Traducido del inglés al español - www.onlinedoctranslator.

com

Informática y Matemáticas con Aplicaciones 56 (2008) 690–696

www.elsevier.com/locate/camwa

Modelado matemático de la enfermedad de Toxoplasmosis en

poblaciones de diferentes tamaños

Diego F Arandaun,∗, Rafael J. Villanuevaun, Abraham J. Arenasb,

Gilberto C. González ParraC
unInstituto de Matemática Multidisciplinar, Universidad Politécnica de Valencia, Edificio 8G, piso 2, PO Box 46022, Valencia, España
bDepartamento de Matemáticas y Estadística, Universidad de Córdoba, Montería, Colombia
CDpto. de Cálculo, Facultad de Ingenierı́a, Universidad de los Andes, Mérida, Venezuela

Resumen

La prevalencia de la toxoplasmosis ha aumentado dramáticamente en todo el mundo. A pesar de que la toxoplasmosis congénita no es una
enfermedad de proporciones epidémicas, un gran número de humanos mueren o tienen efectos graves en el feto en desarrollo. En este trabajo
presentamos un modelo inicial con tamaño poblacional variable para la evolución de las personas infectadas con Toxoplasmosis. Exploramos la dinámica
de la enfermedad de Toxoplasmosis a nivel poblacional utilizando un modelo epidemiológico. Los datos estadísticos se utilizan para estimar algunos de
los parámetros del modelo. Las simulaciones numéricas del modelo realizadas con diferentes parámetros muestran diferentes escenarios sobre la
propagación de la enfermedad.
©
c 2008 Elsevier Ltd. Todos los derechos reservados.

Palabras clave:enfermedad de toxoplasmosis; modelo epidemiológico; solución numérica; Simulación

1. Introducción

El protozoo Toxoplasma Gondii es un parásito prevalente en animales salvajes y domésticos en todo el mundo, siendo transmitido a través
de la cadena alimenticia por alimentación carnívora y carroñeros. El toxoplasma normalmente se divide asexualmente para producir una
forma haploide que puede infectar virtualmente a cualquier vertebrado, pero también tiene un ciclo sexual bien definido que ocurre
exclusivamente en los gatos. Si el primer contacto durante el embarazo, Toxoplasma Gondii puede transmitirse verticalmente por taquizoítos
que pasan al feto a través de la placenta [1].
El Toxoplasma Gondii se ha vuelto importante como un patógeno oportunista en pacientes con SIDA, aunque el 15% al 85% de
las poblaciones humanas adultas que están crónicamente infectadas con T. Gondii son típicamente asintomáticas.1]. Las infecciones
en huéspedes inmunocomprometidos tienen resultados variables. En Estados Unidos, los brotes recientes de toxoplasmosis aguda
en humanos se han asociado con la contaminación del medio ambiente por ooquistes.1]. A lo largo de la historia reciente, los
humanos han domesticado muchas especies animales diferentes, pero las principales fueron los perros.

∗Autor correspondiente.
Correos electrónicos:aranda lozano diego@doctor.upv.es (DF Aranda),rjvillan@imm.upv.es (R.J. Villanueva),
abarta@doctor.upv.es (AJ Arenas),gcarlos@ula.ve (GC González Parra).

0898-1221/$ - ver portada© c 2008 Elsevier Ltd. Todos los derechos reservados.
doi:10.1016/j.camwa.2008.01.008
 DF Aranda et al. / Computadoras y Matemáticas con Aplicaciones 56 (2008) 690–696 691

