Correcciones Estrella Juneysi

UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA, LEÓN
FACULTAD DE CIENCIAS Y TECNOLOGÍA
DEPARTAMENTO DE MATEMÁTICA, ESTADÍSTICA Y ACTUARIALES
LICENCIATURA EN MATEMÁTICA
MONOGRFÍA PARA OPTAR AL TÍTULO DE LICENCIATURA EN MATEMÁTICA

ANÁLISIS DE LAS ENFERMEDADES EPIDEMIOLÓGICAS DENGUE, CONJUNTIVITIS,
VARICELA Y HEPATITIS A EN EL MUNICIPIO DE LEÓN MEDIANTE EL MODELO SIR
APLICADO A PYTHON A TRAVÉS DE SIG 2018-2020
PRESENTA:
Br. Estrella Paola Guevara Martı́nez
Br. Juneysi Maribel Hernández Picado
TUTORA:
M.Sc.Lissette del Carmen Quintero Vargas
ASESORA:
M.Sc. Leydi Lacayo Martı́nez
León, Nicaragua, 16 de junio del 2021
“ A LA LIBERTAD POR LA UNIVERSIDAD”

DEDICATORIA
“ La presente investigación se la dedicamos a nuestros padres y familia, quienes

nos brindaron su apoyo y amor incondicional; enseñándonos que todo lo que uno se
propone, se logra con esfuerzo. A la Dr. Laureana Molina Membreño, M.Sc. Lissette
Quintero Vargas, M.Sc. Leydi Lacayo Martı́nez y M.Sc. William Milton Carvajal; quie-
nes nos brindaron su apoyo durante nuestra estadı́a en el CSIG; y nos ayudaron a
completar nuestros conocimientos.”
AGRADECIMIENTOS
Agradecemos primeramente a Dios, por darnos la vida, la salud, la sabiduria e inte-

ligencia y por guiar nuestro camino. A nuestras familias, por ser el motor fundamental
para ser cada dia mejores y motivarnos a superarnos académicamente.
Queremos agradecer especialmente a nuestra tutora de tesis M.Sc. Lissette Quintero

y la cotutora M.Sc. Leydi Lacayo; el esfuerzo y el tiempo que nos brindaron. Gracias
por acompañarnos durante todo el proceso de formación con paciencia y dedicación.
Al Sistema Local de Atención Integral en Salud (SILAIS) junto con la Dirección de

Vigilancia Epidemiológica, por brindarnos el acceso a los datos registrados en la ciu-
dad de León.
Finalmente, a los profesores de nuestra bella alma mater, por ser fuente de cono-
cimiento y vocación; que nos formaron durante la carrera de la Licenciatura en Ma-
temática.
RESUMEN
Este trabajo tiene como propósito, plantear el procedimiento metodológico para

realizar el análisis de enfermedades epidemiológicas (Dengue, Conjuntivitis, Varicela
Y Hepatitis A), aplicando el modelo SIR de Kermack y McKendrick (1927, 1933). El
cual es descrito mediante sistemas autónomos de ecuaciones diferenciales ordinarias
de primer orden no lineales, usando los softwares Python y QGIS (de los Sistema
de Información Geográfica), para los sectores urbano y rural del municipio de León,
Nicaragua (territorios Perla Marı́a Norori, Sutiava y Mantica Berio), la información fue
proporcionada por el Sistema Local de Atención Integral en Salud, periodo 2018 a
2020.
Palabras claves: Transmisión, epidemiologı́a, modelo matemático, modelo SIR.
I
ÍNDICE GENERAL
1. ASPECTOS INTRODUCTORIOS 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2. MARCO TEÓRICO 5
2.1. EPIDEMIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1. Conjuntivitis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2. Dengue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.3. Dengue grave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.4. Hepatitis A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.5. Sı́ntomas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.6. Varicela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2. El Modelo SIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1. El plano de fase (plano-SI) . . . . . . . . . . . . . . . . . . . . . 16
2.2.2. El fenómeno del umbral . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.3. El número lı́mite de individuos susceptibles . . . . . . . . . . . . 19
2.2.4. La curva de la epidemia . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.5. El modelo endémico de SIR . . . . . . . . . . . . . . . . . . . . . 24
3. METODOLOGÍA 29
3.1. Tipo de Investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2. Etapas del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1. Recolección de la información . . . . . . . . . . . . . . . . . . . 29
3.2.2. Selección de herramientas a usar . . . . . . . . . . . . . . . . . 29
3.2.3. Desarrollo del modelo matemático . . . . . . . . . . . . . . . . . 30
3.2.4. Detección y clasificación . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.5. Evaluación y valoración . . . . . . . . . . . . . . . . . . . . . . . 30
II
3.3. Materiales Utilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.1. Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.2. Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4. RESULTADOS Y DISCUSIÓN 36
5. CONCLUSIONES 62
6. RECOMENDACIONES 63
7. APÉNDICE 66
7.1. Apéndice A: Instalación de QGIS . . . . . . . . . . . . . . . . . . . . . . 66
III
ÍNDICE DE FIGURAS
2.1. Diagrama de flujo que demuestra las relaciones entre Susceptible (S),
infectado (I) y recuperado (R) Shah (2013). . . . . . . . . . . . . . . . . 14
2.2. El sistema de trayectoria del plano de fase SI para el modelo SIR; las
curvas son susceptibles (S), infecciosas (I) Martcheva (2015). . . . . . . 19
2.3. El sistema de trayectoria del plano de fase RS para el modelo SIR Heth-
cote (2000). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4. Curva Epidemiológica Rahman y Kuddus (2014). . . . . . . . . . . . . . 24
2.5. Análisis de bifurcación para el modelo endémico SIR. Estado estable
libre de infección estable para R0 < 1; inestable libre de infección i y
estado estable endémico estable i∗ para R0 > 1 Roberts (2007). . . . . 27
2.6. Plano de fase para el modelo endémico SIR cuando: (a) R0 = 0,5 < 1;
(b) R0 = 2 > 1. Otros valores de los parámetros son µ = 0,02 y γ = 0,05
Roberts (2007). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.1. Etapas del Proyecto. Fuente Propia . . . . . . . . . . . . . . . . . . . . 31
4.1. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados

(I) y Recuperados (R) generadas sobre la enfermedad de Dengue en
el año 2018 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 36
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 38
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 41
IV
(I) y Recuperados (R) generadas sobre la enfermedad de Conjuntivitis
en el año 2018 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 43
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 45
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 47
(I) y Recuperados (R) generadas sobre la enfermedad de Varicela en
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 49
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 51
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 53
4.10.Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Hepatitis A
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 55
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 57
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 59
V
LISTA DE SÍMBOLOS
Sı́mbolos con letras griegas
Término Sı́mbolo Cantidad
Beta
β Tasa de contagios
Gamma γ
Tasa de recuperación
Delta δ Tiempo promedio de inmunidad temporal
Mu µ
Tasa promedio de defunciones
VI
CAPÍTULO 1
ASPECTOS INTRODUCTORIOS
1.1. Introducción
En la actualidad, las matemáticas están siendo utilizadas en un amplio repertorio
de campos del conocimiento de distintas áreas cientı́ficas, las cuales juegan un papel
fundamental en la área Epidemiologı́a, disciplinas que se encarga del estudio de las
enfermedades virales e infecciosas las cuales representan un problema que afecta a
la población en general año con año.
Según el SILAIS de León, Nicaragua, las principales enfermedades que afectan a

la población es Dengue, Varciela, Conjuntivitis y Hepatitis A, las cuales han sido es-
tudiadas y controladas, pero no dejan de generar nuevos casos, por esta razón se
encuentra la necesidad de contar con una herramienta computacional como los soft-
wares Python y QGIS que mediante las aplicaciones de las ecuaciones diferenciales
de un modelo matemático SIR, permita simular, analizar y observar el comportamiento
de estas a través del tiempo, en ciertas condiciones iniciales, contemplando distintos
parámetros y variables. Ası́ al calcular diferentes parámetros importantes y estimar los
datos finales en el periodo se puede determinar qué tanto impacto tendrán la distintas
enfermedades.
El propósito de este estudio es brindar a las autoridades del Sistema Local Integral de
Salud (SILAIS) del municipio de León, constar con herramientas que permitan evaluar
y realizar diversas estrategias para estudiar patrones de propagación de epidemias
posibilitando ası́, el monitoreo y control de las enfermedades en un tiempo determina-
do.
1
1.2 Antecedentes Capı́tulo 1. ASPECTOS INTRODUCTORIOS
1.2. Antecedentes
De acuerdo a Cáceres (2004) los orı́genes de la modelación moderna de epide-
mias datan desde 1927, con la propuesta de William Ogilvy Kermack y Anderson Gray
McKendrick del modelo SIR (Susceptible, Infectado y Recuperado). Este enfoque ha
impactado positivamente en el área de modelación y control de epidemias. Conside-
rando que la relevancia del modelo SIR se manifiesta desde diferentes ángulos, entre
los que se destacan su simplicidad, su valor didáctico, su aplicabilidad a datos reales,
su extensibilidad para el estudio de epidemias con mecanismos más complejos. Asi-
mismo, se obtienen soluciones numéricas para un modelo de epidemias asociadas a
vectores y se discute la eficacia de diferentes estrategias para su erradicación.
A lo largo de los años han existido distintas epidemias que han impactado a la so-
ciedad, como resultado surge la necesidad de controlar dichos brotes, que si no se
aplicaban medidas de prevención y control, podı́an orillar a consecuencias desastro-
sas. Trabajos recientes sobre el tema han hecho posible llegar a definiciones con ma-
yor nivel de integración de los sistemas de vigilancia.
OMS (2020) definen el virus del Dengue, Conjuntivitis, Varicela, y Hepatitis A por su
naturaleza y estructura han provocado brotes epidemiologicos significativos en el ser
humano, donde existen 2 periodos importantes: el periodo de incubación que es cuan-
do el virus entra al organismo del individuo y se aloja hasta por dı́as sin que presente
sı́ntomas y el periodo de recuperación que es de aproximadamente entre 7 y 14 dı́as.
En Nicaragua la primera epidemia documentada de Dengue se presentó en el año

