Proyección espacio-temporal del Covid-19 en Pereira

Palabras clave: Proyección espacio-temporal, propagación del COVID-19, Método de Cadena Microscópica de Markov, mapas de calor, Coronavirus

Resumen

El brote actual de la enfermedad por coronavirus (COVID-19), que se informó por primera vez en Wuhan, China, el 31 de diciembre de 2019, ha dejado un saldo al 19 de abril de 2020 de más de 3500000 infectados y 160000 muertes en 185 países. En este trabajo utilizamos un modelo basado en el Método de Cadena Microscópica de Markov (MCMM, Markov Microscopic Chain Approach) para estimar la propagación del COVID-19 en la ciudad de Pereira (Risaralda-Colombia). Este modelo incorpora importantes aspectos de la población, relacionados con: ubicación espacial dentro de la ciudad discretizada por comunas, movilidad entre comunas, estratificación por grupos de edad y separación de individuos en siete compartimientos epidemiológicos. Este modelo se utiliza para predecir, en una línea de tiempo, la incidencia de epidemias en poblaciones geolocalizadas, lo que se traduce en una herramienta indicadora para tomar medidas de control. Así, el resultado de la metodología caracteriza la evolución en el tiempo y el espacio de la proporción de los individuos en cada uno de los compartimientos epidemiológicos y en cada grupo etario. Los datos que se refieren a COVID-19, desde la municipalidad de Pereira, hasta el 20 de abril de 2020, se utilizan para alimentar el modelo y obtener las proyecciones espacio-temporales. Los resultados presentados consideran múltiples escenarios de movilidad, de forma que el aplanamiento de las curvas de los diferentes compartimientos epidemiológicos pueda ser visualizados de acuerdo a diferentes estrategias de confinamiento. Por tratarse de un modelo espacio-temporal, los resultados del modelo pueden ser presentados fácilmente como mapas de calor sobre cada uno de los compartimientos epidemiológicos, a fin de facilitar los procesos de toma de decisiones.

Biografía del autor/a

Mauricio Granada-Echeverri*, Universidad Tecnológica de Pereira, Colombia

PhD. en Ingeniería Eléctrica, Facultad de Ingenierías, Programa de Ingeniería Eléctrica, Universidad Tecnológica de Pereira, Pereira-Colombia, magra@utp.edu.co

Alexander Molina-Cabrera, Universidad Tecnológica de Pereira, Colombia

PhD. en Ingeniería Eléctrica, Facultad de Ingenierías, Programa de Ingeniería Eléctrica, Universidad Tecnológica de Pereira, Pereira-Colombia, almo@utp.edu.co

Patricia Granada-Echeverri, Universidad Tecnológica de Pereira, Colombia

PhD. en Ciencias Sociales Niñez y Juventud, Facultad Ciencias de la Salud, Departamento de Ciencias Clínicas, área Maternoinfantil, Universidad Tecnológica de Pereira, Pereira-Colombia, patriciagranada@utp.edu.co

Referencias bibliográficas

S. Banisch, “Markov Chain Aggregation for Agent-Based Models” en Understanding Complex Systems, Springer, Switzerland, 2016. https://doi.org/10.1007/978-3-319-24877-6

A. Arenas et al., “A mathematical model for the spatiotemporal epidemic spreading of COVID19,” medRxiv, pp. 1-13, Mar. 2020. https://doi.org/10.1101/2020.03.21.20040022

S. Gómez; A. Arenas; J. Borge-Holthoefer; S. Meloni; Y. Moreno, “Discrete-time Markov chain approach to contact-based disease spreading in complex networks”. EPL (Europhysics Letters), vol. 89, no. 3, pp. 1-6, Feb. 2010. https://doi.org/10.1209/0295-5075/89/38009

Y. Chen; J. Cheng; Y. Jian; K. Liu, “A time delay dynamical model for outbreak of 2019-nCoV and the parameter identification”. Journal of Inverse and Ill-posed Problems, vol. 28, no. 2, pp. 243-250. Mar. 2020. https://doi.org/10.1515/jiip-2020-0010

B. Cantó; C. Coll; E. Sánchez, “Estimation of parameters in a structured SIR model”. Advances in Difference Equations, vol. 1, no. 33, pp. 33, Jan. 2017. https://doi.org/10.1186/s13662-017-1078-5

S. Ma. Stefan; Y. Xia, “Mathematical Understanding of Infectious Disease Dynamics” en Lecture Notes Series, Institute for Mathematical Sciences, National University of Singapore: vol. 16. 2008. https://doi.org/10.1142/7020

C. Liu; G. Ding; J. Gong; L. Wang; K. Cheng; D. Zhang, “Studies on mathematical models for SARS outbreak prediction and warning” Chinese Sci Bull, vol. 49, no. 21, pp. 2245-2251, 2014. https://doi.org/10.1360/csb2004-49-21-2245.

R. E. González, “Different scenarios in the Dynamics of SARS-Cov-2 Infection: an adapted ODE model”. Populations and Evolution, 2020. https://arxiv.org/abs/2004.01295

Observatorio de movilidad vial en Pereira, Universidad Tecnológica de Pereira (UTP), Pereira, Risaralda, 2019. https://www.researchgate.net/profile/Mauricio_Granada-Echeverri/publication/342183390_PROYECCION_ESPACIO-TEMPORAL_DEL_COVID-19_EN_PEREIRA/data/5ee7caa692851ce9e7e47622/DatosCovidPereira.zip

Departamento Administrativo Nacional de estadísticas, “Resultados Censo Nacional de población y Vivienda 2018”, 2019. https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/censo-nacional-de-poblacion-y-vivenda-2018

Q. Li, et al., “Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia”, The New Engl J Med., no. 382, pp. 1199-1207, Mar. 2020. https://doi.org/10.1056/NEJMoa2001316

J. M. Read; J. R. Bridgen; D. A. Cummings; A. Ho; C. P. Jewell, “Novel coronavirus 2019-nCoV: early estimation of epidemiological parameters and epidemic predictions,” MedRxiv, Jan. 2020. https://doi.org/10.1101/2020.01.23.20018549

L. Danon; E. Brooks-Pollock; M. Bailey; M. J. Keeling. “A spatial model of CoVID-19 transmission in England and Wales: early spread and peak timing,” MedRxiv, pp. 1- 10, Feb. 2020. https://doi.org/10.1101/2020.02.12.20022566

N. Wilson; A. Kvalsvig; L. T. Barnard; M. G. Baker. “Case-fatality risk estimates for covid-19 calculated by using a lag time for fatality,” Emerging Infectious Diseases, vol. 26, no. 6, Jun. 2020. https://dx.doi.org/10.3201/eid2606.200320

H. Nishiura; N. M. Linton; A. R. Akhmetzhanov, “Serial interval of novel coronavirus (covid-19) infections,” International Journal of Infectious Diseases., vol. 93, pp. 284-286, Apr. 2020. https://doi.org/10.1016/j.ijid.2020.02.060

Cómo citar
[1]
M. Granada-Echeverri, A. Molina-Cabrera, y P. . Granada-Echeverri, «Proyección espacio-temporal del Covid-19 en Pereira», TecnoL., vol. 23, n.º 49, pp. 129–146, sep. 2020.

Descargas

Los datos de descargas todavía no están disponibles.
Publicado
2020-09-15
Sección
Artículos de investigación

Métricas