domesticado hace 12000 años y los gatos domesticados hace 4000 años, sin embargo, a partir de estos comienzos modestos y
comparativamente recientes, el gato está ahora a punto de convertirse en la mascota más popular del mundo occidental; Las
predicciones actuales son que los gatos pronto superarán a los perros como la mascota más común. Según el Pet Food Institute de
Washington DC, los gatos ya superan en número a los perros en Estados Unidos, con 70,2 millones, y en España con 5,5 millones de
gatos [2].
En los Estados Unidos hay aproximadamente 225000 casos de infección por Toxoplasma Gondii por año, lo que resulta en 5000
hospitalizaciones y 750 muertes, lo que convierte a Toxoplasma Gondii en la tercera causa más común de transmisión alimentaria mortal y los
contactos efectivos con gatos que tienen la enfermedad de Toxoplasma en el país. Dado que más del 90% de las infecciones primarias por
toxoplasmosis en personas inmunocompetentes son asintomáticas, el diagnóstico de infección materna es difícil. En mujeres asintomáticas, el
único signo de infección primaria durante el embarazo es la seroconversión a través de la detección de IgG o IgM mediante la prueba de
inmunofluorescencia de anticuerpos, el ensayo de inmunofiltración ligada a enzimas, el ensayo de aglutinación inmunoabsorbente (ISAGA) u
otros ensayos similares. Los niveles de anticuerpos IgG se vuelven detectables 1 a 2 semanas después de la infección y permanecen elevados
indefinidamente. mientras que los niveles de anticuerpos IgM aumentan en cuestión de días y por lo general permanecen elevados durante 2
a 3 meses. Sin embargo, los niveles de anticuerpos IgM pueden permanecer positivos durante más de 2 años hasta en el 27 % de las mujeres
que usan ISAGA, lo que dificulta determinar el momento de la infección. Por lo tanto, la detección de IgG en una mujer al comienzo del
embarazo indica una infección previa y, por lo tanto, elimina el riesgo de transferencia congénita de taquizoos.3].

En Colombia, de acuerdo con la Investigación Nacional de Salud, el 47% de la población humana tiene anticuerpos vs
Toxoplasma, muestra contacto con protozoos alguna vez en la vida y esto pasa desapercibido en personas con un excelente sistema
inmunológico [4]. Las consecuencias para la salud más importantes son en los recién nacidos con la infección adquirida en el útero y
la inmunodeficiencia en pacientes con SIDA. Se estima que entre 2 y 10 recién nacidos tienen Toxoplasmosis por cada 1000
nacimientos en Colombia. Por lo tanto, entre 600 y 3000 niños de los 300000 nuevos nacimientos por año, nacerían con la infección
congénita, la mayoría totalmente asintomáticos (450-2250), mientras que solo 150-750 presentarían síntomas en los primeros meses
de vida.4]. Es importante mencionar que a nuestro conocimiento este es el primer modelo matemático para la evolución de la
Toxoplasmosis en la población humana.
En este trabajo se presenta una primera aproximación para modelar la evolución de la enfermedad de Toxoplasmosis en población
humana utilizando unSICmodelo (susceptible-infectado-controlado). En la sección2, presentamos el modelo matemático para la evolución de
la Toxoplasmosis. Sección3se dedica a escalar el modelo correctamente para que coincida con los datos disponibles. En la sección4 Se realiza
una simulación matemática para tres escenarios diferentes. Finalmente en la Sección5se presentan las conclusiones.

2. Modelo matemático

En esta sección se formula un primer modelo matemático para la evolución de la Toxoplasmosis en la población.
Siguiendo las ideas básicas y la estructura del modelado matemático en epidemiología, se desarrollará el modelo para la
enfermedad de Toxoplasmosis bajo las siguientes hipótesis básicas [5,6,11].

(1) La población totalNuevo Testamento)se divide en tres subpoblaciones:

• SusceptibleS t): miembros de la población que pueden infectarse.

• Infectadomi(t): miembros de la población infectados por el parásito Toxoplasmosis, tanto asintomáticos como
sintomáticos.
• RevisadoConnecticut): miembros de la población que han sido tratados por la Toxoplasmosis.
(2) Un individuo susceptible transita a una tasaβa la subpoblación infectadaEso). Una persona infectada transita a la
subpoblación controladaConnecticut)a un pasoγ.
(3) La tasa de natalidadµse supone independiente del tiempo, así como la tasa de muerte naturald. La tasa de transmisiónβSe
supone que depende de la población de gatos, de la acumulación de ooquistes en el medio ambiente y de la población de otros
animales (aves, ratas y ratones), pero también independiente del tiempo. Un recién nacido tiene una probabilidadpag estar
sano, es decir, nacer sin toxoplasmosis. La tasa de mortalidad adicional causada por la toxoplasmosis esε.
(4) Todos los miembros de la subpoblación susceptibleS t)tienen la misma probabilidad de estar infectados.

Un resumen de la descripción de los parámetros se presenta entabla 1.