1985 con 17,483 casos notificados, persistiendo hasta la época actual con un compor-
tamiento endémico y aparecimiento de brotes en diferentes departamentos del paı́s.
El virus de la Hepatitis A es una de las causas más frecuentes de infección de trans-
misión alimentaria principalmente por vı́a fecal-oral con consecuencias económicas y
sociales graves en las comunidades.
Diario La Gaceta (2013) exponen que un estudio realizado en la ciudad de León-

Nicaragua en 1995 donde se querı́a conocer la seroepidemiologı́a de la Hepatitis A
en niños de 17-73 meses se encontró que de 979 casos estudiados 659 presentaban
anticuerpos para el virus de la Hepatitis A. En el año 2017 Nicaragua presentó 11,364
casos de Conjuntivitis según el informe del ministerio de salud (MINSA), afectando a
52 municipios del paı́s.
La Varicela ha sido considerada una enfermedad propia de la infancia, habitualmente

benigna; no obstante a menudo se presentan complicaciones, la cual constituye un
problema de salud pública en la ciudad de León. El ministerio de salud informó el 28
de mayo del 2018 un aparente brote en Nicaragua. La mayorı́a de los casos se dieron
en niños menores de 15 años de edad, pero también pudo observarse en adultos.
2
Capı́tulo 1. ASPECTOS INTRODUCTORIOS 1.2 Antecedentes
La vigilancia epidemiológica en salud pública en Nicaragua es un proceso continuo

y sistemático de colección, análisis e interpretación de datos de las enfermedades o
daños sujetos a notificación obligatoria en el paı́s.
Diego de Pereda Sebastián de la Universidad Complutense de Madrid, (Madrid, Es-

paña 2010) trabajó en su Proyecto Fin de Máster en Investigación Matemática Mode-
lización matemática de la difusión de una epidemia de peste porcina entre granjas,
donde concluye que el caso concreto de la fiebre porcina se percibió que las granjas
con animales infectados no tardan en tener la mayorı́a de sus animales infectados.
Emilene Carmelita Pliego Pliego de la Benemérita Universidad Autónoma de Puebla,

(Puebla, México, Junio 2011) Modelos Epidemiológicos de Enfermedades Virales In-
fecciosas, concluyó que los modelos matemáticos son la herramienta práctica más
efectiva que nos permite contestar preguntas acerca de qué medidas de control son
las más adecuadas.
Andrea Garcı́a Piñera de la Universidad de Cantabria, (Santander, España, Diciembre

2014), trabajó en su proyecto de grado titulado Modelos de ecuaciones diferenciales
para la propagación de enfermedades infecciosas .
Vı́ctor Martı́n Barroso del Instituto Complutense de Estudios Internacionales (Madrid,

España, Abril 2020) su trabajo se titula Una breve introducción al modelo SIR aplicado
al caso del Covid-19.
Benjamin Ridenhour, Jessica M. Kowalik y David K. Shay (2015) de su investigación El

número reproductivo básico (R0 ): consideraciones para su aplicación en la salud públi-
ca donde concluyeron la estimación de las razones reproductivas que pueden aportar
información útil durante las epidemias.
3
1.3 Objetivo General Capı́tulo 1. ASPECTOS INTRODUCTORIOS
1.3. Objetivo General

Analizar el comportamiento de la propagación de las enfermedades epidemiológi-
cas Dengue, Conjuntivitis, Varicela y Hepatitis A del municipio de León, mediante el
modelo matemático SIR, utilizando el software Python y SIG.
1.4. Objetivos Especı́ficos

Crear un modelo SIR mediante el software Python que describa el comporta-
miento de transmisión de las enfermedades epidemiológicas Dengue, Conjunti-
vitis, Varicela y Hepatitis A, en el municipio de León en los años 2018-2020.
Comparar el comportamiento de las curvas epidemiológicas de las enfermeda-

des en los 3 territorios que conforman el municipio de León, 2018-2020.
Realizar un análisis geoestadı́stico de las enfermedades epidemiológicas Den-

gue, Conjuntivitis, Varicela y Hepatitis A con el Sistema de Información Geográfi-
ca (SIG), en el municipio de León, Nicaragua durante los años 2018-2020.
4
CAPÍTULO 2
MARCO TEÓRICO
2.1. EPIDEMIAS
2.1.1. Conjuntivitis
De acuerdo a la OMS (2020) la conjuntivitis es una infección en los ojos producida
por bacterias. Se manifiesta repentinamente con enrojecimiento, lagrimeo, irritación y
dolor. Se presentan pus y lagañas en los ojos y a veces amanecen pegados. Estas
manifestaciones inflamatorias pueden observarse durante un perı́odo de cuatro a seis
dı́as.
Transmisión de la Conjuntivitis
La conjuntivitis se transmite fácilmente de un ojo a otro y por contacto directo o
indirecto de una persona infectada con las bacterias, que se encuentran en las secre-
ciones del ojo. También se transmite por medio de las gotitas que salen por las vı́as
respiratorias, y por el agua de las piscinas con cloración deficiente. Una persona enfer-
ma de conjuntivitis puede transmitir la enfermedad a otra, hasta cuatro dı́as después
de aparecer los primeros sı́ntomas.
Es importante recordar que después de estar en contacto con las secreciones ocu-
lares de una persona infectada, los sı́ntomas se inician entre 12 horas y hasta 3 dı́as
después. Los sı́ntomas clásicos pueden incluir:
Enrojecimiento de la parte blanca del ojo.
Lagrimeo.
Picazón de los ojos.
Secreciones de los ojos.
5
2.1 EPIDEMIAS Capı́tulo 2. MARCO TEÓRICO
Costras en los párpados o las pestañas.
Tratamiento
Para aliviar las molestias se pueden aplicar compresas de agua tibia, también de-
ben limpiarse las secreciones y despegarse los párpados con agua hervida tibia, suero
fisiológico estéril o un lı́quido adecuado recomendado por el médico. No utilice gotas
u otros medicamentos. Estos deben emplearse únicamente por indicación médica, en
caso que aparezcan complicaciones que ameriten su uso.
2.1.2. Dengue
OMS (2020) nos explica que el dengue es una enfermedad vı́rica transmitida por
mosquitos que en los últimos años se ha propagado rápidamente por todas las regio-
nes de la OMS. El virus del dengue se transmite por mosquitos hembra, principalmen-
te de la especie Aedes aegypti y, en menor grado, Ae. albopictus. Estos mosquitos
también son vectores de los virus de la fiebre chikungunya, de la fiebre amarilla y de
Zika. La enfermedad está muy extendida por los trópicos, con variaciones locales en
el riesgo que dependen de las precipitaciones, la temperatura, la humedad relativa y
la urbanización rápida sin planificar.
El dengue provoca un amplio espectro patológico, que puede abarcar desde una enfer-
medad asintomática (la persona puede no haberse percatado de que está infectada)
hasta sı́ntomas graves similares a los de la gripe en las personas infectadas. Si bien
es menos frecuente, algunas personas evolucionan hacia un dengue grave, que pue-
de entrañar un número indeterminado de complicaciones vinculadas a hemorragias
graves, insuficiencia orgánica o extravasación de plasma.
El dengue grave conlleva un mayor riesgo de muerte si no se trata debidamente. Fue

identificado por vez primera en los años cincuenta del siglo pasado durante sendas
epidemias en Filipinas y Tailandia. Hoy en dı́a, afecta a la mayor parte de los paı́ses
de Asia y América Latina y se ha convertido en una de las causas principales de hos-
pitalización y muerte en los niños y adultos de dichas regiones.
El causante del dengue es un virus de la familia Flaviviridae, que tiene cuatro serotipos
distintos, pero estrechamente emparentados: DENV-1, DENV-2, DENV-3 y DENV-4.
Se cree que la recuperación de la infección otorga inmunidad de por vida contra el
serotipo que ha causado la infección. Sin embargo, la inmunidad cruzada a los otros
serotipos tras la recuperación es parcial y temporal. Las infecciones posteriores (se-
cundarias) causadas por otros serotipos aumentan el riesgo de padecer el dengue
grave.
6
Capı́tulo 2. MARCO TEÓRICO 2.1 EPIDEMIAS
Transmisión
El virus se transmite a los seres humanos por la picadura de mosquitos hembra
infectadas, principalmente del mosquito Aedes aegypti. Otras especies del género Ae-
des también pueden ser vectores, pero su contribución es secundaria en relación con
la de Aedes aegypti.
Después de que el mosquito pique a una persona infectada por el DENV, este se repli-
ca en el intestino medio del mosquito antes de diseminarse hacia tejidos secundarios,
como las glándulas salivales. El tiempo que transcurre entre la ingestión del virus y
la transmisión a un nuevo hospedador se denomina periodo de incubación extrı́nseco,
que dura entre 8 y 12 dı́as cuando la temperatura ambiente oscila entre 25 ºC y 28 ºC.
No solo la temperatura ambiente influye en las variaciones del periodo de incubación

extrı́nseco; varios factores, como la magnitud de las fluctuaciones diarias de tempe-
ratura, el genotipo del virus, y la concentración vı́rica inicial pueden alterar también el
tiempo que tarda un mosquito en transmitir el virus. Una vez es infeccioso, el mosquito
puede transmitir el agente patógeno durante toda su vida.
Caracterı́sticas de la enfermedad (signos y sı́ntomas)

El dengue es una enfermedad grave de tipo gripal que afecta a lactantes, niños pe-
queños y adultos, pero raras veces resulta mortal. Los sı́ntomas se presentan al cabo
de un periodo de incubación de 4 a 10 dı́as después de la picadura de un mosquito
infectado y por lo común duran entre 2 y 7 dı́as.
La Organización Mundial de la Salud clasifica el dengue en dos categorı́as princi-

pales: dengue (con o sin signos de alerta) y dengue grave. La clasificación secundaria
de dengue con o sin signos de alerta está concebida para ayudar a los profesionales
de la salud a seleccionar pacientes para su ingreso hospitalario, a fin de someterlos a
observación estrecha, y reducir al mı́nimo el riesgo de que evolucionen hacia la forma
más grave de dengue.
Dengue
Debe sospecharse que una persona tiene dengue cuando una fiebre elevada (40
°C/104 °F) se acompaña de dos de los sı́ntomas siguientes durante la fase febril:
Dolor de cabeza muy intenso.
Dolor detrás de los globos oculares.
Dolores musculares y articulares.
Náuseas.
Vómitos.
7
Agrandamiento de ganglios linfáticos.

