Universidad Autónoma

Metropolitana Unidad Azcapotzalco

Laboratorio de Física Atómica y Molecular

Clave: 1111088 Grupo: CCB01 Trimestre: 20-O

AUTÓMATAS CELULARES: MODELO DE PROPAGACIÓN DEL

VIRUS COVID-19

Equipo:
● Castillo González César Ulises 210329262
● Celaya Hernández Diego Alan 2153034641
● Colin Diaz Daniel 2153035111

Profesor:
● Basurto Uribe Eduardo

Elaboración: 21/01/2021
Entrega: 04/03/2021
 Introducción
Antecedentes

La enfermedad del coronavirus 2019 (COVID-19), una enfermedad infecciosa

causada por el Síndrome Respiratorio Agudo Severo coronavirus 2 (SARS-CoV-2)
(Organización Mundial de la Salud, 2020), se ha convertido en una pandemia global
que se ha extendido rápidamente por todo el mundo desde su inicio.
Durante el 18 y 29 de diciembre del 2019, se reportaron los primeros cinco casos
de esta enfermedad, de los cuales cuatro de estos pacientes fueron hospitalizados
por presentar síndrome de distrés respiratorio agudo y uno de estos pacientes
falleció. La mayoría de los pacientes aseguraron tener relación directa o indirecta
con un mercado de alimentos en la provincia de Hubei en Wuhan. 2 Ya para el
primero de enero del 2020, el mercado de Wuhan había sido cerrado y no existía
evidencia clara de transmisión persona a persona. El 2 de enero, un total de 41
pacientes habían sido hospitalizados y sólo un paciente que presentaba patologías
preexistentes serias, había fallecido. El 7 de enero, las autoridades chinas
anunciaron que habían identificado un nuevo tipo de coronavirus (2019-nCoV).
Simultáneamente, otros posibles patógenos fueron descartados, incluyendo el
coronavirus del Síndrome Respiratorio Agudo Severo (SARS-CoV), el coronavirus
del Síndrome Respiratorio del Medio Este (MERS-CoV), el virus de la influenza, el
virus de la influenza aviar y el adenovirus. A partir de ese momento las autoridades
a nivel mundial supieron que enfrentaban una nueva amenaza.
Tan solo diez días después, un total de 571 casos habían sido reportados en 25
diferentes provincias en toda China, mientras que en la provincia de Hubei las
muertes habían alcanzado a 17, y se mantenían 95 pacientes en estado crítico. Se
realizó un estimado según el Modelo de Enfermedades Infectocontagiosas del
Centro de Colaboración de la OMS y la proyección alcanzaba a 4.000 posibles
contagiados, pudiendo llegar a casi 10.000.
A partir de ahí, el número de pacientes contagiados fue aumentando
exponencialmente en China continental, y para el 30 de enero se habían reportado
9,692 casos en toda China y 90 casos en diferentes países incluyendo Taiwán,
Tailandia, Vietnam, Malasia, Nepal, Sri Lanka, Camboya, Japón, Singapur, la
República de Corea, Emiratos Árabes Unidos, Estados Unidos, Filipinas, India, Irán,
Australia, Canadá, Finlandia, Francia y Alemania.
El 11 de marzo, con 118.000 casos reportados en 114 países y 4.291 personas
fallecidas, la Organización Mundial de la Salud declaró que el brote de la nueva
enfermedad del Coronavirus 2019 (COVID-19) causada por el SARS-CoV-2, se
trataba de una pandemia.
Para el momento de la redacción de este escrito 28 de enero de 2021 el número de
casos mundial es de aproximadamente 100 millones de personas con 55.4 millones
de recuperadas y 2.16 millones muertas.

Sintomatología y recuperación
Los síntomas más habituales del COVID-19 son la fiebre, la tos seca y el cansancio.
Otros síntomas menos frecuentes que afectan a algunos pacientes son los dolores
y molestias, la congestión nasal, el dolor de cabeza, la conjuntivitis, el dolor de
garganta, la diarrea, la pérdida del gusto o el olfato y las erupciones cutáneas o
cambios de color en los dedos de las manos o los pies. Estos síntomas suelen ser
leves y comienzan gradualmente. Algunas de las personas infectadas sólo
presentan síntomas muy ligeros a los mencionados.

