Modelación físico-matemática para la toma de decisiones frente a la COVID-19 en Cuba
Resumen
Objetivo: Aplicar la modelación físico-matemática a la dinámica de la COVID-19 para la toma de decisiones asociadas a la mitigación y erradicación de la pandemia en Cuba.
Métodos: La modelación se aplicó para caracterizar el pronóstico del pico y el comportamiento reproductivo de la pandemia, mediante herramientas y funciones de MATLAB. El pico se determinó aplicando el modelo SIR, luego de adecuaciones. Este se ajustó con la estrategia de optimización GlobalSearch. Para su solución se empleó la función ode23tb que usa un algoritmo combinado de Runge-Kutta con otro de regla trapezoidal. Para el comportamiento reproductivo se realizó el ajuste de un modelo exponencial empleando la herramienta Curve Fitting.
Principales resultados: Se identificaron los parámetros del modelo SIR y se logró el pronóstico del pico con dos semanas de anticipación y una precisión satisfactoria. Se pronosticaron los susceptibles, infectados acumulados y recuperados. El número de reproducción básico (R0) calculado permitió determinar que, para erradicar la pandemia por vacunación, la población inmunizada debe ser superior al 72 %. El número de reproducción efectivo (Ref) permitió evaluar la eficacia de las medidas de mitigación. Se reflexionó sobre la conducta a seguir para su erradicación.
Conclusiones: El modelo SIR demostró capacidad para predecir el pico de la pandemia. El R0 del SARS-CoV-2 permitió corroborar su elevada transmisibilidad. Las medidas de mitigación han sido efectivas y deben mantenerse hasta erradicar la pandemia, incluso para Ref < 1, mientras no se inmunice el 72 % de la población, para lograr la erradicación irreversible.
Descargas
Resumen
Objetivo: Aplicar la modelación físico-matemática a la dinámica de la COVID-19 para la toma de decisiones asociadas a la mitigación y erradicación de la pandemia en Cuba.
Métodos: La modelación se aplicó para caracterizar el pronóstico del pico y el comportamiento reproductivo de la pandemia, mediante herramientas y funciones de MATLAB. El pico se determinó aplicando el modelo SIR, luego de adecuaciones. Este se ajustó con la estrategia de optimización GlobalSearch. Para su solución se empleó la función ode23tb que usa un algoritmo combinado de Runge-Kutta con otro de regla trapezoidal. Para el comportamiento reproductivo se realizó el ajuste de un modelo exponencial empleando la herramienta Curve Fitting.
Principales resultados: Se identificaron los parámetros del modelo SIR y se logró el pronóstico del pico con dos semanas de anticipación y una precisión satisfactoria. Se pronosticaron los susceptibles, infectados acumulados y recuperados. El número de reproducción básico (R0) calculado permitió determinar que, para erradicar la pandemia por vacunación, la población inmunizada debe ser superior al 72 %. El número de reproducción efectivo (Ref) permitió evaluar la eficacia de las medidas de mitigación. Se reflexionó sobre la conducta a seguir para su erradicación.
Conclusiones: El modelo SIR demostró capacidad para predecir el pico de la pandemia. El R0 del SARS-CoV-2 permitió corroborar su elevada transmisibilidad. Las medidas de mitigación han sido efectivas y deben mantenerse hasta erradicar la pandemia, incluso para Ref < 1, mientras no se inmunice el 72 % de la población, para lograr la erradicación irreversible.