Sarpullido.
2.1.3. Dengue grave

De acuerdo con OMS (2020) el paciente entra en lo que se denomina fase crı́tica
por lo general de 3 a 7 dı́as después de iniciarse la enfermedad. Es en este momento,
al remitir la fiebre (por debajo de 38 °C/100 °F ) en el paciente, cuando pueden mani-
festarse los signos de alerta asociados al dengue grave.
El dengue grave es una complicación potencialmente mortal porque cursa con ex-
travasación de plasma, acumulación de lı́quidos, dificultad respiratoria, hemorragias
graves o falla orgánica. El personal médico deberı́a buscar signos de alerta como los
siguientes:
Dolor abdominal intenso.
Vómitos persistentes.
Respiración acelerada.
Hemorragias en las encı́as.
Fatiga.
Agitación.
Presencia de sangre en el vómito.
Si los pacientes manifiestan tales signos durante la fase crı́tica, es esencial so-
meterlos a una observación estrecha en las 24-48 horas siguientes a fin de brindar
atención médica adecuada para evitar otras complicaciones y el riesgo de muerte.
Tratamiento
No hay tratamiento especı́fico para el dengue. Pueden tomarse antipiréticos y
analgésicos para reducir los sı́ntomas de dolores musculares y fiebre.
La mejor opción terapéutica contra tales sı́ntomas es el paracetamol.
Los AINE (antiinflamatorios no esteroideos), como el ibuprofeno y la aspirina,
deberı́an evitarse. Estos medicamentos antiinflamatorios son anticoagulantes,
y en una enfermedad con riesgo de hemorragias los anticoagulantes pueden
empeorar el pronóstico.
En caso de dengue grave, la asistencia prestada por el personal médico y de enfer-
merı́a con experiencia en los efectos y evolución de la enfermedad puede salvar vidas
y reducir las tasas de mortalidad de más del 20 por ciento a menos del 1 por ciento.
Es decisivo mantener el volumen de lı́quidos corporales del paciente. Los pacientes
con dengue deberı́an solicitar ayuda médica si aparecen signos de alerta.
8
2.1.4. Hepatitis A
Como señala OMS (2020) la Hepatitis A es enfermedad hepática la cual se debe
al virus de la Hepatitis A (VHA), que se transmite principalmente cuando una persona
no infectada (y no vacunada) come alimentos o bebe agua contaminados por heces
de una persona infectada por el virus. La infección está muy asociada al agua y los
alimentos no inocuos, el saneamiento deficiente, la mala higiene personal y el sexo
bucoanal.
A diferencia de las Hepatitis B y C, la Hepatitis A no causa hepatopatı́a crónica y

rara vez es mortal, pero puede ocasionar sı́ntomas debilitantes y hepatitis fulminante
(insuficiencia hepática aguda) que, a menudo, es mortal.
La Hepatitis A se presenta esporádicamente y en epidemias en todo el mundo y tien-

de a reaparecer periódicamente. El VHA es una de las causas más frecuentes de
infecciones de transmisión alimentaria. Las epidemias asociadas a alimentos o agua
contaminados pueden aparecer de forma explosiva, como ocurrió con la epidemia re-
gistrada en Shanghái en 1988, que afectó a unas 300 000 personas.
Además, se pueden prolongar mucho y persistir durante meses en la población a

través del contagio entre personas. Los virus causantes subsisten en el medio y pue-
den resistir a los métodos de inactivación y control de las bacterias patógenas utiliza-
dos habitualmente en la producción de alimentos.
La enfermedad puede tener consecuencias económicas y sociales graves en las co-

munidades. Los pacientes pueden tardar semanas o meses en recuperarse y reanudar
sus actividades laborales, escolares o cotidianas. Además, las repercusiones en los
establecimientos de restauración donde se ha detectado el VHA y en la productividad
local en general pueden ser graves.
Transmisión
El VHA se transmite principalmente por vı́a fecal-oral, es decir, cuando una perso-
na no infectada ingiere alimentos o agua contaminados por las heces de un individuo
infectado. En las familias, esto puede ocurrir a través de la suciedad de las manos
de la persona encargada de cocinar. La transmisión hı́drica no es frecuente; cuando
ocurre, suele estar relacionada con la contaminación por aguas residuales o el abas-
tecimiento de agua insuficientemente tratada.
El contagio también se puede producir por contacto fı́sico estrecho con una perso-
na infectada por ejemplo, por mediante el sexo bucoanal, pero no se propaga por
contactos ocasionales.
9
2.1.5. Sı́ntomas
El periodo de incubación de la hepatitis A suele ser de unos 14 a 28 dı́as. Los
sı́ntomas tienen carácter de moderado o grave y comprenden fiebre, malestar, pérdida
de apetito, diarrea, náuseas, molestias abdominales, coloración oscura de la orina e
ictericia (coloración amarillenta de la piel y la esclerótica ocular). Los infectados no
siempre presentan todos esos sı́ntomas.
Los adultos presentan signos y sı́ntomas con mayor frecuencia que los niños, y la
gravedad y la mortalidad de la enfermedad aumentan con la edad. Los menores de
seis años infectados no suelen experimentar sı́ntomas apreciables, y solo el 10 por
ciento muestran ictericia.
Entre los niños más mayores y los adultos, la infección suele causar sı́ntomas más
graves, con ictericia en más del 70 por ciento de los casos. A veces la hepatitis A pue-
de recidivar, es decir, una persona que acaba de recuperarse puede caer enferma de
nuevo con otro episodio agudo, aunque posteriormente se recupera.
¿Quiénes corren riesgo?

Cualquier persona que no se haya vacunado o infectado puede contraer la hepatitis
A. En las zonas donde el virus está extendido (zonas de alta endemicidad), la mayorı́a
de las infecciones se producen durante la primera infancia. Entre los factores de riesgo
cabe citar los siguientes:
Saneamiento deficiente.
Falta de agua salubre.
Convivencia con una persona infectada.
Relaciones sexuales con una persona con infección aguda por VHA.
Consumo de drogas inyectables.
Viajes a zonas de alta endemicidad sin inmunización previa.
10
Tratamiento
No hay ningún tratamiento especı́fico para la hepatitis A. Los sı́ntomas pueden re-
mitir lentamente, a lo largo de varias semanas o meses. Lo más importante es evitar
medicamentos innecesarios. No se deben administrar antieméticos ni paracetamol. La
hospitalización es innecesaria en ausencia de insuficiencia hepática aguda. El trata-
miento persigue el bienestar y el equilibrio nutricional del paciente, incluida la rehidra-
tación tras los vómitos y diarreas.
Prevención
La mejora del saneamiento, la inocuidad de los alimentos y la vacunación son las
medidas más eficaces para combatir la hepatitis A. La propagación de la hepatitis A
puede reducirse mediante:
Sistemas adecuados de abastecimiento de agua potable.
Eliminación correcta de las aguas residuales de la comunidad.
Prácticas de higiene personal.
Como lavarse regularmente las manos antes de comer y después de ir al baño.
Hay varias vacunas inyectables inactivadas contra la hepatitis A disponibles a ni-

vel internacional, todas ellas similares con respecto a la protección conferida y a sus
efectos colaterales, si bien ninguna ha sido autorizada para los menores de un año.
En China también está disponible una vacuna oral con virus vivos.
Al cabo de un mes de haber recibido una sola dosis de la vacuna, casi el 100 por
ciento de las personas desarrolla niveles protectores de anticuerpos. Incluso después
de la exposición al virus, una dosis de la vacuna dentro de las dos semanas pos-
teriores al contacto surte efectos protectores. Aun ası́, los fabricantes recomiendan
administrar dos dosis para garantizar una protección a más largo plazo, de entre cinco
y ocho años.
Millones de personas han recibido vacunas inyectables inactivadas contra la hepati-

tis A sin que hayan presentado eventos adversos graves. La vacuna se puede incluir
en los programas habituales de inmunización infantil y junto con las vacunas que se
administran a los viajeros.
11
2.1.6. Varicela
OMS (2020) nos afirma que la varicela es una infección viral que afecta, por lo ge-
neral, a menores de cinco años o durante la edad escolar, en la mayor parte de los
casos no tiene complicaciones, no deja secuelas y se resuelve por sı́ misma.
El cuadro inicia con fiebre moderada y malestar general, con un periodo de incuba-
ción (desde el contacto infeccioso hasta que aparecen los sı́ntomas) de dos a tres
semanas; el cuadro se caracteriza por una erupción en piel que afecta cuero cabellu-
do, cara, tronco, extremidades y en ocasiones a las mucosas.
En pocas horas se convierten en ampollas, las cuales se rompen de manera es-

pontánea, dejando pequeñas lesiones ulcerativas, que finalmente se convierten en
costras. Las lesiones producen mucha comezón y aparecen en brotes sucesivos, por
lo que en un momento dado el paciente tendrá lesiones en los distintos estadios; la
fase eruptiva dura alrededor de una semana.
La infección se produce por contacto persona a persona, a través de secreciones

respiratorias o de las lesiones, o de manera indirecta por contacto con objetos con-
taminados por secreciones de pacientes infecciosos; los pacientes son infecciosos
desde uno a dos dı́as antes de la erupción, hasta que todas las lesiones se han seca-
do; las costras no son infectantes.
La infección en adultos -por lo general- tiene manifestaciones más intensas; en un

pequeño porcentaje de la población puede originar cicatrices permanentes (10 por
ciento), o complicaciones graves como meningitis, neumonı́as o infecciones en piel
(secundarias a rascado), que pueden llevar a la muerte. La frecuencia de estas com-
plicaciones es mayor en adultos.
El comportamiento de la enfermedad, respecto a la edad de infección, es similar a

la del sarampión o la rubéola. Es decir, antes de los 15 años de edad cerca del 90 por
ciento de la población ha tenido la infección, al llegar a la edad adulta se ha infectado
alrededor del 95 por ciento.
Los grupos de alto riesgo para presentar cuadros graves o complicaciones son los
inmunocomprometidos (VIH/sida, pacientes con cáncer, leucemia, quienes reciben
corticosteroides sistémicos, etc.), recién nacidos de madres que no hayan tenido la
enfermedad o cuya madre padece la infección en el periodo perinatal, pacientes que
reciben tratamiento contra el asma, y adultos.
12
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
2.2. El Modelo SIR