Alrededor del 80 % de las personas se recuperan de la enfermedad sin necesidad

de tratamiento hospitalario y alrededor de 1 de cada 5 personas que contraen el
COVID-19 acaba presentando un cuadro grave y experimenta dificultades para
respirar. Las personas mayores y las que padecen afecciones médicas previas
como hipertensión arterial, problemas cardíacos o pulmonares, diabetes o cáncer
tienen más probabilidades de presentar cuadros graves. Sin embargo, cualquier
persona puede contraer el COVID-19 y caer gravemente enferma.

Propagación

Una persona puede contraer el COVID-19 por contacto con otra que esté infectada
por el virus. La enfermedad se propaga principalmente de persona a persona a
través de las gotículas que salen despedidas de la nariz o la boca de una persona
infectada al toser, estornudar o hablar. Estas son relativamente pesadas, no llegan
muy lejos y caen rápidamente al suelo. Una persona puede contraer el COVID-19
si inhala las gotículas procedentes de una persona infectada por el virus. Por eso
es importante mantenerse al menos a un metro de distancia de los demás. Estas
gotículas pueden caer sobre los objetos y superficies que rodean a la persona, como
mesas, pomos y barandillas, de modo que otras personas pueden infectarse si tocan
esos objetos o superficies y luego se tocan los ojos, la nariz o la boca.

También es posible contagiarse de alguien que solamente tenga una tos leve y no
se sienta enfermo. Según algunas informaciones, las personas sin síntomas pueden
transmitir el virus, sin embargo, aún no se sabe con qué frecuencia ocurre esto. La
OMS está estudiando las investigaciones en curso sobre esta cuestión y seguirá
informando sobre las conclusiones que se vayan obteniendo.

Inmunidad

Varios estudios encontraron que la seroprevalencia del SARS-CoV-2 (es decir, el

porcentaje de la población con anticuerpos contra el coronavirus) se ha mantenido
por debajo del 20%, incluso en las áreas más afectadas como España e Italia. Existe
un nuevo estudio sobre la seroprevalencia en algunos sitios de Estados Unidos que
amplía una investigación previa del Centro para el Control y Prevención de
Enfermedades (CDC, por su sigla en inglés). Con muestras de suero de
laboratorios clínicos comerciales, los investigadores encontraron el nivel más alto
de seroprevalencia en Nueva York, en donde este aumento del 6.9% en marzo a
casi 25% antes de mediados de agosto. Sin embargo, en la mayoría de los estados
la seroprevalencia se mantuvo por debajo del 10% durante todo el período
estudiado e incluso en varios lugares estuvo por debajo del 1%. Además, los
investigadores vieron que la seroprevalencia tendió a disminuir con el tiempo,
aunque, en algunos estados como Georgia y Minnesota, las tasas aumentaron
durante el período de estudio. La principal conclusión de este estudio es que, a
pesar de la pandemia, la mayoría de las personas en Estados Unidos no tienen
evidencia por anticuerpos de infección por COVID-19.

Un modelo espacio-temporal

Los modelos SIR y SEIR son modelos determinísticos temporales expresados como
sistemas de ecuaciones diferenciales ordinarias, dado un estado inicial de las
variables podemos conocer el estado de las variables del sistema a un tiempo
determinado en el futuro. La propagación de una enfermedad involucra
incertidumbres (en etapas iniciales) que pueden expresarse con modelos
probabilísticos, los modelos determinísticos nos dan, por así decirlo, el
comportamiento promedio de la evolución de las variables del sistema. Una de las
restricciones más importantes de los modelos determinísticos se encuentra en su
suposición básica: asumen una población homogénea (una población
perfectamente mezclada distribuida uniformemente sobre todos y cada uno de los
puntos de un dominio espacial sin movimiento de sus individuos). Así pues,
buscando obtener una descripción más detallada de la realidad se pueden adoptar
modelos donde se relaja esta restricción permitiendo densidades de población, así
como características particulares del movimiento de los individuos, con ello la
transmisión de la enfermedad podría mostrar diferencias significativas.

Modelo COVID-19
Un modelo matemático es una representación matemática de un fenómeno real,
con suposiciones básicas. Se busca explicar mediante el modelo el comportamiento
de un fenómeno de la naturaleza. Hay modelos matemáticos sencillos y algunos
muy complejos; no hay un modelo matemático perfecto, sino más bien cada modelo
matemático se plantea para resolver determinados cuestionamientos del fenómeno
que se estudia.
En los modelos epidemiológicos de compartimentos la población total se divide en
compartimentos, los individuos de cada compartimento comparten características
similares
Ejemplos de compartimentos:
 ● Susceptibles: Son individuos de la población que no tienen inmunidad y por
lo tanto pueden ser infectados si se exponen al agente infeccioso.
● Expuestos: Son individuos que fueron infectados, pero aún no son
infecciosos (es decir están en un periodo de incubación o latencia).
● Infectados: Son individuos que están infectados y en un momento dado
pueden transmitir la infección a individuos susceptibles si tienen contacto con
ellos.
● Recuperados: Son individuos que padecieron la infección, se recuperaron
adquirieron inmunidad y consecuentemente no afectan a la transmisión
cuando entran en contacto con otros individuos.

