Proyección espacio-temporal del Covid-19 en Pereira
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.
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