Martcheva (2015) nos explica que para comprender el mecanismo de transmisión
de enfermedades, se necesita una técnica bien establecida para hacer inferencias para
modelos epidemiológicos. Dentro de la epidemiologı́a, uno de los modelos matemáti-
cos determinı́sticos más usado es el denominado modelo SIR (Susceptible-Infectious-
Recovered). El modelo, que tiene su origen en el trabajo de Kermack y McKendrick
en 1927, permite caracterizar la evolución de una epidemia que se propaga mediante
contagio entre los individuos de una población de tamaño N que permanece constan-
te. La dinámica del modelo está representada por el siguiente sistema de ecuaciones
diferenciales que describen la variación en el tiempo de cada uno de los tres estados
posibles.
Susceptibles (la proporción en la población se denota con S): Individuos de la po-

blación que no han sido infectados. Están sanos pero corren el riesgo de infectarse.
Una vez que han contraı́do la infección, pasan al subgrupo infectado.
dS z}|{ I
= −β S (2.1)
dt N
|{z}
La tasa de cambio con respecto al tiempo es negativa, porque la cantidad de personas

disminuye con el tiempo y a su vez depende de la cantidad de personas susceptibles
y de la proporción de infectados de acuerdo a la población total.
β= tasa de transmisión, nos indica el número de contactos suficientes para la transmi-

sión de una persona por unidad de tiempo.
Infectados (la proporción en la población se indica con I): individuos infectados que
son contagiosos o portadores. Pueden infectar a individuos susceptibles.
dI I
= βS − γI (2.2)
dt N
Depende de la cantidad de susceptibles que ingresen a este grupo cada dı́a es decir
(2.1) pero positivo y de la cantidad de infectados que diariamente pasan al grupo de
recuperados (en negativo).
γ= tasa de recuperación, nos indica la tasa por unidad de tiempo a la cual los indi-
viduos infectados se recuperan.
13
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
Recuperado (la proporción en la población se denota con R): individuos que se han
recuperado o muerto a causa de la enfermedad. Desafortunadamente, el modelo SIR
no describe una diferencia entre inmunidad, no inmunidad o incluso inmunidad innata.
dR
= γI (2.3)
dt
El siguiente diagrama ilustra la dinámica del modelo SIR clásico:
Susceptibles β Inf ectados γ Recuperados

(S) (I) (R)
Figura 2.1: Diagrama de flujo que demuestra las relaciones entre Susceptible (S),
infectado (I) y recuperado (R) Shah (2013).
Shah (2013) explica que para determinar si una enfermedad es una epidemia es
con la siguiente ecuación,
dI I
= βS − γI (2.4)
dt N
Para determinar si hay una epidemia, observamos la estabilidad del equilibrio libre de
enfermedad. Solo necesitamos considerar la variable I. La condición para que ocurra
dI
una epidemia es > 0. Se tiene:
dt
I
βS − γI >0 (2.5)
N
m
βS
>1 (2.6)
γN
Al comienzo de una epidemia, casi todo el mundo es susceptible, es decir, implica

S ≈ 1. Para S = 1 se obtiene la siguiente condición
β
= R0 > 1 (2.7)
γ
El número básico de reproducción R0 determina si se espera que se produzca una

epidemia en la población o no, ası́ surge una epidemia cuando
R0 S0 > 1 (2.8)
Además para Eldestein-Keshet (2005), las ecuaciones (2.1) y (2.3) muestran que;
d(S + I)
= −γI (2.9)
dt
14
demostrando que
S+I (2.10)
es decreciente cuando
I>0 (2.11)
Derivando la expresión para el tamaño final de una epidemia. En primer lugar, combi-
namos (2.1) y (2.3) para obtener

dI βSI − γI γ γ 1
= = −1 + ,→ dI = 1 + dS = −1 + dS (2.12)
dS −βSI βS βS R0 S
Integrando, usar las condiciones iniciales y luego tomar lı́mites obtenemos;

1
I = −S + log S + K (2.13)
R0
1 1
K = I0 + S0 − logS0 = I∞ + S∞ − logS∞ (2.14)
R0 R0
Donde K es constante y S∞ la proporción de susceptibles al final de la epidemia. Diek-
mann y Heesterbeek (2000)
De acuerdo a Ellner y Guckenheimer (2006) utilizando la ecuación (2.14), graficamos

las soluciones de la ecuación (2.4) en el plano de fase (S, I). En esta figura , la epi-
demia se muestra como una curva desde el punto (S0 , 0) hasta el punto (S∞ , 0). Ası́,
fijando I = 0 como t ,→ +∞ en la (2.14) , obtenemos Z = S0 − S∞ , la proporción de
la población infectada en una epidemia y, entonces, la (2.14) se convierte de forma
equivalente en:
1 S∞
S0 − S∞ + log =0 (2.15)
R0 S0

1 S0 − Z
Z+ log =0 (2.16)
R0 S0
Reordenando y asumiendo que la población es inicialmente totalmente susceptible
S0 = 1 tienen;
1
Z= log(1 − Z) = 0 (2.17)
R0
1
R0 + log(1 − Z) = 0 (2.18)
Z
La ecuación (2.18) en esta ecuación si R0 > 0, tenemos soluciones en el rango 0 <
Z < 1. Obsérvese que Z puede determinarse de forma aproximada numéricamente, o
mediante expansiones de Taylor.
15
2.2.1. El plano de fase (plano-SI)

Para Hethcote (1989) la variable R(t) se puede descartar al estudiar la dinámica
del modelo SIR. Se puede derivar un resultado analı́tico útil dividiendo las ecuaciones
para I por S y haciendo uso de la regla de la cadena:

dI
dI dt
=
dS dS
dt
βSI/N − γI
=
−βSI/N
γI
= −1 +
βSI/N
γN
= −1
βS
Multiplicar ambos lados por dS da;

γN
dI = − 1 dS
βS
Z t Z t
γN
dI = − 1 dS
0 0 βS
t
t γN
[I]0 = ln(S) − S
β
0
γN γN
I(t) − I0 = ln(S) − S − ln(S) − S
β t β 0
γN γN
I(t) − I0 = ln S(t) − S(t) − ln S0 + S0
β β
γN γN
I0 + S0 − ln S0 = I(t) + S(t) − ln S(t)
β β
Constante Constante
Por lo cual;

γN S(t)
I(t) − I0 = ln − S(t) + S0 (2.19)
β S0
16
y

γN S(t)
I(t) − I0 = ln − S(t) + S0
β S0

γN S(t)
I(t) = I0 + S0 − S(t) + ln
β S0

N S(t)
= I0 + S0 − S(t) + ln (2.20)
R0 S0
γ γ
Se infiere que es la inversa de R0 . Denotando ρ = ; esta es la tasa relativa de
β β
eliminación. Tenga en cuenta que γ tiene unidades de 1/tiempo; y se obtiene la tasa
de eliminación del grupo infectado.
2.2.2. El fenómeno del umbral

Para Martcheva (2015) el poder comprender qué factores determinarán si ocurrirá
o no una epidemia, o si la infección no invadirá, la etapa inicial después de que la
infección se introduce en una población que consta de susceptibles S(0). Al reescribir
dI
la ecuación para en la forma;
dt
dI
= βS(0)I(0) − γI(0)
dt
γ
= S(0)I(0) − I(0)
β
= S(0)I(0) − ρI(0)
Es fácil mostrar que la enfermedad siempre desaparece si la razón inicial S(0) × I(0)
γ dI
es menor que ρ = , ya que entonces < 0. Para determinar el punto máximo en la
β dt
curva en el plano SI de la siguiente manera. Con la normalización N = 1 se obtiene
dI ρN
= −1
dS S
ρ
= −1 (2.21)
S
y la condición para un punto crı́tico se convierte en:
dI
=0
dS
17
lo que implica que

ρ
0 = −1
S
m
ρ =S (2.22)
la segunda derivada da
d2 I ρ
2
=− 2 <0
dS S
Igualando el valor de la cantidad conservada en t = 0 y asintóticamente (T = ∞), se
obtiene .
Imax = I(∞)

N S(∞)
= I0 + S0 − S(∞) +
R0 S0

1 S(∞)
= I0 + S0 −S(∞) + N ln
| {z } R0 S0
N0 |{z}
ρ
S∞
 
z }| {
 [S(∞)] 
= N0 − S(∞) +ρN ln 
 S0 

| {z }
S∞

S∞
= N0 − S∞ + ρN ln (2.23)
S0
donde la población total es realmente constante,
N (t) = S(t) + I(t) + R(t) ≈ N0 = S0 + I0
El resultado se puede expresar como

N − S∞
ρ= (2.24)
S0
ln
S∞
Como podemos ver en las gráficas paramétricas de I(t) frente a S(t) en la figura (2.2),
las trayectorias comienzan con S > ρ y I(t) aumenta desde I0 , para cualquier valor
inicial. Sin embargo, si S0 < ρ, I disminuye de I0 y no se produce ninguna epidemia.
Recuerde que la ecuación (2.21) muestra que la solución es positiva para −ρ/S − 1 y
negativa para S < ρ. Martcheva (2015)
18
S+I=N
(S0 , I0 )
0 ρ S N
S∞
Figura 2.2: El sistema de trayectoria del plano de fase SI para el modelo SIR; las
curvas son susceptibles (S), infecciosas (I) Martcheva (2015).
2.2.3. El número lı́mite de individuos susceptibles