La cantidad de individuos en cada compartimento varía con el tiempo. Asumiendo

una incidencia de acción de masa, se tiene que 𝑺′ = 𝜷𝑺𝑰, es decir el número de
susceptibles decrece debido al contacto de algunos susceptibles con
infectados mientras que el número de infectados crece a razón 𝜷𝑺 donde 𝜷 es
la tasa de transmisión del compartimento de susceptibles a infectados. Se asume
que 𝜷 = 𝒑𝒊𝒄 donde 𝒑𝒊 es la probabilidad de que el contacto de un infectado con
un susceptible resulte en transmisión de la enfermedad y c es el promedio de
contactos de un infectado con susceptibles. Al mismo tiempo, la cantidad de
infectados decrece puesto que algunos infectados se recuperan a una tasa
(tasa de recuperación reciproco de los días que toma recuperarse de la
enfermedad), y la cantidad de recuperados crece a razón 𝑹′ = 𝜸𝑰

Modelo SIR

Este modelo tiene por objetivo estimar el número de individuos o miembros de una
población susceptibles a infectarse (S), el número de individuos infectados capaces
de infectar (I) y el número de individuos recuperados (que se curaron o fallecieron)
(R). Cada miembro de la población pertenece únicamente a uno de los tres grupos
en un momento dado. Sin embargo, se puede pasar de un grupo a otro, aunque
solo en una dirección, como se muestra en el siguiente esquema:

Susceptibles Infectados Recuperados

(S) (I) (R)

Figura 1. Diagrama de flujo del modelo SIR.

Por tanto, un miembro susceptible se puede contagiar (pasar de S a I) y uno

contagiado se puede recuperar (pasar de I a R) o puede morir. En este modelo se
supone que la recuperación proporciona inmunidad y no se regresa al grupo S.
Las personas que fallecen por la enfermedad se incluyen también en el grupo R,
con lo que la población total se mantiene constante. Como se habrá notado, el
modelo introduce una simplificación, pues no tiene en cuenta ni los nacimientos ni
las muertes por otros motivos. A continuación, se muestran las ecuaciones
obtenidas del modelo de Kermack y McKendrick:

𝑺′ = 𝜷𝑺𝑰
𝑰′ = 𝜷𝑺𝑰 − 𝜸𝑰
𝑹′ = 𝜸𝑰

Para el caso de un modelo que incluya un periodo de incubación, se tiene que 𝑺′ =

𝜷𝑺𝑰 y los susceptibles se transfieren al compartimento de expuestos. Se tiene que
el número de expuestos crece en 𝜷𝑺𝑰, pero decrece en ηE donde η es la tasa en
que los expuestos se convierten en infectados (η es el reciproco del tiempo de
incubación), el número de infectados se incrementa en ηE pero decrece en 𝜸𝑰
debido a los recuperados. Otro modelo es el siguiente:

Modelo SEIR

El modelo SEIR se adapta bien al comportamiento de la epidemia del coronavirus

dado que, en esta enfermedad, además de tener a los susceptibles de ser
infectados, a los ya infectados y a los recuperados, conviene también tener en
cuenta a los expuestos, esto es, individuos que portan la enfermedad pero que, al
hallarse en su periodo de incubación, no muestran síntomas y aún no pueden
infectar a otros (hay que ser precisos con lo que estamos denotando: si un individuo
no presenta síntomas pero sí puede contagiar a otros lo contabilizamos en infectado
(I), no en expuesto (E)). A continuación, se nuestra un esquema de este modelo:

Susceptibles Expuestos Infectados Recuperado

(S) (E) (I) s (R)

Figura 2. Diagrama de flujo del modelo SEIR.