692 DF Aranda et al. / Computadoras y Matemáticas con Aplicaciones 56 (2008) 690–696

Figura 1. Diagrama de la enfermedad de Toxoplasmosis en la población.

tabla 1
Parámetros básicos del modelo matemático

Parámetro Descripción

µ Tasa de natalidad

d Tasa de muerte natural

β Velocidad de transmision

pag Probabilidad de nacer sin Toxoplasma Tasa de

γ individuos con Toxoplasma controlado Tasa
ε de mortalidad por Toxoplasma

Bajo los supuestos anteriores, el siguiente sistema lineal de ecuaciones diferenciales ordinarias proporciona un modelo
epidemiológico para la toxoplasmosis.

S(t)=pagµNuevo Testamento)−dS(t)−βS(t),

MI(t)=βS(t)+µ(1 -p)N(t)−(d+ε)E(t)−γ E(t),

(1)
C(t)=γ E(t)−cc(t), N(t)=S t)+
mi(t)+Connecticut),
dondeS t),mi(t)yConnecticut)representan el número de individuos en las tres subpoblaciones en el momentot.La representación
esquemática del flujo de individuos entre las diferentes subpoblaciones se muestra enFigura 1.
Este modelo se utiliza para estimar algunos parámetros desconocidos relacionados con la toxoplasmosis. Se realizan simulaciones
numéricas para analizar el efecto de diferentes medidas de control frente a la enfermedad.

3. Escalando el modelo

Dado que los datos disponibles están en porcentajes, mientras tanto modele en Eq.(1)se refiere al número de individuos, nos lleva a
escalar el modelo en las mismas unidades que los datos. Por lo tanto, siguiendo las ideas desarrolladas en los artículos [7,8] sobre cómo
escalar modelos con poblaciones que varían en tamaño, agregando las tres primeras ecuaciones del sistema(1)y usando el último, obtenemos
que,

Ṅ (t)=(µ−d)N−εE. (2)
Dividiendo ambos miembros de(2)pornorteuno obtiene

NORTE mi
=µ−d−ε . (3)
norte norte

Si definimos las proporciones (depende del tiempo)

S mi C
s= , mi= , C= , (4)
norte norte norte

la ecuación(3)se puede transformar en

NORTE
=µ−d−e.e. (5)
norte
 DF Aranda et al. / Computadoras y Matemáticas con Aplicaciones 56 (2008) 690–696 693

Tabla 2
Parámetros del modelo

Parámetro Valores

µ 0.233
d 0.00601
pag 0.9898
ε 5.08∗10−6

Ahora calculemos la derivada desutilizando(5). Entonces, obtenemos que

N−S S S S
s= = − = − s(µ−d−e), (6)
norte2 norte NN norte

y análogamente, se obtiene que,

MI C
mi= − mi(µ−d−e), C= − C(µ−d−e). (7)
norte norte

Ahora, consideremos la primera ecuación del sistema(1). Si dividimos pornorte,tenemos

S S S
=pagµ−d − β (8)
norte norte norte

y sustituyendo por las proporciones correspondientes definidas en(4)y usando(8)obtenemos la ecuación escalada.

s=pagµ−S t)(µ+β−εe(t)). (9)

Parte restante de las ecuaciones del sistema.(1)se puede escalar de manera similar para obtener

mi(t)=βs(t)+µ(1 -pag)−e(t)(γ+µ+ε−εe(t)), C(t)=γ e(t)

−(µ−εe(t))c(t), 1 =S t)+mi(t)+Connecticut). (10)

Observe que, después de escalar, el modelo se ha transformado en uno no lineal.

ComoS t)+mi(t)+Connecticut)=1, podemos eliminarConnecticut)y considere el sistema bidimensional.

s(t)=pagµ−S t)(µ+β−εe(t)),
(11)
mi(t)=βs(t)+µ(1 -pag)−e(t)(γ+µ+ε−εe(t)).
De los siguientes datos

• Entre 2 y 10 de cada 1000 recién nacidos en Colombia tienen Toxoplasmosis [4],

• En los Estados Unidos hay 225000 casos de Toxoplasmosis por año y 750 muertes causadas por el parásito [3],
• Estadísticas nacionales de Colombia [9],

algunos de los parámetros del modelo se pueden estimar y se resumen enTabla 2.