Kim y Milner (1995) definen a S∞ como el número de individuos no infectados
durante la epidemia como t → ∞. Para evaluar el número de susceptibles en cualquier
tiempo t, dividamos primero la (2.1) por la ecuación (2.3):

dS
dS dt
=
dR dR
dt
βSI/N
= −
γI
βS I
= −
γIN
β S
= − ·
γ N
|{z} |{z}
1/ρ 1
1
= − S(t) (2.25)
ρ
19
Para Kim y Milner (1995); Hethcote (2000) al integrar la ecuación(2.25)
dS 1
= − S(t)
dR ρ
1 1
dS = − dR
S ρ
Z t Z t
1 1
dS = − dR
0 S 0 ρ
1
[ln S]t0 = − [R]t0
ρ
1
ln S(R) − ln S0 = − R(t) − R0
ρ
1 1
ln S(R) − ln S0 = R0 − R(t)
ρ ρ
1 1
ln S(R) = ln S0 + R0 − R(t)
ρ ρ
R0 − R(t)
 
ln S0 + 
S [R(t)] = e ρ
R0 − R(t)
 
 
S(t) = e [ln S0 ]
·e ρ
R0 − R(t)
 
 
= S0 e ρ

− R0 − R(t)
= S0 e
ρ
0
 
 R(t) R(0) 
= S0 e−  −
ρ ρ

R(t)
−
= S0 e ρ o S0 e−R(t)R0 (2.26)
El número de individuos susceptibles disminuye en función del número de individuos

R
recuperados. El hecho de que la tasa también aumente, significa que cualquier
ρ
epidemia termina con siempre una parte de la población que no se infectará durante
el brote epidémico. Si sustituimos R0 en la ecuación (2.26) Martcheva (2015);
R(t)
−
S(R(t)) = S0 e ρ (2.27)
20
Resulta que:
R∞
−
S∞ = S0 e ρ
N − S∞
−
= S0 e ρ (2.28)
Hethcote (2000) nos expone que alternativamente, podemos usar esta relación para
calcular el valor de R∞ para la proporción final de recuperados. Podemos reescribir el
comportamiento asintótico de la (2.28) como sigue:
R∞
−
S∞ = S0 e ρ
S0 e R∞ R0
= 1 − R∞
1 − R∞ − S0 eR∞ R0 = 0 (2.29)
Estas ecuaciones trascendentales relacionan el tamaño total de la epidemia con el

número reproductivo básico. La figura (2.3) muestra que no se produce una epidemia
si R0 < 1. Sin embargo, hay una solución positiva si R0 > 1. Esto representa un brote
de la infección. Esto siempre que el tamaño de la población esté bien mezclado.
S∞
Figura 2.3: El sistema de trayectoria del plano de fase RS para el modelo SIR Hethcote
(2000).
21
2.2.4. La curva de la epidemia

Rahman y Kuddus (2014) definen que también podemos calcular la tasa promedio
de recuperación a partir de (2.3). Por definición S + I + R = 1, entonces podemos
reordenar (2.3) como;
d
R(t) = γ(1 − |{z}
S −R)
dt
= γ(1 − S0 e−R0 R(t) − R(t)) (2.30)
Donde S se sustituye de (2.25). Esta ecuación no tiene ninguna solución explı́cita para
R en términos de t. Podemos usar la expansión de Taylor de e−R0 R(t) de acuerdo con
la fórmula:
e−x = 1 − x − 21 x2 + O(x3) (2.31)
y omitir el último término ya que asumimos que R0 R es pequeño. Esto da
R0 R2 (t)
e −R0 R(t)
= 1 − R0 R(t) +
2
(2.32)
Luego, sustituyendo en (2.30) se obtiene (Rahman y Kuddus, 2014):

!
R02 R2 (t)

dR
= γ 1 − R(t) − S0 1 − R0 R(t) +
dt 2
S0 R02 R2 (t)

= γ 1 − R(t) − S0 + S0 R0 R(t) −
2
S0 R02 2

= γ 1 − S(t) − S0 [1 − R0 ] R(t) − R (t)
2
S0 R02 2

= γ 1 − S(t) + S0 [R0 − 1] R(t) − R (t) (2.33)
2
Se obtiene la siguiente solución;

1 1
R(t) = 2 S0 R0 − 1 + α tanh αγt − φ (2.34)
R0 S0 2
Dejando
q
α= (S0 R0 − 1)2 + 2S0 I0 R02 (2.35)
y

−1 1
φ = tanh (S0 R0 − 1) (2.36)
α
22
Para derivar la curva epidémica en función del tiempo, diferenciarı́amos (2.34) con
respecto al tiempo:
dR γα2 2 αγ

casos − reportados ∼ = sec h t − φ (2.37)
dt 2S0 R02 2
Ésta es una curva epidémica clásica de la enfermedad que se muestra en la Figura

(2.4). Los epidemiólogos están muy interesados en esta curva porque se utiliza para
comparar los pronósticos de los modelos con los datos. Por ejemplo, la curva indica
que hay una mayor fuerza de infección en las primeras etapas. En el lı́mite t → ∞,
todas las personas de la población se infectan. Por tanto, se puede aproximar:
1
R∞ ≈ (R0 S0 − 1 + α) (2.38)
R02 S0
ρ2

S0
R∞ ≈ −1+α (2.39)
S0 ρ
Rahman y Kuddus (2014) consideran a (2.35) y N − S0 = I0 ≈ 0 como el número inicial

de infecciones:
ρ2 S0

R∞ ≈ −1+α
S0 ρ
ρ2 ρ2
= ρ− + α
S0 S0
1
ρ2 ρ2 2 2 2

= ρ− + (S0 R0 − 1) + 2S0 I0 R0
S0 S0
2 2
2
1
ρ ρ S0 ρ 2S0 I0 2
= ρ− + −1 +
S0 S0 ρ S0 ρ2
1
ρ2 ρ2 2ρ 2
= ρ− +ρ− + I0
S0 S0 S0 |{z}
∼0
ρ
= 2ρ 1 − (2.40)
S0
23
dR
dt
2φ t
αγ
Figura 2.4: Curva Epidemiológica Rahman y Kuddus (2014).
2.2.5. El modelo endémico de SIR

Para Roberts (2007) en epidemiologı́a la infección endémica se define técnicamen-
te como una infección con variaciones comparativamente pequeñas. En esta sección,
se abordará el modelo endémico SIR, y reproducir resultados para diferentes valores
de R0 .
Considerando un sistema en el que un tamaño de población constante es manteni-

do por un equilibrio entre las tasas de natalidad y mortalidad (µ), dado de la siguiente
manera:
dS
= µ − βSI − µS (2.41)
dt
dI
= βSI − γI − µI (2.42)
dt
dR
= γI − µR (2.43)
dt
donde R(t) = 1−S(t)−I(t). Al observar estas ecuaciones, llegamos a la conclusión de
1
que el promedio de tiempo de una infección es ,y como los individuos infecciosos
γ+µ
β
infectan a otros a un ritmo β, el número de reproducción básico R0 = .
γ+µ
24
En este punto cubrimos las partes importantes del análisis de este modelo. Ha-
cemos esto estableciendo en primer lugar la estabilidad global de cada uno de los
estados estacionarios de este sistema. En consecuencia, encontramos estos estados
estacionarios y su estabilidad y luego los analizamos utilizando diagramas de bifurca-
ción y plano de fase.
Demostramos la estabilidad asintótica global del estado estacionario utilizando el teo-

dS
rema clásico de Poincaré Bendixson. Observe que si S = 0 entonces = µ > 0,
dt
dI
entonces = 0 y todos los demás valores superiores de I son cero. Si la región
dt
d(S + I)
χ = {S(t) > 0, I(t) > 0, S + I ≤ 1}, entonces = −γI < 0 cuando S + I = 1,
dt
por lo tanto, biológicamente podemos imaginar un triángulo para probar la no exis-
tencia de soluciones periódicas solo en la región χ. Por tanto, podemos utilizar los
criterios de Dulac’s para descartar las soluciones periódicas. Considere la expresión

∂ µ − βSI − µS ∂ βSI − γI − µI µ
+ =− 2 (2.44)
∂S SI ∂I SI S I
µ
Esta ecuación muestra que como − < 0, no pueden existir órbitas cerradas en
S 2I
χ. Por tanto, existe un estado estacionario globalmente asintóticamente estable en
χ. Soluciones de estado estacionario: Hay dos estados estacionarios que se pueden
obtener poniendo a cero el lado derecho del (2.43)
µ − βSI − µS = 0 (2.45)
βSI − γI − µI = 0 (2.46)
La ecuación (2.47) da dos condiciones de estado estacionario, una libre de infección

cuando I = 0 y otra endémica, cuando βS = γ+µ. Resolvemos estas condiciones para
obtener los estados estacionarios endémicos y libres de infección, respectivamente.
(S, I) = (1, 0) (2.47)
y
∗ ∗ 1 µ(R0 − 1)
(S, I) = (S , I ) = , (2.48)
R0 β
Y el equilibrio libre de infección existe para cualquier valor de R0 , mientras que los
estados estacionarios endémicos existen solo en la región biológica factible si R0 > 1.
25
Estabilidad
Ahora calcularemos la estabilidad local de estos estados estacionarios linealizando
el sistema (2.43). Se encuentra que la matriz jacobiana es

−µ − βI −βS
J= (2.49)
βI βS − (γ + µ)
y cuando (S, I) = (1, 0), tenemos

−µ −β
Jinf ection−f ree =
0 β − (γ + µ)
Al observar los valores propios de Jinf ection−f ree , es bastante obvio que el equilibrio libre
de infección es estable cuando β < (µ + γ) o equivalentemente R0 < 1. La estabilidad
de un estado estable endémico
1 µ(1 − S ∗ )

∗ ∗ 1 µ(R0 − 1)
(S , I ) = , = , (2.50)
R0 γ+µ R0 β
se deriva de la (2.49):

−µR0 −(µ + γ)
Jendemic = (2.51)
µ(R0 − 1) 0
Se puede ver fácilmente que la traza (τ ) de esta matriz es negativa y el determinante