Para este modelo tenemos tres parámetros: 𝜷, llamado tasa de transmisión, de

manera que 𝟏/𝜷 mide la probabilidad de que un susceptible se infecte cuando entra
en contacto con un infectado; 𝜸, llamado tasa de recuperación, de manera que el
periodo medio de recuperación es 𝟏/𝜸; y 𝜼, de forma que 1/𝜼 es el tiempo promedio
de incubación. A partir de estas definiciones tenemos las ecuaciones diferenciales
del modelo SEIR:
𝑺′ = 𝜷𝑺𝑰
𝑬′ = 𝜷𝑺𝑰 − 𝜼𝑬
𝑰′ = 𝜼𝑬 − 𝜸𝑰
𝑹′ = 𝜸𝑰
 Se debe notar que las comillas significan derivadas, por lo tanto: S’ + E’ + I’ + R’=
0, así la población total N = S + E + I + R la asumimos como constante. En estos
modelos básicos se asume que no hay reinfección, es decir, una persona
recuperada adquiere inmunidad (al menos durante el periodo de tiempo que dura la
epidemia). Así mismo no se considera ni el crecimiento ni la disminución de la
población debida a nacimientos o muertes naturales; esta suposición resulta
adecuada cuando se modela en periodos cortos de tiempo. Una cantidad de suma
importancia para los epidemiólogos es el número básico de reproducción que para
estos dos modelos es:
𝑺°𝜷
𝑹𝟎 =
𝜸

y se define como el número promedio de casos nuevos que genera un caso

infeccioso en una población de susceptibles o, dicho de otra manera, se define como
la tasa básica de reproducción y representa el número de nuevos infectados
producidos por un infectado si toda la población es susceptible.

ALGORTIMO
1.-Definir el tamaño del mundo por un espacio de celdas igual a non que pueda semejar por
lo menos a un poblado pequeño.
2.- Definir el porcentaje de la población inicial, (el % del tamaño del espacio).
3.-Definir el número de pacientes cero (personas iniciales contagiadas) en el mundo
distribuidas al azar.
4.-Definir el tiempo que dura el virus en un individuo. Se inicializa el programa. Se crea una
variable de tipo matriz para saber cuál es el estado de cada individuo.
5.-Se declara un contador de tipo matriz para saber cuántos días lleva enfermo cada individuo.
6.-Se declara un contador de tipo matriz para saber cuántas veces se ha enfermado cada
individuo.
7.-Se declara un contador para la cantidad de personas que hay en el espacio.
8.-Se declara un contador de tipo matriz para saber la probabilidad de inmunidad que
presenta un individuo una vez recuperado
9.-Asignar mediante ciclos el valor de sano a cada individuo de la población inicial.
10.-Se incrementa el contador de las personas en el espacio.
11.-Asignar mediante un ciclo a los pacientes ceros que habrá en la población
12.-Crear simulación por dos años (730 días)
13.-Para un tiempo t=365 se introducirá la variable "Vacuna" la cual hará que cada tiempo t=5
individuos se vuelvan inmunes.
14.-Si el individuo está sano, infectado, recuperado o vacunado se mueve.
15.-Se crea un incremento en x y en y para desplazar al individuo
16.-Se analiza que el individuo no se salga del espacio, se crean las nuevas coordenadas del
individuo se deja vacía la celda que estaba ocupada. Si existe un individuo enfermo con
síntomas en la nueva celda, se deja igual y se incrementan los días. Si el individuo excede el
tiempo que dura el virus
17.-Calculamos la probabilidad de morir de un individuo se calcula probabilidad de inmunidad
revisamos si se puede contagiar un individuo sano o recuperado inicializamos el número de
vecinos contagiados contamos la cantidad de vecinos contagiados
18.-Revisamos si el vecino del individuo está enfermo
19.-Se declara el contador de personas infectadas
20.- Se declara el contador de personas vacunadas
21.-Se declara el contador de personas sanas
22.-Se declara el contador de personas muertas
23.-Se declara el contador de personas asintomáticas se declara el contador de personas
recuperadas Se recorren todas las celdas con individuos para contar los casos

CODIGO
%Programa simulacion Coronavirus
function virus
%% Uso virus
%% Preallocations
size = 500; % Tamaño de la matriz, entre mas grande mas tarda
rhoIni = 0.4; % porcentaje de poblacion inicial
np0=4; % numero de pacientes zero distribuidos al azar
tvirus=28; % tiempo que el paciente puede contagiar a los demas
pcontagio=0.125; % Probabilidad de contagiarse con un solo individuo
sdias=2*365; % Número de dias que se simularan

% tipos de individuos
% 0 celda vacia
% 1 Suceptibles
% 2 Contagiados
% 3 Recuperado-Inmune
% 4 Recuperado-Fallecido