Los parametrosβyγson desconocidos y los variamos en la siguiente sección para simular diferentes escenarios.

4. Simulación numérica

En esta sección, simulamos tres escenarios posibles y observamos los efectos de los parámetros.βyγsobre la dinámica de
transmisión de la enfermedad de Toxoplasmosis. Teniendo en cuenta que en Colombia aproximadamente el 47,74% de la población
tiene anticuerpos contra el Toxoplasma Gondii [4], asumimos como condición inicial en todos los escenarios los siguientes valores

s(0)=0.5253 mi(0)=0.47 yC(0)=0.0047. (12)

694 DF Aranda et al. / Computadoras y Matemáticas con Aplicaciones 56 (2008) 690–696

Fig. 2. Dinámica de las diferentes subpoblaciones cuandoβ= 0.0206055 yγ= 0.000232.

Tabla 3
punto de equilibrio cuandoβ= 0.0206055 yγ= 0.000232 del sistema(11)

Punto de equilibrio Valores

s∗ 0.5253
mi∗ 0.47
C∗ 0.0047

Tabla 4
Valores propios del jacobianoJ (s∗,mi∗)cuandoβ= 0.0206055 yγ= 0.000232 del sistema(11)

Valores propios Valores

λ1 − 0,0439
λ2 − 0,0235

Tabla 5
punto de equilibrio cuandoβ= 0.010327 yγ= 0.000232 del sistema(11)

Punto de equilibrio Valores

s∗ 0.6863
mi∗ 0.3105
C∗ 0.003092

Para la primera simulación consideramos que la propagación de Toxoplasmosis en la población de Colombia está en equilibrio, es decir, las
proporciones de susceptibles infectados y controlados son invariantes en el tiempo. Este hecho es posible tomando los valores de los
parámetros

β=0.0206055 γ=0.000232. (13)

Por lo tanto, podemos calcular el punto de equilibrio(s∗,mi∗)y el jacobianoJ (s∗,mi∗)del sistema(11). Los valores propios deJ (s∗,
mi∗)son negativos y por lo tanto punto de equilibrio(s∗,mi∗)es localmente estable asintóticamente [10]. VerMesas 3 y4.

EnFigura 2se puede ver que las solucionesS t),mi(t)yConnecticut)mantenerse invariable en el tiempo.
En la segunda simulación, la tasa de transmisiónβse reduce a la mitad del valor de la simulación anterior, es decir, β=0.
0103027. Este supuesto considera una situación donde las instituciones de salud de Colombia toman acciones higiénicas
contra el ooquiste en el ambiente y crean programas de educación en salud. El valor deγse mantiene para el mismo valor de
la primera simulación. EnMesas 5y6, el punto de equilibrio(s∗,mi∗,C∗)y los valores propios del jacobiano
 DF Aranda et al. / Computadoras y Matemáticas con Aplicaciones 56 (2008) 690–696 695

Fig. 3. Dinámica de las diferentes subpoblaciones cuandoβ= 0.010327 yγ= 0.000232.

Tabla 6
Valores propios del jacobianoJ (s∗,mi∗)cuandoβ= 0.010327 yγ= 0.000232 del sistema(11)

Valores propios Valores

λ1 − 0,0336
λ2 − 0,0235

Tabla 7
punto de equilibrio cuandoβ= 0.0206055 yγ= 0.1 de sistema(11)

Punto de equilibrio Valores

s∗ 0.5252
mi∗ 0.08970
C∗ 0.3851

Tabla 8
Valores propios del jacobianoJ (s∗,mi∗)cuandoβ= 0.0206055 yγ= 0.1 de sistema(11)

