UNIVERSIDAD MAYOR DE SAN SIMÓN

FACULTAD DE CIENCIAS Y TECNOLOGÍA

CARRERA DE INGENIERÍA INDUSTRIAL

APLICACIÓN DE UN MODELO SIR PARA DETERMINAR EL NUMERO DE

CASOS POR COVID-19 EN EL DEPARTAMENTO DE COCHABAMBA

Presentado por: Caballero Carrasco Dafne Alejandra

Cochabamba-Bolivia
Octubre 2020

INDICE
1. Introducción................................................................................................................................1

2. Objetivo.......................................................................................................................................2

2.1 Objetivo General.......................................................................................................................2

2.2 Objetivos Específicos................................................................................................................2

3. Metodología................................................................................................................................2

4. Modelo SIR.................................................................................................................................3

5. Resultados del Modelo SIR.........................................................................................................6

6. Bibliografía.................................................................................................................................8

ANEXOS.......................................................................................................................................10
 1. Introducción

El brote de la enfermedad por coronavirus, causado por el virus del síndrome respiratorio

agudo severo de tipo 2 (SARS-COVID-19), fue declarado como una pandemia en marzo de 2020.

Hasta el 7 de septiembre de 2020 se habían reportado 27 482 975 casos confirmados, 896 658

muertes y 19 577 928 recuperados en 196 países afectados alrededor del mundo. Los principales

países afectados hasta esa fecha con mayor número de infectados eran Estados Unidos (6 485

575), India (4 277 584), Brasil (4 147 794), Rusia (1 030 690), Perú (689 977), Colombia (671

848) y Sudáfrica (269 214). (Jonhs Hopkins University, 2020).

Hasta esa fecha Bolivia reportaba 121 604 casos confirmados, 7 054 muertes y 73 150

recuperados. En Cochabamba, la tercera ciudad con mayor población en el país, se habían

reportado 12 624 casos confirmados, 980 muertes y 8 920 recuperados[ CITATION SED20 \l

21514 ].

Frente al progreso de la pandemia, el Gobierno del Estado Plurinacional de Bolivia,

implementó diferentes medidas sin precedentes, como el cierre de las fronteras, escuelas,

universidades, iglesias, cancelación de eventos sociales y aislamiento de la población en sus

casas. Estas estrategias han sido implementadas con el fin de frenar la propagación de contagio

por COVID-19. (Parlamento ANDINO, 2020).

Desde el inicio de la epidemia, se han estimado varios modelos de predicción utilizando

diferentes metodologías, como los modelos determinísticos, estocásticos o una combinación de

ambos. Cada uno de estos tiene un solo objetivo, la predicción del número de personas infectadas

en las próximas semanas, la fecha probable del pico y la estimación del número de decesos. Esta

información nos permite preparar diferentes medidas de contingencia en los servicios de salud.

En Bolivia el Ministerio de Salud, realizó proyecciones utilizando distintos modelos, estos

resultados fueron presentados a la población (Ministerio de Salud, 2020). Sin embargo, no se

1
reportó un modelo epidemiológico específico para la ciudad de Cochabamba, el cual ayude en la

toma de decisiones.

Considerando lo anterior desarrollaremos un modelo epidemiológico SIR, el cual nos

permita describir el comportamiento de casos de Covid-19, durante las Campañas Electorales y

las Elecciones Generales.

2. Objetivo

2.1 Objetivo General

Predecir el número de casos de COVID-19 en la ciudad de Cochabamba-Bolivia mediante

el desarrollo de un modelo SIR.

2.2 Objetivos Específicos

 Calcular los parámetros de modelo SIR considerando los estudios recientes, los

datos emitidos por el Ministerios de Salud, para desarrollar la solución del modelo

 Encontrar la solución del sistema de ecuaciones diferenciales no lineal con la

ayuda del programa Matlab, para determinar el comportamiento del Covid-19

durante 400 días.

 Analizar los resultados obtenidos por el programa Matlab, para determinar el

número aproximado de nuevos casos por COVID-19

3. Metodología

Se utilizó un modelo determinista compartimental SIR basándonos en tres clases de

individuos, Susceptibles (S), Infectados (I) y Recuperados (R). La ventana de tiempo es de 400

días a partir del 7 de septiembre. Las proyecciones del modelo se realizaron en el software

Matlab.

