Modelamiento estocástico de la evolución de la trasmisión de virus altamente contagiosos en lugares concurridos

Resumen

Se propone un modelo matemático para la estimación estocástica del número de portadores de virus SARS-COv-2 en lugares donde hay alta concentración de población como centros comerciales u otros espacios cerrados. El objetivo de trabajo es obtener un modelo matemático de propagación de virus en espacios cerrados calculando el número de portadores nuevos dependiendo del cumplimiento o violación de las distancias seguras y de normas de protección, así como un algoritmo heurístico para su solución. Se recurrió al modelamiento matemático para abordar la situación de transmisión de virus y desarrollar un algoritmo heurístico para la solución del modelo matemático obtenido. La programación, los experimentos numéricos y los gráficos se realizaron en MATLAB. Los experimentos numéricos obtenidos para diferentes casos muestran la dependencia que existe entre la cantidad de nuevos portadores de virus con el no cumplimiento de las recomendaciones de distanciamiento social y de uso de elementos de protección personal. El modelo está abierto a complementos y mejoras y puede ser de interés para soportar la toma de decisiones que deben tomar las autoridades sanitarias y administrativas. El algoritmo resuelve el modelo matemático propuesto para rastrear la transmisión del virus cuando no se cumplen distancias seguras y de protección recomendadas. La aplicación del algoritmo permite proponer controles en situaciones complejas y poco predecibles de desarrollo epidémico en concentraciones de población, por lo que puede utilizarse para mejorar la calidad de las medidas médicas proactivas y demás decisiones relacionadas.

Palabras clave: trasmisión de virus, contagio, distanciamiento social, aglomeraciones, algoritmo, comportamiento estocástico, modelamiento matemático, autoridades sanitarias, normas de bioseguridad, experimentos numéricos, SARS-COv-2, COVID 19

Descargas

La descarga de datos todavía no está disponible.

Referencias

[1] S. Jiumeng, et al. “COVID-19: epidemiology, evolution, and cross-disciplinary perspectives,” Trends in Molecular Medicine, vol. 26, no. 5, pp. 483-495, 2020, doi: 10.1016/j.molmed.2020.02.008

[2] T. Lupia, S. Scabini, S. M. Pinna, G. Di Perri, F. G. De Rosa, S. Corcione, “2019-novel coronavirus outbreak: A new challenge,” Journal of Global Antimicrobial Resistance, vol. 21, pp. 22-27, doi: 10.1016/j.jgar.2020.02.021

[3] B. Ivorra, M. R. Ferrández, M. Vela-Pérez, A.M. Ramos, “Mathematical modeling of the spread of the coronavirus disease 2019 (COVID-19) taking into account the undetected infections. The case of China,” Communications in nonlinear science and numerical simulation, vol. 88, 2020, doi: 10.1016/j.cnsns.2020.105303

[4] T. Pueyo, “Coronavirus: Por qué Debemos Actuar Ya,” 2020, [En línea]. Disponible en:https://medium.com/tomas-pueyo/coronavirus-por-qu%C3%A9-debemos-actuar-ya-93079c61e200

[5] E. N. Nikolaev, , M.I. Indeykina, A.G. Brzhozovskiy, A.E. Bugrova, A. Kononikhin, N.L. Starodubtseva, G.T. Sukhikh, “Mass Spectrometric detection of SARS-CoV-2 virus in scrapings of the epithelium of the nasopharynx of infected patients via Nucleocapsid N protein,” Journal of Proteome Research, 2020, doi: 10.1021/acs.jproteome.0c00412

[6] Resolution of the Chief Sanitary Doctor of the Russian Federation N9 of 30.03.2020. On additional measures to prevent the spread of COVID-2019. [En línea]. Disponible en: https://www.rospotrebnadzor.ru/documents/details.php?ELEMENT_ID=14155

[7] B. Blocken,et al., “Towards aerodynamically equivalent COVID19 1.5 m social distancing for walking and running,” [En línea]. Disponible en: http://www.urbanphysics.net/COVID19_Aero_Paper.pdf

[8] Z. Yang, Z. Zeng, K. Wang, S.S. Wong, W. Liang, M. Zanin, J. Liang, et al., “Modified SEIR and AI prediction of the epidemics trend of COVID-19 in China under public health interventions,” Journal of Thoracic Disease, vol. 12, no. 3, 2020, doi: 10.21037/jtd.2020.02.64

[9] S. He, Y. Peng, K. Sun, “SEIR modeling of the COVID-19 and its dynamics,” Nonlinear Dynamics, vol. 101, no. 3, pp. 1667–1680, 2020, doi: 10.1007/s11071-020-05743-y

[10] L. Peng, W. Yang, D. Zhang, C. Zhuge, L. Hong, “Epidemic analysis of COVID-19 in China by dynamical modeling,” medRxiv, 2020, doi: 10.1101/2020.02.16.20023465

[11] R. M. Batalin, V. A. Terletskiy, “Optimal control in models of epidemics of vector-borne diseases with SEI-SEIR systems,” Bulletin of Irkutsk State University. Serie: Mathematics, vol. 14, pp. 18-30, 2015.

[12] S. Ilyin, “Coronavirus infection: modeling and prognosis,” Institute of Petrochemical Synthesis. A.V. Topchiev RAS. [En línea]. Disponible en: https://www.kommersant.ru/doc/4322667

[13] “nCovForecast: Forecasting tool code nCov (aplication Shiny)”. [En línea]. Disponible en: https://github.com/benflips/nCovForecast

[14] F. H. Lee, “A Heuristic Model for Spreading of COVID 19 in Singapore,” medRxiv, 2020, doi: 10.1101/2020.04.15.20067264

[15] N. Bacaer, “Modèle mathématique de l'émergence de l'épidémie de coronavirus en France. Institut de Recherche pour le Developpement,” Math. Model. Nat. Phenom., vol. 15, 2020, doi: 10.1051/mmnp/2020015
Publicado
2020-11-03