(∆) es positivo siempre que R0 > 1. Esto implica que este estado estacionario endémi-
co es estable siempre que existe. Al observar estos resultados, vemos que puede tener
lugar una bifurcación en R0 = 1. Un equilibrio endémico existe solo cuando R0 > 1,
esto da una bifurcación hacia adelante. Por tanto, la infección endémica solo persiste
para R0 > 1.
Análisis de bifurcación
En la figura (2.5), tenemos un estado estable libre de infección i globalmente es-
table cuando R0 < 1 e inestable cuando R0 > 1. También está claro que un equilibro
endémico estable único surge del punto de bifurcación R0 = 1 y aumenta a medida
que R0 aumenta, por lo que muestra que el estado estable libre de infección existe
para todos los R0 , mientras que una infección endémica solo existe para R0 > 1. La
figura (2.5) muestra una bifurcación hacia adelante, por lo que este fenómeno impli-
ca una bifurcación transcrı́tica, por lo que concluimos que la infección endémica solo
persiste para R0 > 1.
26
0.05
0.04
0.03
0.02
0.01
i
0
-0.01
0.8 0.85 0.9 0.95 1 1.05 1.1 1.15 1.2
R0
Figura 2.5: Análisis de bifurcación para el modelo endémico SIR. Estado estable li-
bre de infección estable para R0 < 1; inestable libre de infección i y estado estable
endémico estable i∗ para R0 > 1 Roberts (2007).
Análisis de plano de fase

En el análisis las ecuaciones del sistema (2.43), en el plano de fase (S, I), para
diferentes valores de R0 (ver Figura 2.6). Las flechas representan la dirección de las
soluciones y un punto negro oscuro representa el punto de equilibrio. Las lı́neas pun-
teadas muestran lı́neas nulas y la lı́nea negra oscura muestra el triángulo χ. Algunas
curvas trazadas muestran soluciones del sistema (2.43). Observe que el comporta-
miento cualitativo cambia en R0 .
Si R0 < 1: El estado estacionario libre de infección es globalmente asintótica-

mente estable, es decir, en la figura (2.6 a) no existen soluciones endémicas que
atraigan a nivel mundial y sean biológicamente factibles.
Si R0 > 1: El estado estable libre de infección es inestable y un equilibrio endémi-

co único existe, y es globalmente asintóticamente estable en la Figura (2.6 b)
27
a) b)
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Figura 2.6: Plano de fase para el modelo endémico SIR cuando: (a) R0 = 0,5 < 1; (b)
R0 = 2 > 1. Otros valores de los parámetros son µ = 0,02 y γ = 0,05 Roberts (2007).
En esta sección se ha demostrado que si R0 > 1, se producirá una epidemia.

También hemos demostrado que, biológicamente, una infección endémica solo puede
continuar existiendo en una población para R0 > 1. Por lo tanto, concluimos que para
R0 < 1, el equilibrio libre de infección es globalmente atractivo, esto significa que si
el número promedio de infecciones secundarias causadas por un infectivo es menor
que uno, entonces la infección ya no persistirá. Si R0 > 1, entonces el estado estable
libre de infección es inestable. Por lo tanto, el estado estable endémico(S ∗ , I ∗ ) atrae
globalmente solo para R0 > 1.
28
CAPÍTULO 3
METODOLOGÍA
3.1. Tipo de Investigación

Esta investigación cientı́fica es de tipo longitudinal el cual consiste en estudiar y
evaluar a las personas por un periodo prolongado de tiempo. Esta investigación cientı́fi-
ca tiene como propósito el medir variables epidemiologicas con fines predictivos, pues-
to que los datos a estudiar tienen un enfoque cuantitativo los cuales se emplearan para
encontrar un patrón de comportamiento en la propagación de enfermedades en una
población.
3.2. Etapas del proyecto

3.2.1. Recolección de la información
Los datos fueron proporcionados por el Ministerio de Salud de Nicaragua atreves
de los reportes que fueron emitidos por el Sistema de Vigilancia de los Centros de
Salud (Mantica Berio, Perla Marı́a Norori y Sutiaba), del Sistema Local de Atención
Integral en Salud (SILAIS) de la ciudad de León, Nicaragua, para el periodo 2018-
2020, la población en estudio registrada por estas unidades de salud es de un total de
211,278 habitantes, de esta población se seleccionó solamente aquellos registros de
personas que padecieron las siguientes enfermedades: Dengue, Conjuntivitis, Varicela
y Hepatitis A.
3.2.2. Selección de herramientas a usar

En esta etapa se utilizó Scipy.integrate para el desarrollo del sistema de ecua-
ciones diferenciales del modelo a implementar y el código se desarrollará en lenguaje
Python ya que es de alto nivel, multiparadigma e interpretado en el que los objetivos
son la simpleza y la efectividad del código, los cuales se pueden resolver con métodos
29
3.2 Etapas del proyecto Capı́tulo 3. METODOLOGÍA
analı́ticos. La sintaxis elegante y el tipado dinámico hacen que sea un lenguaje ideal
para el desarrollo rápido de cualquier aplicación.
Para generar un modelo de epidemias capaz de representar los datos y hacer pre-
dicciones en consecuencia, se utilizó la librerı́a: Numpy, Scipy, Matplotlib en Python.
Por lo tanto el primer paso será desarrollar una biblioteca o aplicación completa con la
estructura de código que contiene todas las funciones necesarias. Para ello se selec-
cionará la librerı́a que se ocupa de la definición de estructura de datos con sus respec-
tivas ecuaciones del modelo, el preprocesamiento de datos, el diseño de la evaluación
de ajustes de los parámetros y finalmente la ejecución del modelo y su evaluación con
el las diversas pruebas de simulaciones que se harán.
3.2.3. Desarrollo del modelo matemático

Apartir de este punto se definieron los procedimientos a seguir para el desarrollo
del sistema planteado. El procedimiento de desarrollo software que se seguió fue el
siguiente:
Definir el modelo SIR con sus parámetros y condiciones iniciales.
Construir el modelo para las clasificación. Como por ejemplo: sexo, localidad y
resultados de la enfermedades.
Construir el modelo en base a los datos recolectados para realizar las prediccio-
nes.
3.2.4. Detección y clasificación

En esta etapa, se ejecutó el modelo en Python que consiste en resolver el modelo
SIR el cual describe la velocidad de transmisión de las enfermedades en una pobla-
ción. Por lo cual es útil para explorar la influencia de los parámetros en la curva de
contagios. Los SIG son una herramienta fundamental que facilita la automatización de
procesos de análisis de situaciones y proyecciones a futuros, además que ayuda a la
toma oportuna de decisiones basadas en la información espacial.
3.2.5. Evaluación y valoración

En esta etapa, se evalúo el desempeño del modelo SIR mediante el análisis de
las curvas epidemiológicas ejecutando el código en la consola de Python. Habrá que
encontrar un equilibrio entre ambos programas para las predicciones de las epidemias
y ası́ poder evaluar el funcionamiento del modelo al momento de realizar las clasifica-
ciones.
30
Capı́tulo 3. METODOLOGÍA 3.2 Etapas del proyecto
Diseño Metodológico
Tipo de Investigación Materiales Utilizados Software

Obtención de Información
Longitudinal Digitalización
Población: Edición de texto
Fuente SILAIS León, 2020 GPS
Computadora
Latex
Excel SPSS
Territorio
Obtención de
resultados
Perla Marı́a Norori Sutiaba

Mantica Berio Python QGIS
46, 481
80, 286 84, 511
Desarrollo del modelo matemático Si Detección y clasificación Evaluación y valoración.

SIR con el software Python. en el software PyQGIS.
Figura 3.1: Etapas del Proyecto. Fuente Propia
31
3.3 Materiales Utilizados Capı́tulo 3. METODOLOGÍA
3.3. Materiales Utilizados

3.3.1. Hardware
Material Descripción Presupuesto
Computadora Nombre del producto: Acer Aspire ES 15.

Personal Microprocesador Intel Core i7-7500U de
7ª generación hasta 3,50 GHz.
Memoria RAM: 8 GB de RAM DDR4.
Disco Duro: Disco duro de 232GB. 300
Total U$ 300
3.3.2. Software
Python
Es un lenguaje de programación interpretado cuya filosofı́a hace hincapié en la
legibilidad de su código. Se trata de un lenguaje de programación multiparadigma,
ya que soporta parcialmente la orientación a objetos, programación imperativa y, en
menor medida, la programación funcional. Es un lenguaje interpretado, dinámico y
multiplataforma de Ecuaciones diferenciales ordinarias las cuales se pueden resolver
con métodos analı́ticos, y son mucho más comunes los problemas que no se pueden
resolver analı́ticamente. Por lo tanto, en estos casos debemos recurrir a los méto-
dos numéricos. Es aquı́, dónde el poder de las computadoras y en especial, de los
paquetes cientı́ficos de Python como NumPy, Matplotlib, SymPy y SciPy, se vuelven
sumamente útiles. (Python, 2021)
Anaconda
Anaconda es una distribución libre y abierta de los lenguajes Python y R, utili-
zada en ciencia de datos, y aprendizaje automático (machine learning). Esto incluye
procesamiento de grandes volúmenes de información, análisis predictivo y cómputos
cientı́ficos. Está orientado a simplificar el despliegue y administración de los paquetes
de software. (Anaconda Documentation Distribution, 2020)
Jupyter
Para IONOS (2019) Jupyter Notebook es una aplicación cliente-servidor lanzada
en 2015 por la organización sin ánimo de lucro Proyecto Jupyter. Permite crear y com-
partir documentos web en formato JSON que siguen un esquema versionado y una
lista ordenada de celdas de entrada y de salida. Estas celdas albergan, entre otras
cosas, código, texto (en formato Markdown), fórmulas matemáticas y ecuaciones, o
también contenido multimedia.
32
Capı́tulo 3. METODOLOGÍA 3.3 Materiales Utilizados
El programa se ejecuta desde la aplicación web cliente que funciona en cualquier