2
 También se utilizaron los datos del reporte del Servicio Departamental de Salud de

Cochabamba, para calcular la tasa efectiva de contacto y la tasa de recuperación.

4. Modelo SIR

El modelo SIR fue planteado por Ronald Ross a principios del siglo XX, este consiste en

un sistema de tres ecuaciones diferenciales ordinarias no lineales acopladas, las cuales no poseen

una formula explicita de solución.[ CITATION How87 \l 21514 ]. Estas ecuaciones diferenciales

que describen el movimiento de la población a través de estados discretos, de esta forma, cuando

un patógeno aparece en la comunidad esta es dividida en sub categorías. En el caso del modelo

SIR, su sigla significa que tiene en cuenta: un subconjunto de la población que es susceptible a la

infección (S), subconjunto de infectados que transmiten la enfermedad (I) y el subconjunto de

recuperados que adquieren la inmunidad temporal o permanente (R). Ver Figura 1

Figura 1
Diagrama de Transición de un modelo SIR

βSI γI

Susceptibles Infectados Recuperados

Fuente: Elaboración propia,2020

El sistema de ecuación diferenciales ordinales del modelo SIR para una población fija es

el siguiente:

N=S+ I + R

dS(t) S(t )
=−βI (t)
dt N

3
 dI (t) S(t)
=βI (t) −γ I (t)
dt N

dR(t )
=γ I (t)
dt

donde N es la población total, β es la tasa efectiva de contagio en la población relacionado

con la enfermedad, γ es la tasa en la cual un infectado se recupera y pasa a ser resistente. Este

modelo asume que la población es constante y todos son susceptibles, también que todos los

infectados adquieren la inmunidad y que, además, la tasa de contagio y de recuperación se

mantienen constantes a lo largo del tiempo.

Así mismo, el número reproductivo R0 que representa el numero esperado de individuos

secundarios resultantes de una infección inicial, el cual definimos como [ CITATION Oct20 \l

1033 ] [ CITATION Ram20 \l 21514 ]:

β
R0 =N
γ

Para determinar el valor de R0 usaremos la información publicada de estudios recientes

realizados donde se estima que para Bolivia se sabe que R0 oscila entre 2.4 -1.4 [ CITATION

Jua20 \l 21514 ]. Considerando los valores anteriores de R0 se nos presentan tres escenarios, el

primer escenario con un valor de R0 =2.4 , el segundo escenario con un valor de R0 =1.9 y el

tercero escenario con un valor de R0 =1.4 .Para estos dos escenarios procedemos a calcular la de

contagio (β) Ver Tabla 1 , Ver Tabla 2 y Ver Tabla 3

Tabla 1

Parámetros del Modelo SIR para R0 =2.4

Parámetro Definición Valor Referencia

Parámetro obtenido de la
R0 Numero
2.4 información revisada en múltiples
reproductivo
artículos

4

β Tasa de contagio
Fuente: Elaboración propia,2020
Parámetro calculado en base a los
datos del 7 de septiembre del
4.8635*10^-8
Servicio Departamental de Salud
de Cochabamba

Tabla 2

Parámetros del Modelo SIR para R0 =1.9

Parámetro Definición Valor Referencia

Parámetro obtenido de la
R0 Numero
1.4 información revisada en múltiples
reproductivo
artículos
Parámetro calculado en base a los
datos del 7 de septiembre del
β Tasa de contagio 2.8370*10^-8
Servicio Departamental de Salud
de Cochabamba
Fuente: Elaboración propia,2020

Tabla 3

Parámetros del Modelo SIR para R0 =1.4

Parámetro Definición Valor Referencia

Parámetro obtenido de la
R0 Numero
1.4 información revisada en múltiples
reproductivo
artículos
Parámetro calculado en base a los
datos del 7 de septiembre del
β Tasa de contagio 2.8370*10^-8
Servicio Departamental de Salud
de Cochabamba
Fuente: Elaboración propia,2020

4.1 Supuestos del modelo

 La población es constante y su tamaño es igual a N, es decir, las tasas de nacimiento y

muerte son iguales durante el proceso de propagación de la enfermedad.

 Consideramos que la tasa de recuperación es la misma en los tres escenarios.

 No se toma en cuenta las inmigraciones y emigraciones de la población.

5
  Los individuos que se han recuperado de la enfermedad quedan inmunes a ella, es decir,

no pueden contagiarse nuevamente ni pueden transmitir el virus después de que se han

recuperado.