Valores propios Valores

λ1 − 0,1233
λ2 − 0,04390

J (s∗,mi∗)se muestran. Los valores propios obtenidos son negativos, por lo que el punto de equilibrio es localmente estable
asintóticamente. Además,Fig. 3demuestra que las solucionesS t),mi(t)yConnecticut)convergen al punto de equilibrio, a pesar
de que la condición inicial está lejos del punto de equilibrio(s∗,mi∗,C∗). La efectividad de las acciones higiénicas se ha logrado
ya que la población infectada disminuyó (verFig. 3).
Finalmente, para la tercera simulación, consideramos un escenario donde las instituciones de salud toman más control sobre las
personas infectadas, haciendo más pruebas para Toxoplasmosis seropositivas y dando más tratamiento a las personas
seropositivas. EnMesas 7y8, el punto de equilibrio(s∗,mi∗,C∗)y los valores propios del jacobianoJ (s∗,mi∗)se muestran. Los valores
propios obtenidos son negativos, por lo que el punto de equilibrio es localmente estable asintóticamente. Adicionalmente enFigura 4
es posible ver que las solucionesS t),mi(t)yConnecticut)convergen al punto de equilibrio, a pesar de que la condición inicial está lejos
del punto de equilibrio(s∗,mi∗,C∗). Dado que la población infectada disminuye, concluimos que más control es una buena opción para
controlar la enfermedad.
696 DF Aranda et al. / Computadoras y Matemáticas con Aplicaciones 56 (2008) 690–696

Fig. 4. Dinámica de las diferentes subpoblaciones cuandoβ= 0.0206055 yγ= 0.1.

5. Conclusiones

En este trabajo proponemos un modelo matemático simple para estudiar la dinámica de la enfermedad de Toxoplasmosis en la
población de Colombia. El modelo divide la población total en tres subpoblaciones: susceptibles, infectadas y controladas. El modelo
inicial se construye usando un sistema lineal de ODEs, pero como en el modelo el tamaño de las poblaciones es variable y los datos
están en porcentajes, el modelo se transforma a valores relativos para observar el comportamiento cualitativo. El modelo
transformado es un sistema no lineal de ODEs, donde es posible hacer un mejor análisis de la dinámica de transmisión de la
enfermedad de Toxoplasmosis. Posteriormente, se realizan tres simulaciones numéricas en diferentes escenarios, basados en
algunas situaciones reales que podrían ocurrir en la vida real. En los dos últimos escenarios es posible ver el efecto de algunas
estrategias para el control de la Toxoplasmosis, como acciones higiénicas, programas de educación, más pruebas y tratamientos.
Finalmente es importante mencionar que a nuestro conocimiento este es el primer modelo matemático para la evolución de la
enfermedad de Toxoplasmosis en la población humana.

Referencias

[1] LD Sibley, JC Boothroyd, Letters nature, en: Departamento de Microbiología Molecular, Facultad de Medicina de la Universidad de Washington, EE. UU., 3 de
septiembre de 1992, p. 359, 82–85.doi:10.1038/359082a0.
[2] M. Sunquist, F. Sunquist, Gatos salvajes del mundo, ISBN: 978-0-226-77999-7 ISBN-10: 0-226-77999-8 Primavera de 2002 Sunquist, 462 p Washington
DC, EE. UU.
[3] JD Kravetz, DG Federman, Toxoplasmosis en el embarazo, Amer. J.Med. 118 (3) (2005) 212–216.
[4] JE Gomez-Marin, MT Montoya de Londoño, JC Castaño-Osorio, Programa de tamizaje materno para toxoplasmosis congénita en Quindío, Colombia y aplicación
de modelos matemáticos para estimar incidencias usando datos estratificados por edad, Am. J. Trop. Medicina. Hig. 57 (1997) 180–186.
[5] JD Murray, Biología matemática I. Introducción, ISBN 0-387-95223-3, EE. UU., 2002.
[6] F. Brauer, C. Castillo-Chávez, Modelos matemáticos en biología y epidemiología de la población, Springer-Verlag, Nueva York, 2001.
[7] M. Martcheva, C. Castillo Chavez, Enfermedades con etapa crónica en población con tamaño variable, Matemáticas. Biosci. 182 (2003) 1–25.
[8] J. Mena-Lorca, HW Hethcote, Modelo dinámico de enfermedades infecciosas como reguladores del tamaño de la población, J. Math Biol. 30 (1992) 693–716.
[9] Ministerio de Protección Social,www.minproteccionsocial.gov.co.
[10] MW Hirch, S. Smale, RL Devaney, Ecuaciones diferenciales, sistemas dinámicos e introducción al caos, ISBN 0-12-349703-5, EE. UU., 2004.

[11] HW Hethcote, Matemáticas de las enfermedades infecciosas, SIAM Rev. 42 (4) 599–653.