navegador estándar. El requisito previo es instalar y ejecutar en el sistema el servi-
dor Jupyter Notebook. Los documentos creados en Jupyter pueden exportarse, entre
otros formatos, a HTML, PDF, Markdown o Python y también pueden compartirse con
otros usuarios por correo electrónico, utilizando Dropbox o GitHub o mediante el visor
integrado de Jupyter Notebook.
Numpy
Es una biblioteca para el lenguaje de programación Python que da soporte para
crear vectores y matrices grandes multidimensionales, junto con una gran colección
de funciones matemáticas de alto nivel para operar con ellas. El precursor de NumPy,
Numeric, fue creado originalmente por Jim Hugunin con contribuciones de varios otros
desarrolladores. En 2005, Travis Oliphant creó NumPy incorporando caracterı́sticas
de la competencia Numarray en Numeric, con amplias modificaciones. NumPy es un
software de código abierto y cuenta con muchos colaboradores. (NumPy Software
Distribution, 2021)
SciPy
Python (2021) nos define a SciPy como un conjunto de paquetes donde cada
uno ellos ataca un problema distinto dentro de la computación cientı́fica y el análisis
numérico. Algunos de los paquetes que incluye, son:
Uso de Scipy.integrate en Python.
El ecosistema SciPy, basado en Python, contiene paquetes que permiten re-

solver sistemas de ecuaciones,integrarlas y graficar los resultados (incluye Mat-
plotlib).
Usamos la función Scipy.integrate.odeint para resolver (e integrar) el sis-

tema de ecuaciones diferenciales del modelo SIR.
Matplotlib
De acuerdo con NumPy Software Distribution (2021) Matplotlib es una bibliote-
ca completa para crear visualizaciones estáticas, animadas e interactivas en Python.
Matplotlib es una biblioteca para la generación de gráficos a partir de datos contenidos
en listas o arrays en el lenguaje de programación Python y su extensión matemática
NumPy.
33
3.3 Materiales Utilizados Capı́tulo 3. METODOLOGÍA
Matplotlib produce figuras con calidad de publicación en una variedad de formatos

impresos y entornos interactivos en todas las plataformas. Matplotlib se puede utilizar
en scripts de Python, el shell de Python e IPython, servidores de aplicaciones web y
varios kits de herramientas de interfaz gráfica de usuario.
QGIS
Para Gerak (2015) QGIS (anteriormente llamado también Quantum GIS) es un
Sistema de Información Geográfica (SIG) de software libre y de código abierto para
plataformas GNU/Linux, Unix, Mac OS, Microsoft Windows y Android. Fué uno de los
primeros ocho proyectos de la Fundación OSGeo y en 2008 oficialmente graduó de la
fase de incubación. Permite manejar formatos ráster y vectoriales a través de la biblio-
teca GDAL (GADL/OGR), ası́ como bases de datos. Algunas de sus caracterı́sticas
son:
Scipy.integrate: que proporciona diferentes funciones para resolver proble-

mas de integración numérica.
Soporte para la extensión espacial de PostgreSQL, PostGIS.
Manejo de archivos vectoriales Shapefile, ArcInfo coverages, MapInfo, GRASS

GIS, DXF.
Soporte para un importante número de tipos de archivos ráster (GRASS GIS,

GeoTIFF, TIFF, JPG).
Por lo que sus mayores ventajas es la posibilidad de usar Quantum GIS como GUI
(Interfaz gráfica de usuario) del SIG GRASS, utilizando toda la potencia de análisis de
este último en un entorno de trabajo más amigable. QGIS está desarrollado en C++,
usando la biblioteca Qt para su Interfaz gráfica de usuario. Una de las caracterı́sticas
mas sorprendentes de QGIS es su capacidad para adaptarse al usuario. Con la arqui-
tectura de complemento extensible y las librerı́as con las que cuenta es posible crear
complementos enfocados a la necesidad de cada proyecto, permitiendo crear capas
con información realmente interesante en cada mapa. Incluso es posible crear nuevas
aplicaciones bajo código C++ y Python.
PyQGIS
Morales (2014) nos expone que PyQGIS es la librerı́a de QGIS para ejecutar código
Python. A partir de la versión 0.9 en septiembre de 2007, QGIS tiene soporte para
ejecutar scripts utilizando el lenguaje Python. QGIS elige Python por ser uno de los
lenguajes favoritos para scripting. Python es un lenguaje de programación para GIS
orientado a objetos con el que es fácil aprender PyQGIS. Las ventajas que aporta son:
Podrás generar tus propios scripts para almacenar en ellos los procesos GIS que
antes hacı́as a mano: ahorras tiempo y ganaras precisión.
34
Capı́tulo 3. METODOLOGÍA 3.3 Materiales Utilizados
Generarás con facilidad inventarios, informes y consultas sobre los contenidos

GIS que manejas: tendrás registradas y actualizadas tus capas, tablas, datos,
etc.
Pasarás de realizar pequeñas operaciones GIS a gestionar grandes volúmenes

de información.
Para ejecutar código Python en QGIS es que desde el propio QGIS podemos utilizar la
consola de Python que está integrada. Para ello debemos ir a complementos, consola
de Python, mostrar el editor, escribir el código y ejecutar el script. Morales (2014)
Excel
Excel Total (2014) nos explica que Excel es un programa desarrollado y soportado
por Microsoft y está catalogado como un software de hoja de cálculo. Este progra-
ma se distribuye tanto para la plataforma Windows como para la plataforma Mac OS.
Tienen integrada funciones a la barra de herramienta que nos ayudarán a ejecutar
cálculos sobre los datos.
Excel es una herramienta para poder hacer cualquier tipo de cálculo matemático en
una hoja de cálculo. Se pueden realizar operaciones matemáticas y crear tablas de
números para realizar operaciones con ellas posteriormente de una manera eficaz y
rápida. Las hojas de cálculo contienen múltiples celdas en las que podremos insertar
datos numéricos, texto, alfanuméricos además de fórmulas. De una manera rápida,
con la hoja de cálculo se pueden realizar operaciones aritméticas con una gran canti-
dad de datos hasta cientos de miles.
SPSS
La plataforma de software SPSS ofrece análisis estadı́stico avanzado, una amplia
biblioteca de algoritmos de aprendizaje automático, análisis de texto, extensibilidad de
código abierto, integración con big data y una implementación perfecta en aplicacio-
nes. Los datos pueden ser introducidos o importados manualmente desde una hoja
de cálculo, un archivo de texto u otro formato de archivo. Donde difiere de las hojas de
cálculo más familiares es que el análisis no se hace en la hoja de cálculo en sı́, sino
mediante comandos en los menús desplegables. (IBM, 2019)
35
CAPÍTULO 4
RESULTADOS Y DISCUSIÓN
Figura 4.1: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Dengue en el año 2018 en el
municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
(a) Dengue 2018, con las condiciones I(0) = 1, β = 0,33, γ = 1/10.
36
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
(b) Dengue 2018, con las condiciones I(0) = 1, β = 0,4, γ = 1/10.
(c) Dengue 2018, con las condiciones I(0) = 1, γ = 1/10, β = 0,36.
En el territorio Mantica Berio en el 2018 se registraron 12 casos entre ellos 12

fueron confirmados en el territorio Perla Marı́a Norori se presentaron 170 casos de los
cuales 138 dieron positivos mientras que en el territotio de Sutiaba se reportaron 11
37
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
38

39
casos confirmados.
(d) Dengue 2018, con las condiciones I(0) = 1, γ = 1/10, β = 0,36.

casos confirmados.
40
41

42
casos confirmados.
y Recuperados (R) generadas sobre la enfermedad de Conjuntivitis en el año 2018 en
el municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
(a) Conjuntivitis 2018, con las condiciones I(0) = 1, β = 0,33, γ = 1/10.
43
(b) Conjuntivitis 2018, con las condiciones I(0) = 1, β = 0,4, γ = 1/10.
(c) Conjuntivitis 2018, con las condiciones I(0) = 1, γ = 1/10, β = 0,36.

44
casos confirmados.
45

46
casos confirmados.
47

48
casos confirmados.
y Recuperados (R) generadas sobre la enfermedad de Varicela en el año 2020 en el
(a) Varicela 2018, con las condiciones I(0) = 1, β = 0,33, γ = 1/10.
49
(b) Varicela 2018, con las condiciones I(0) = 1, β = 0,4, γ = 1/10.
(c) Varicela 2018, con las condiciones I(0) = 1, γ = 1/10, β = 0,36.

50
casos confirmados.
51

52
casos confirmados.
53

54
casos confirmados.
Figura 4.10: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados

(I) y Recuperados (R) generadas sobre la enfermedad de Hepatitis A en el año 2018
en el municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
(a) Hepatitis A 2018, con las condiciones I(0) = 1, β = 0,33, γ = 1/10.
55
(b) Hepatitis A 2018, con las condiciones I(0) = 1, β = 0,4, γ = 1/10.
(c) Hepatitis A 2018, con las condiciones I(0) = 1, γ = 1/10, β = 0,36.

56
casos confirmados.

57

58
casos confirmados.