% inicializamos la poblacion inicial

individuos = zeros(size);
tinfectado= zeros(size);
ni=0;
for i=1:size
for j=1:size
if rand< rhoIni
individuos(i,j)=1; %creamos individuo suceptible tipo 1
ni=ni+1;
end
end
end

% Creamos los individuos infectados

for j=1:np0
%paciente cero
i0=round(rand*size);
j0=round(rand*size);
individuos(i0,j0)=2; % creamos individuo infectado tipo 2
tinfectado(i0,j0)=1;
end

%% Simulation por sdias

dia=0;
while dia < sdias
dia = dia + 1;
for i=1:size
for j=1:size
if (individuos(i,j) >0 )&&(individuos(i,j) <4)
% si hay un individuo sano o infectado lo muevo
dx = round(rand*3.0-1.5);
dy = round(rand*3.0-1.5);
% revisamos fronteras para que no salga de la matriz
if (i+dx>size)
 dx=0;
end
if (i+dx<1)
dx=0;
end
if (j+dy>size)
dy=0;
end
if (j+dy<1)
dy=0;
end

in=round(i+dx);
jn=round(j+dy);
%disp(i);
%disp(j);
%disp(in);
%disp(jn);
%disp(dx);
%disp(dy);
% si la nueva celda esta vacia lo movemos
if individuos(in,jn)==0
individuos(in,jn)=individuos(i,j);
tinfectado(in,jn)=tinfectado(i,j);
individuos(i,j)=0;
tinfectado(i,j)=0;
if individuos(in,jn)==2
tinfectado(in,jn)= tinfectado(in,jn)+1;
if tinfectado(in,jn)>tvirus
tinfectado(in,jn)=0;
individuos(in,jn)=3; % pasa a ser
inmune falta agregar fallecimiento
end
end
% revisamos el numero de vecinos infectados
if individuos(in,jn)==1

nvi=0;
vxi=-1;
vxf=1;
vyi=-1;
vyf=1;
if in==size
vxf=0;
end
if in==1
vxi=0;
end
if jn==size
vyf=0;
end
if jn==1
vyi=0;
end

for ki=vxi:vxf
for kj=vyi:vyf
ink=round(in+ki);
jnk=round(jn+kj);
if individuos(ink,jnk)== 2
nvi=nvi+1;
 end
end
end
%calculamos probabilidad de contagio
if rand < nvi*pcontagio
individuos(in,jn)=2; % el individio pasa a ser
Infectado
tinfectado(in,jn)=1;
end
end
end
end
end
end

infectados=0;
sanos=0;
recuperados=0;
for i=1:size
for j=1:size
if individuos(i,j)==1
sanos=sanos+1;
end
if individuos(i,j)==2
infectados=infectados+1;
end
if individuos(i,j)==3
recuperados=recuperados+1;
end
% Faltaria la cuenta de fallecidos
end
end
%disp(dia);
%disp(sanos);
%disp(infectados);
%disp(fallecidos);
imagesc(individuos);
% draw the lattice
drawnow;
% forces the script to draw before the loop ends
temp=[dia, sanos, infectados, recuperados]; %Eduardo LFAM
dlmwrite('corrida5.txt',temp ,'-append'); %Eduardo LFAM

end
%% Graphics
%% disp(ni);
%%imagesc(individuos);

end

Bibliografía
[1] Preguntas y respuestas sobre la enfermedad por coronavirus (COVID-19):
https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019/advice-for-
public/q-a-
coronaviruses?gclid=Cj0KCQiA3smABhCjARIsAKtrg6ILB_B4cIT8iiQToRIi6DZfXB
_ wftMRMCFkRfpJqlE0cCLIX8GSy_IaAqYjEALw_wcB
[2] Reseña histórica del COVID-19; ¿Cómo y por qué llegamos a esta
pandemia?: https://www.actaodontologica.com/ediciones/2020/especial/art-2/
[3] Inmunidad y COVID-19: https://www.fundacionmf.org.ar/visor-
producto.php?cod_producto=5830
[4] Simulación Numérica y Modelación Matemática de la propagación del Covid 19
en el estado de Veracruz
[5] El modelo SIR, un enfoque matemático de la propagación de infecciones:
https://culturacientifica.com/2020/08/24/el-modelo-sir-un-enfoque-matematico-
de- la-propagacion-de-infecciones/
[6] Análisis del COVID-19 por medio de un modelo SEIR:
https://institucional.us.es/blogimus/2020/03/covid-19-analisis-por-medio-de-un-
modelo-seir/