Ajustes del modelo SIR a los datos iniciales de la pandemia del COVID-19 en Argentina

• García Clúa, José Gabriel ^[1] ; Vampa, Victoria ^[1] ; Calandra, María Valeria ^[1]
  1. [1] Universidad Nacional de La Plata

     Universidad Nacional de La Plata

     Argentina

     
• Localización: Ciencia y tecnología, ISSN 1850-0870, ISSN-e 2344-9217, Nº. 22, 2022
• Idioma: español
• DOI: 10.18682/cyt.vi22.5377
• Títulos paralelos:
  • SIR model adjustments to the initial data of the COVID-19 pandemic in Argentina
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo presenta un estudio que utiliza los datos proporcionados por el Ministerio de Salud de Argentina sobre el número de personas infectadas, fallecidas y recuperadas por la enfermedad de Coronavirus 2019 (COVID-2019). El modelo estándar Susceptible-Infected-Removed (SIR) se usa para simular la población infectada de esta epidemia en Argentina. El modelo SIR, desarrollado por Ronald Ross, William Hamer y otros, es una representación matemática de cómo una infección se propaga en una población en el tiempo. Este modelo tiene dos parámetros, la tasa de transmisión por cápita, β, y la tasa de recuperación, , siendo 1/ el tiempo medio que el individuo permanece infectado. En este trabajo, el parámetro  se considera constante y el parámetro β se ajusta con el tiempo con datos reales, de tres formas distintas, que luego se comparan simulando la evolución epidémica mediante el modelo SIR. Se muestran los resultados obtenidos con datos reales del inicio de la pandemia, del 3 de marzo de 2020 al 21 de julio de 2020. Finalmente se concluye que el modelo se ajusta satisfactoriamente a los datos de Argentina como consecuencia de la variación temporal propuesta de β en corto y mediano plazo.

  • English

    This article presents a study using data provided by the Argentine Ministry of Health on the number of people infected, deceased and recovered by the Coronavirus disease 2019 (COVID-2019). The standard Susceptible-Infected-Removed (SIR) model is used to simulate the infected population of this epidemic in Argentine. The SIR model, developed by Ronald Ross, William Hamer, and others, is a mathematical model representation of how an infection spreads across a population over time. This model has two parameters, the transmission rate per capita, β, and the recovery rate, , where 1/ is the average time that the individual remains infected. In this work,  parameter is considered fixed and β parameter is adjusted over time with real data, in three different ways, which are then compared by simulating the epidemic evolution using the SIR model. Results obtained using real data from the beginning of the pandemic, from March 3rd to July 21th, 2020, are shown. Finally, it is concluded that the model fits the data from Argentine satisfactorily as a consequence of the proposed temporal variation of β over short and medium-term.

• Referencias bibliográficas
  • Allen, L. J., Brauer, F., Van den Driessche, P. y Wu, J. (2008). Mathematical epidemiology (Vol. 1945). Berlin: Springer.
  • Anderson, R. M. (1991). Discussion: the Kermack-McKendrick epidemic threshold theorem. Bulletin of mathematical biology, 53(1), 1-32.
  • Bacaër, N. y Gomes, M. G. M. (2009). On the final size of epidemics with seasonality. Bulletin of mathematical biology, 71(8), 1954.
  • Caccavo, D. (2020). Chinese and Italian COVID-19 outbreaks can be correctly described by a modified SIRD model. MedRxiv.
  • Cooper, I., Mondal, A., & Antonopoulos, C. G. (2020). A SIR model assumption for the spread of COVID-19 in different communities. Chaos,...
  • Kermack, W. O. y McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the royal society of London....
  • Ministerio de Salud de la República Argentina (acceso en 2020). https://www.argentina.gob.ar/coronavirus/informe-diario.
  • McMahon, A., & Robb, N. C. (2020). Reinfection with SARS-CoV-2: Discrete SIR (susceptible, infected, recovered) modeling using empirical...
  • Moein, S., Nickaeen, N., Roointan, A., Borhani, N., Heidary, Z., Javanmard, S. H., ... & Gheisari, Y. (2021). Inefficiency of SIR models...
  • Morato, M. M., Bastos, S. B., Cajueiro, D. O. y Normey-Rico, J. E. (2020). An optimal predictive control strategy for COVID-19 (SARS-CoV-2)...
  • Rodrigues, H. S. (2016). Application of SIR epidemiological model: new trends. arXiv preprint arXiv:1611.02565.
  • Tagliazucchi, E., Balenzuela, P., Travizano, M., Mindlin, G. B. y Mininni, P. D. (2020). Lessons from being challenged by COVID-19. Chaos,...
  • ud Din, R., & Algehyne, E. A. (2021). Mathematical analysis of COVID-19 by using SIR model with convex incidence rate. Results in Physics,...
  • Vampa, V., Calandra, M. V., García Clúa, J. G. y Costa, V. A. “Análisis de datos relativos a la pandemia del COVID-19 en Argentina usando...