 Se considera que todos los individuos pasan de ser infectados a ser inmunes

4.2 Consideraciones iniciales

Como nuestro modelo realiza una proyección desde el 7 de septiembre, nos encontramos

sujetos a ciertas condiciones iniciales, el tamaño de la Probación Inicial Susceptible ( S(0)) es

igual a la diferencia entre la población total de Cochabamba y el numero de decesos hasta el 7 de

septiembre. Los casos activos es decir la Población Inicial Infectada (I (0)) es igual a 2 724 y la

Población Inicial Recuperada es de 8 920.

Tabla 4
Condiciones iniciales del Modelo SIR

Parámetro Definición Valor Referencia

Parámetro obtenido del
boletín del 7 de
Población inicial
S(0) 2 027 659 septiembre del Servicio
susceptible
Departamental de Salud
de Cochabamba
Parámetro obtenido del
Población inicial
boletín del 7 de
Infectada (Casos
I (0) 2724 septiembre del Servicio
confirmados el 7
Departamental de Salud
de septiembre)
de Cochabamba
Parámetro obtenido del
boletín del 7 de
Población inicial
R(0) 8 920 septiembre del Servicio
Recuperada
Departamental de Salud
de Cochabamba
Fuente: Elaboración propia,2020

6
 5. Resultados del Modelo SIR

Teniendo en cuenta una población susceptible de 2 027 659 individuos la estimación de

casos confirmados bajo el escenario menos optimista ( R0 =2.4) se mostro una curva con un punto

máximo de 451 457 casos para inicios de enero, mientras que para un numero de reproducción

igual a 1.9 se muestra una curva con un punto máximo de 280 747 para el 27 de febrero y

finalmente en el escenario más optimista muestra una curva disminuida con un R0 de 1.4 el pico

será el 11 de julio con 95 172. Estas proyecciones muestran que el porcentaje de contagiados con

respecto a la población total serian: 22% ( R0 =2.4), 13% ( R0 =1.9) y 5%( R0 =1.4). Ver Figura 2

Figura 2
Proyección de la prevalencia de casos de COVID-19 para diferentes escenarios

Fuente: Elaboración propia,2020

7
 La construcción de este tipo de modelos durante la ocurrencia de una pandemia de esta

magnitud se hace necesario, dado que ayuda a los Gobiernos en la planeación y construcción de

intervenciones de forma anticipada. Estos modelos son una opción sencilla para poder predecir la

ocurrencia de casos de una enfermedad infecciosa. Sin embargo, estos modelos, aunque son muy

útiles presentas varias limitaciones. Una de estas es la suposición en el comportamiento de los

parámetros, también las proyecciones imprecisas, debido a que no se esta considerando factores

de comportamiento social o cultural del país o de la ciudad. También no se consideran factores

socio económicos como las condiciones de vivienda, lo cual pude ser crucial en la propagación

del virus o las condiciones climáticas, las cuales han demostrado una gran incidencia en la

ocurrencia de los casos.

A pesar de que este tipo de modelo presenta cierta incertidumbre en sus resultados, se

debe mencionar que en general, los datos epidemiológicos también pueden afectarse por varios

inconvenientes, como el retraso en la entrega de los resultados de las pruebas, limitaciones en la

cobertura, sumado a esto, en ninguna región se conocen con certeza absoluta la cantidad de

infectados reales ( considerando los posibles asintomáticos), lo que finalmente puede resultar en

modelos epidemiológicos con proyecciones imprecisas o con un alto grado de incertidumbre, aun

si se ajustan por los factores mencionados anteriormente.

En este sentido, recomendamos la consideración de características dinámicas locales de

transmisibilidad, para la elaboración de futuros modelos epidemiológicos.

8
6. Bibliografía

 Birbuet, J. C., & López, R. (15 de abril de 2020). Guardiana. Obtenido de Dinámica de

expansión de la Covid-19 en Bolivia durante las primeras seis semanas:

https://guardiana.com.bo/especiales/dinamica-de-expansion-del-covid-19-en-bolivia-

durante-las-primeras-6-semanas/

 INE. (15 de enero de 2020). Opinion.atavist. Obtenido de COCHABAMBA EN CIFRAS:

https://opinion.atavist.com/cochabamba-en-cifras#:~:text=Cochabamba%20se%20acerca

%20a%20los,de%20Poblaci%C3%B3n%20y%20Vivienda%202012.&text=De

%20acuerdo%20con%20los%20c%C3%A1lculos,un%20total%20de%202.028.639.

