M.C.M.
http://doi.org/10.1371/journal.pone.0108584 (2005). Evaluation of surveillance strategies for
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
40 Analizando la evolución del modelado de enfermedades infecciosas
bovine tuberculosis (Mycobacterium bovis) using Marutschke D.M. & Ogawa H. (2014). Clustering
an individual based epidemiological model. Prev Scientific Publication Trends in Cultural Context
Vet Med; 67(4): 283–301. http://doi.org/http:// Using Epidemiological Model Parameters. Proce-
dx.doi.org/10.1016/j.prevetmed.2004.12.002 dia Technology; 18: 90–95. http://doi.org/http://
dx.doi.org/10.1016/j.protcy.2014.11.018
Gaucel S., Laroche B., Ezanno P., Vergu E. & Tou-
zeau S. (2009). Using singular perturbations to Milne C.E., Gunn G.J., Entrican G. & Longbottom
reduce an epidemiological model: Application to D. (2009). Epidemiological modelling of chla-
bovine viral diarrhoea virus within-herd spread. mydial abortion in sheep flocks. Vet Microbiol;
J Theor Biol; 258(3): 426–436. http://doi.org/ 135(1–2): 128–133. http://doi.org/http://dx.doi.
http://dx.doi.org/10.1016/j.jtbi.2008.08.011 org/10.1016/j.vetmic.2008.09.032
Hernández M. (2007). Epidemiología: diseño y análisis Morris R.S. (2015). Diseases, dilemmas, decisions—
de estudios. 2nd ed. Editorial Médica Panamericana. Converting epidemiological dilemmas into suc-
cessful disease control decisions. Prev Vet Med;
Holko A., Mẹdrek M., Pastuszak Z. & Phusavat K.
122(1–2): 242–252. http://doi.org/http://dx.doi.
(2016). Epidemiological modeling with a popu-
org/10.1016/j.prevetmed.2015.05.003
lation density map-based cellular automata si-
mulation system. Expert Systems with Appli- Njagarah J.B. & Nyabadza F. (2014). A metapo-
cations; 48: 1–8. http://doi.org/http://dx.doi. pulation model for cholera transmission dyna-
org/10.1016/j.eswa.2015.08.018 mics between communities linked by migration.
Applied Mathematics and Computation; 241: 317–
Kang G.J., Gunaseelan L. & Abbas K.M. (2014).
331. http://doi.org/http://dx.doi.org/10.1016/j.
Epidemiological modeling of bovine brucellosis
amc.2014.05.036
in India. In Big Data (Big Data), IEEE Interna-
tional Conference on 2014; 6–10. http://doi. Öztürk Y. & Gülsu M. (2015). Numerical solution of
org/10.1109/BigData.2014.7004420 a modified epidemiological model for computer
viruses. Applied Mathematical Modelling; 39(23–
Kang G., Gunaseelan L. & Abbas K. (2015). Epi-
24): 7600–7610. http://doi.org/http://dx.doi.
demiological dynamics of bovine brucellosis
org/10.1016/j.apm.2015.03.023
in India. Annals of Global Health; 81(1): 127–
128. http://doi.org/http://dx.doi.org/10.1016/j. Pedersen S. (2015). Algunos Modelos matemáti-
aogh.2015.02.793 cos para (algunas) enfermedades contagiosas:
transmisión, infección, tratamiento [Tesis de Li-
Kar T.K. & Jana S. (2013). A theoretical study on
cenciatura]. Buenos Aires, Universidad de Bue-
mathematical modelling of an infectious disea-
nos Aires.
se with application of optimal control. Biosys-
tems; 111(1): 37–50. http://doi.org/http://dx.doi. Pérez J. M. (2010). Inteligencia computacional inspi-
org/10.1016/j.biosystems.2012.10.003 rada en la vida. SPICUM – Universidad de Málaga.
Keeling M. J. & Rohani P. (2011). Modeling infec- Pittavino M., Ferreri L., Giacobini M., Bertolotti L.,
tious diseases in Humans and Animals. New Jer- Rosati S. & Venturino E. (2014). A CAEV epi-
sey, USA: Princeton University Press. http:// demiological model for goat breeding. Applied
www.scopus.com/inward/record.url?eid=2-s2.0 Mathematics and Computation; 227: 156–163.
84884049994&partnerID=40&md5=c999c61563d ht tp://doi.or g/ht tp://dx.doi.or g/10.1016/j.
e33ed4e8a6171c364ad25. Consultado 20 Jul, 2017. amc.2013.11.030
Kermack W.O. & McKendrick A.G. (1927). A Contri- Rao D.M. (2016). Efficient parallel simulation of
bution to the Mathematical Theory of Epidemics. spatially-explicit agent-based epidemiological
Proceedings of the Royal Society of London A: models. Journal of Parallel and Distributed Com-
Mathematical, Physical and Engineering Scien- puting; 93–94: 102–119. http://doi.org/http://
ces; 115(772): 700–721. http://doi.org/10.1098/ dx.doi.org/10.1016/j.jpdc.2016.04.004
rspa.1927.0118
Rist C.L., Ngonghala C.N., Garchitorena A., Brook
Ligarte M.D., Goicoa T., Ibáñez B. & Militino, A.F. C.E., Ramananjato R., Miller A.C., et al. (2015).
(2009). Evaluating the performance of spatio- Modeling the burden of poultry disease on the
temporal Bayesian models in disease mapping. rural poor in Madagascar. One Health; 1: 60–65.