59

60
casos confirmados.
61
CAPÍTULO 5
CONCLUSIONES
El modelo epidemiológico estudiando en este trabajo depende de una serie de

parámetros relacionados con las caracterı́sticas del agente infeccioso y alguna de las
caracterı́sticas de la transmisión en la población. La estimación de estos parámetros
es relevante, ya que las cualidades como la dimensión de un brote y la duración de la
epidemia están asociados con dichos parámetros.
La aplicación de modelos matemáticos para enfermedades epidemiológicas ha cre-

cido en grado significativo en los últimos años, debido a que proporcionan información
útil para tomar decisiones, e instituir medidas operativas en el control o erradicación
de una enfermedad infecciosa.
La utilización del análisis geoestadistico nos permite realizar estudios preliminares de

las posibles tendencias de la propagación de la enfermedad, estos análisis apoyan la
toma de decisiones por parte de los expertos en cuanto al control de la propagación
del fenómeno.
La colaboración entre las instituciones públicas es fundamental para el desarrollo y

ejecución de este tipo de proyecto.
62
CAPÍTULO 6
RECOMENDACIONES
A las autoridades de salud recomendamos hacer automatizado las bases de datos

epidemiológicos.
Localizar geoespacialmente a cada uno de los casos sospechoso o confirmado pa-

ra ası́ de esa manera tener una visión de la distribución de las distintas enfermedades
que afectan a la población.
63
REFERENCIAS
Anaconda Documentation Distribution. (2020). Anaconda software distribution. Ana-

conda Inc. Descargado de https://docs.anaconda.com/
Cáceres, J. H. (2004, 11). Modelo “sir” para epidemias: Persistencia en el tiempo y

nuevos retos en la era de la informática y las pandemias. , 1.
Diario La Gaceta. (2013). dengue. Gaceta. Descargado de https://issuu.com/

grico/docs/gaceta medica de nicaragua prueba 1
Diekmann, O., y Heesterbeek, J. (2000). Mathematical epidemiology of infectious

diseases: model building, analysis and interpretation. United States: John Wiley and
Sons.
Eldestein-Keshet, L. (2005, 07). Mathematical models in biology. Applied Mathematics,

6.
Ellner, S. . P., y Guckenheimer, J. . (2006, 07). Differential equation models for infec-
tious disease. Applied Mathematics, 6.
Excel Total. (2014). La utilidad e importancia de excel. Excel Total. Descargado de

https://exceltotal.com/la-utilidad-e-importancia-de-excel/
Gerak. (2015). Qgis: Software libre para sistemas de información geográfica. Desde-
Linux. Descargado de https://blog.desdelinux.net/qgis-software-libre-para
-sistemas-de-informacion-geografica/
Hethcote, H. (2000, 01). The mathematics of infectious diseases. , 42, 599-653.
IBM. (2019). Software ibm spss. IBM. Descargado de https://www.ibm.com/

analytics/spss-statistics-software
IONOS. (2019). Jupyter. Digital Guide IONOS. Descargado de https://www.ionos

.es/digitalguide/paginas-web/desarrollo-web/jupyter-notebook/
64
REFERENCIAS REFERENCIAS
Kim, M., y Milner, F. (1995). A mathematical model of epidemics with screening and
variable infectivity. Mathematical and Computer Modelling, 21(7), 29-42. Descarga-
do de https://www.sciencedirect.com/science/article/pii/0895717795000292
doi: https://doi.org/10.1016/0895-7177(95)00029-2
Martcheva, M. (2015). An introduction to mathematical epidemiology. Springer US.

Descargado de https://books.google.com.ni/books?id=r4MOrgEACAAJ
Morales. (2014). Pyqgis para novatos: primeros pasos con python en qgis. Map-
pingGIS. Descargado de https://mappinggis.com/2014/02/primeros-pasos-con
-pyqgis/
NumPy Software Distribution. (2021). Numpy. Wikipedia. Descargado de https://

es.wikipedia.org/wiki/NumPy
OMS. (2020). Dengue y dengue grave. OMS. Descargado de https://www.who.int/

es/news-room/fact-sheets/detail/dengue-and-severe-dengue/
Python. (2021). Python. Python. Descargado de https://www.python.org/
Rahman, A., y Kuddus, M. A. (2014, 01). A new model to study on physical behaviour
among susceptible infective removal population. Far East Journal of Theoretical
Statistics, 46, 115-135.
Roberts, M. (2007, October). The pluses and minuses of r0. Journal of the Ro-
yal Society, Interface, 4(16), 949—961. Descargado de https://europepmc.org/
articles/PMC2075534 doi: 10.1098/rsif.2007.1031
Shah, G., Nita y Jyoti. (2013, 01). Seir model and simulation for vector borne diseases.
Applied Mathematics, 4, 13 - 17. doi: 10.4236/am.2013.48A003
Soria, A. E. V. (2020, 10). Manual de instalación de qgis. , 1-5.
65
CAPÍTULO 7
APÉNDICE
7.1. Apéndice A: Instalación de QGIS

Soria (2020) nos explica que QGIS se encuentra dirigido fundamentalmente a per-
sonas que requieran utilizar una herramienta para el análisis, diseño inteligente y cons-
trucción sólida de información geoespacial ya que posibilita el desarrollo y manejo de
archivos vectoriales siendo uno de los más útiles QGIS (anteriormente llamado tam-
bién Quantum GIS) es un Sistema de Información Geográfica (SIG) de código libre
para plataformas GNU/Linux, Unix, Mac OS, Microsoft Windows y Android.
Antes de realizar la instalación de QGIS se debe tomar en cuenta ciertas caracterı́sti-

cas que debe poseer el equipo para que el software a ser instalado funcione de una
manera óptima y no presente inconvenientes a la hora de su utilización, al trabajar
con archivos de información geográfica es importante contar con un pc robusto, por tal
motivo queda a criterio del usuario y el tipo de proyecto a desarrollarse.
La guı́a completa de instalación puede encontrarse en las referencias. Desarrollo de

la Instalación:
El instalador de QGIS está disponible en su página oficial.
Para esta instalación se descargara el instalador para Windows por lo que selec-
cionaremos la opción “Descarga para Windows”.
MSe nos despliega una serie de instaladores y seleccionamos “Instalador autóno-

mo de QGIS Versión 2.18 (64 bit).
Damos click en la selección y comenzara a descargarse el instalador.
Al ejecutar el instalador del programa aparece la Pantalla de Bienvenida, le da-

mos click a “Next” para continuar el proceso de instalación.
Se muestran los acuerdos de licencia correspondiente para este software, una
vez entendidas las normativas de uso se selecciona la opción “I AGREE” para
mostrar que acepta términos.
Se escoge los componentes que forman parte de la instalación, una vez selec-
cionados los requeridos se presiona “Install” para comenzar con el proceso.
Si todos los componentes se han instalado correctamente se presenta el siguien-

te mensaje, presionamos “Finish” para dar por terminada la instalación.

Correcciones Estrella Juneysi

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

Correcciones Estrella Juneysi

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA, LEÓN

FACULTAD DE CIENCIAS Y TECNOLOGÍA

DEPARTAMENTO DE MATEMÁTICA, ESTADÍSTICA Y ACTUARIALES

MONOGRFÍA PARA OPTAR AL TÍTULO DE LICENCIATURA EN MATEMÁTICA

León, Nicaragua, 16 de junio del 2021

“ A LA LIBERTAD POR LA UNIVERSIDAD”

“ La presente investigación se la dedicamos a nuestros padres y familia, quienes

Agradecemos primeramente a Dios, por darnos la vida, la salud, la sabiduria e inte-

Queremos agradecer especialmente a nuestra tutora de tesis M.Sc. Lissette Quintero

Al Sistema Local de Atención Integral en Salud (SILAIS) junto con la Dirección de

Este trabajo tiene como propósito, plantear el procedimiento metodológico para

Palabras claves: Transmisión, epidemiologı́a, modelo matemático, modelo SIR.

3.1. Etapas del Proyecto. Fuente Propia . . . . . . . . . . . . . . . . . . . . 31

4.1. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados

Sı́mbolos con letras griegas

Término Sı́mbolo Cantidad

Según el SILAIS de León, Nicaragua, las principales enfermedades que afectan a

En Nicaragua la primera epidemia documentada de Dengue se presentó en el año

Diario La Gaceta (2013) exponen que un estudio realizado en la ciudad de León-

La Varicela ha sido considerada una enfermedad propia de la infancia, habitualmente

La vigilancia epidemiológica en salud pública en Nicaragua es un proceso continuo

Diego de Pereda Sebastián de la Universidad Complutense de Madrid, (Madrid, Es-

Emilene Carmelita Pliego Pliego de la Benemérita Universidad Autónoma de Puebla,

Andrea Garcı́a Piñera de la Universidad de Cantabria, (Santander, España, Diciembre

Vı́ctor Martı́n Barroso del Instituto Complutense de Estudios Internacionales (Madrid,

Benjamin Ridenhour, Jessica M. Kowalik y David K. Shay (2015) de su investigación El

1.3. Objetivo General

1.4. Objetivos Especı́ficos

Comparar el comportamiento de las curvas epidemiológicas de las enfermeda-

Realizar un análisis geoestadı́stico de las enfermedades epidemiológicas Den-

Enrojecimiento de la parte blanca del ojo.

Picazón de los ojos.

Secreciones de los ojos.

Costras en los párpados o las pestañas.

El dengue grave conlleva un mayor riesgo de muerte si no se trata debidamente. Fue

No solo la temperatura ambiente influye en las variaciones del periodo de incubación

Caracterı́sticas de la enfermedad (signos y sı́ntomas)

La Organización Mundial de la Salud clasifica el dengue en dos categorı́as princi-

Dolor de cabeza muy intenso.

Dolor detrás de los globos oculares.

Dolores musculares y articulares.

Agrandamiento de ganglios linfáticos.

2.1.3. Dengue grave

A diferencia de las Hepatitis B y C, la Hepatitis A no causa hepatopatı́a crónica y

La Hepatitis A se presenta esporádicamente y en epidemias en todo el mundo y tien-

Además, se pueden prolongar mucho y persistir durante meses en la población a

La enfermedad puede tener consecuencias económicas y sociales graves en las co-

¿Quiénes corren riesgo?

Falta de agua salubre.

Convivencia con una persona infectada.

Consumo de drogas inyectables.

Viajes a zonas de alta endemicidad sin inmunización previa.

Sistemas adecuados de abastecimiento de agua potable.

Eliminación correcta de las aguas residuales de la comunidad.

Prácticas de higiene personal.

Como lavarse regularmente las manos antes de comer y después de ir al baño.

Hay varias vacunas inyectables inactivadas contra la hepatitis A disponibles a ni-

Millones de personas han recibido vacunas inyectables inactivadas contra la hepati-

En pocas horas se convierten en ampollas, las cuales se rompen de manera es-

La infección se produce por contacto persona a persona, a través de secreciones

La infección en adultos -por lo general- tiene manifestaciones más intensas; en un

El comportamiento de la enfermedad, respecto a la edad de infección, es similar a

2.2. El Modelo SIR