 JonhsHopkinsUniversity. (14 de abril de 2020). COVID-19 Dashboard by the Center for

Systems Science and Engineering (CSSE) at Johns Hopkins University. Obtenido de

https://bit.ly/3ceI1Qe.

 Liu, Y., Gayle, A., Wilder-Smith, A., & Rocklöv, J. (febrero de 2020). The reproductive

number of COVID-19 is higher. Revista de Medicina Viajes, 1-4.

 Ma Y, Z. Y. (2020). Estimación preliminar del número de reproducción básico del nuevo

coronavirus (2019-nCoV) en China, de 2019 a 2020: un análisis basado en datos en la

fase inicial del brote. Revista Internacional de Enfermedades Infecciosas, 72-73.

9
 MinisteriodeSalud. (21 de junio de 2020). Ministerio de Salud. Obtenido de Salud

proyecta que pico más alto de COVID-19 en Bolivia podría alcanzarse en septiembre con

130 mil casos: https://www.minsalud.gob.bo/4320-salud-proyecta-que-pico-mas-alto-de-

covid-19-en-bolivia-podria-alcanzarse-en-septiembre-con-130-mil-casos

 MinisteriodeSalud. (1 de Julio de 2020). Ministerio de Salud. Obtenido de

https://www.minsalud.gob.bo/4354-salud-instruye-medidas-de-limpieza-y-desinfeccion-

para-evitar-que-mercados-sean-focos-de-contagio-de-covid-19

 Miramontes, O. (2020). Entendamos el COVID-19 en México. Instituto de Física, 3-4.

 ParlamentoANDINO. (4 de abril de 2020). Principales medidas adoptadas por el gobierno

boliviano frente a la emergencia provocada por la COVID-19. Obtenido de

https://parlamentoandino.org/wp-content/uploads/2020/04/Principales-medidas-

adoptadas-por-el-gobierno-boliviano-1.pdf

 Ramos, L. M. (11 de junio de 2020). Modelos Epidemiol´ogicos Deterministas.

Venezuela.

 SEDES. (9 de abril de 2020). SEDESCOCHABAMBA. Obtenido de Informacion-

Coronavirus: http://www.sedescochabamba.gob.bo/#/website/informacion-coronavirus

 Weiss, H. (. (1887). The SIR model and the Foundations of Public Health. Publicació

electrònica de divulgació del Departament de Matemàtiques, 3-17.

10
 ANEXOS

ANEXO I

CALCULO DE LA TASA DE RECUPERACION

Estudio realizado desde el 1 de septiembre hasta el 10 de septiembre

Días de Número de Número Taza de

estudio Recuperado de casos Recuperació
s activos n
1 157.00 3197.00 0.0491
2 136.00 3115.00 0.0437
3 152.00 3041.00 0.0500
4 130.00 2946.00 0.0441
5 90.00 2881.00 0.0312
6 80.00 2820.00 0.0284
7 100.00 2724.00 0.0367
8 95.00 2627.00 0.0362
9 110.00 2554.00 0.0431
10 120.00 2476.00 0.0485

Taza de recuperación promedio 4.1090E-02

ANEXO II

CALCULO DE CONTAGIO PARA LOS TRES ESTADOS

Se utilizó la educación

R0
β=γ
N

R 2.40 1.9 1.4

11
 Taza promedio de 4.8635E- 3.8503 2.8
contagio 08 E-08 370E-08

ANEXO III

CALCULO DE LAS CONDICIONES INICIALES DEL SISTEMA

Parámetro Definición Valor

Población total 2,028,639
S(0) Total, de personas susceptibles 2,016,015
I (0) Total, de personas Infectadas 2,724
R(0) Total, de personas Recuperadas 8,920
Total, de Decesos 980
N Nueva población 2027659

ANEXO IV

SIMULACION DEL MODELO

Determinación de Variables

Ro =2.4

Ro =1.9

12
Ro =1.4

Simulación del modelo

13
Función que calcula la evolución del modelo durante un período de tiempo T

14
 ANEXO V

RESULTADOS PARA CADA ESCENARIO

15
Ro =2.4

Ro =1.9

Ro =1.4

16
17