Environmetrics; 20(6): 647–665. http://doi. http://doi.org/http://dx.doi.org/10.1016/j.one-
org/10.1002/env.969 hlt.2015.10.002
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Revista de Investigación Agraria y Ambiental
41
Vol. 10 No. 1 | Enero - junio de 2019
Rodrigues H.S., Monteiro M.T.T. & Torres D.F.M. 56(1): 75–87. http://doi.org/10.1016/S0167-
(2014). Vaccination models and optimal con- 5877(02)00125-3
trol strategies to dengue. Mathematical Bios-
University of Chicago. (1989). Hipócrates. Hippo-
ciences; 247: 1–12. http://doi.org/http://dx.doi.
cratic writings. On airs, waters and places. http://
org/10.1016/j.mbs.2013.10.006
classics.mit.edu/Hippocrates/airwatpl.2.2.html.
Rossi G., De Leo G.A., Pongolini S., Natalini S., Vin- Consultado 23 Jul, 2017.
cenzi S. & Bolzoni L. (2015). Epidemiological mo-
Van Effelterre T., Marano C. & Jacobsen K.H.
delling for the assessment of bovine tuberculosis
(2016). Modeling the hepatitis A epidemiological
surveillance in the dairy farm network in Emilia-
transition in Thailand. Vaccine; 34(4): 555–562.
Romagna (Italy). Epidemics; 11: 62–70. http://
http://doi.org/http://dx.doi.org/10.1016/j.vacci-
doi.org/10.1016/j.epidem.2015.02.007
ne.2015.11.052
Sahneh F.D., Vajdi A., Melander J. & Scoglio C.M.
Van Hulzen K.J.E., Koets A.P., Nielen M., Heu-
(2017). Contact Adaption during Epidemics: A
ven H.C.M., Van Arendonk J.A.M.& Klinkenberg
Multilayer Network Formulation Approach. IEEE
D. (2014). The effect of genetic selection for
Transaction on Network Science and Enginee-
Johne’s disease resistance in dairy cattle: Re-
ring. DOI 10.1109/TNSE.2017.2770091
sults of a genetic-epidemiological model. J Dairy
Santman-Berends I.M.G.A., Mars M.H., van Duijn L. Sci; 97(3): 1762–1773. http://doi.org/10.3168/
& van Schaik G. (2015). Evaluation of the epide- jds.2013-7032
miological and economic consequences of control
Vynnycky E. & White R. (2010). An Introduction
scenarios for bovine viral diarrhea virus in dairy
to Infectious Disease Modelling. 1nd ed. OUP
herds. J Dairy Sci; 98(11): 7699–7716. http://
Oxford.
doi.org/http://dx.doi.org/10.3168/jds.2014-9255
Weidemann F., Dehnert M., Koch J., Wichmann O.
Sato A.H., Ito I., Sawai H. & Iwata K. (2015). An epi-
& Höhle M. (2014). Modelling the epidemiological
demic simulation with a delayed stochastic SIR
impact of rotavirus vaccination in Germany – A
model based on international socioeconomic-te-
Bayesian approach. Vaccine; 32(40): 5250–5257.
chnological databases. Big Data (Big Data), 2015
http://doi.org/http://dx.doi.org/10.1016/j.vacci-
IEEE International Conference on: 2732–2741.
ne.2014.06.090
http://doi.org/10.1109/BigData.2015.7364074
Yakob L., Riley T.V., Paterson D.L. & Clements
Savall J.F., Bidot C., Leblanc-Maridor M., Belloc C. &
A.C.A. (2013). Clostridium difficile exposure as
Touzeau S. (2016). Modelling Salmonella trans-
an insidious source of infection in healthcare set-
mission among pigs from farm to slaughterhou-
tings: An epidemiological model. BMC Infectious
se: Interplay between management variability
Diseases; 13(1). http://doi.org/10.1186/1471-
and epidemiological uncertainty. Int J Food Mi-
2334-13-376
crobiol; 229: 33–43. http://doi.org/http://dx.doi.
org/10.1016/j.ijfoodmicro.2016.03.020 Zaman G., Kang Y.H. & Jung I.H. (2009). Opti-
mal treatment of an SIR epidemic model with
Sieber M., Malchow H. & Hilker F.M. (2014). Disea-
time delay. Biosystems; 98(1): 43–50. http://
se-induced modification of prey competition in
doi.org/ht tp://dx.doi.org/10.1016/j.biosys-
eco-epidemiological models. Ecological Comple-
tems.2009.05.006
xity; 18: 74–82. http://doi.org/10.1016/j.eco-
com.2013.06.002 Zhang Q., Jiang D., Liu Z., O’Regan D. (2016). As-
ymptotic behavior of a three species eco-epide-
Ssematimba A., Jores J. & Mariner J.C. (2015).
miological model perturbed by white noise. Jour-
Mathematical modelling of the transmission
nal of Mathematical Analysis and Applications;
dynamics of contagious bovine pleuropneumo-
433(1): 121–148. http://doi.org/http://dx.doi.
nia reveals minimal target profiles for impro-
org/10.1016/j.jmaa.2015.07.025
ved vaccines and diagnostic assays. PLoS ONE
2015; 10(2). http://doi.org/10.1371/journal.
pone.0116730
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097
Félix Sebastián Rincón Tobo, Javier Antonio Ballesteros-Ricaurte, Ángela María González Amarillo
42 Analizando la evolución del modelado de enfermedades infecciosas
Revista de Investigación Agraria y Ambiental. Bogotá - Colombia, Vol. 10 No. 1: 27-42, enero - junio 2019 ISSN: 21456097