Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LICENCIATURA EN MATEMÁTICA
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
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
IV
4.4. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(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
4.5. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Conjuntivitis
en el año 2019 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 45
4.6. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Conjuntivitis
en el año 2020 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 47
4.7. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Varicela en
el año 2020 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 49
4.8. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Varicela en
el año 2020 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 51
4.9. Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Varicela en
el año 2020 en el municipio de León con un tamaño de población de
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
en el año 2018 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 55
4.11.Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Hepatitis A
en el año 2019 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 57
4.12.Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados
(I) y Recuperados (R) generadas sobre la enfermedad de Hepatitis A
en el año 2020 en el municipio de León con un tamaño de población de
N = 211278 (Fuente SILAIS). . . . . . . . . . . . . . . . . . . . . . . . . 59
V
LISTA DE SÍMBOLOS
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.
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.
2
Capı́tulo 1. ASPECTOS INTRODUCTORIOS 1.2 Antecedentes
3
1.3 Objetivo General Capı́tulo 1. ASPECTOS INTRODUCTORIOS
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:
Lagrimeo.
5
2.1 EPIDEMIAS Capı́tulo 2. MARCO TEÓRICO
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 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.
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:
Náuseas.
Vómitos.
7
2.1 EPIDEMIAS Capı́tulo 2. MARCO TEÓRICO
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
Capı́tulo 2. MARCO TEÓRICO 2.1 EPIDEMIAS
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.
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 EPIDEMIAS Capı́tulo 2. MARCO TEÓRICO
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.
Saneamiento deficiente.
Relaciones sexuales con una persona con infección aguda por VHA.
10
Capı́tulo 2. MARCO TEÓRICO 2.1 EPIDEMIAS
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:
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.
11
2.1 EPIDEMIAS Capı́tulo 2. MARCO TEÓRICO
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.
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
dS z}|{ I
= −β S (2.1)
dt N
|{z}
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:
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
β
= R0 > 1 (2.7)
γ
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
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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
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)
15
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
Por lo cual;
γN S(t)
I(t) − I0 = ln − S(t) + S0 (2.19)
β S0
16
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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.
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
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
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
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
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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).
β S
= − ·
γ N
|{z} |{z}
1/ρ 1
1
= − S(t) (2.25)
ρ
19
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
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)
R(t)
−
S(R(t)) = S0 e ρ (2.27)
20
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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)
S∞
Figura 2.3: El sistema de trayectoria del plano de fase RS para el modelo SIR Hethcote
(2000).
21
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
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:
R0 R2 (t)
e −R0 R(t)
= 1 − R0 R(t) +
2
(2.32)
Dejando
q
α= (S0 R0 − 1)2 + 2S0 I0 R02 (2.35)
y
−1 1
φ = tanh (S0 R0 − 1) (2.36)
α
22
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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
ρ2
S0
R∞ ≈ −1+α (2.39)
S0 ρ
23
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
dR
dt
2φ t
αγ
Figura 2.4: Curva Epidemiológica Rahman y Kuddus (2014).
24
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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.
µ − βSI − µS = 0 (2.45)
βSI − γI − µI = 0 (2.46)
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
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
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
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
Capı́tulo 2. MARCO TEÓRICO 2.2 El Modelo SIR
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).
27
2.2 El Modelo SIR Capı́tulo 2. MARCO TEÓRICO
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).
28
CAPÍTULO 3
METODOLOGÍA
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.
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.
30
Capı́tulo 3. METODOLOGÍA 3.2 Etapas del proyecto
Diseño Metodológico
Longitudinal Digitalización
Población: Edición de texto
Fuente SILAIS León, 2020 GPS
Computadora
Latex
Excel SPSS
Territorio
Obtención de
resultados
46, 481
80, 286 84, 511
31
3.3 Materiales Utilizados Capı́tulo 3. METODOLOGÍA
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
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:
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
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:
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
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).
36
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
37
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.2: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Dengue en el año 2019 en el
municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
38
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
39
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
40
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
Figura 4.3: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Dengue en el año 2020 en el
municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
41
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
42
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.4: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (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
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
44
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.5: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Conjuntivitis en el año 2019 en
el municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
45
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
46
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.6: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Conjuntivitis en el año 2020 en
el municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
47
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
48
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.7: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Varicela en el año 2020 en el
municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
49
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
50
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.8: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Varicela en el año 2020 en el
municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
51
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
52
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
Figura 4.9: Trayectorias de las curvas epidemiológicas Susceptibles (S), Infectados (I)
y Recuperados (R) generadas sobre la enfermedad de Varicela en el año 2020 en el
municipio de León con un tamaño de población de N = 211278 (Fuente SILAIS).
53
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
54
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
55
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
56
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
57
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
58
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
59
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
60
Capı́tulo 4. RESULTADOS Y DISCUSIÓN
casos donde se confirmaron 11 casos, para un total de 193 casos registrados y 161
casos confirmados.
61
CAPÍTULO 5
CONCLUSIONES
62
CAPÍTULO 6
RECOMENDACIONES
63
REFERENCIAS
Ellner, S. . P., y Guckenheimer, J. . (2006, 07). Differential equation models for infec-
tious disease. Applied Mathematics, 6.
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/
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
Morales. (2014). Pyqgis para novatos: primeros pasos con python en qgis. Map-
pingGIS. Descargado de https://mappinggis.com/2014/02/primeros-pasos-con
-pyqgis/
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
65
CAPÍTULO 7
APÉNDICE
Para esta instalación se descargara el instalador para Windows por lo que selec-
cionaremos la opción “Descarga para Windows”.
Se escoge los componentes que forman parte de la instalación, una vez selec-
cionados los requeridos se presiona “Install” para comenzar con el proceso.