Simulación de un brote de cólera porcino en una instalación de Camagüey.

  • José A. Betancourt Betancourt Universidad de Ciencias Médicas, Camagüey, Cuba.
  • Luis M. Navarro Cardoso Universidad de Camagüey, Cuba.
  • Teresa González Compte Universidad de Ciencias Médicas, Camagüey, Cuba.
  • Jorge Rivero Dones Universidad de Ciencias Médicas, Camagüey, Cuba.
Palabras clave: modelo SEIR, cólera porcino, número reproductivo básico

Resumen

Para mostrar el comportamiento de un brote epidémico de cólera porcino en una instalación de Camagüey se simuló la entrada de un animal enfermo sin tomar ninguna medida de contención ni preventiva. Se utilizó el programa R, y el paquete Odesolve para resolver el modelo SEIR (susceptibilidad, expuesto, infectado y recuperado). El estudio fue durante el mes de enero de 2001. Se tomó un índice de transmisibilidad de 0,35, una duración de la enfermedad de diez días y un período latente de diez días. El modelo de simulación mostró en el caso de no tomar ninguna medida, cómo se produciría un pico máximo de la enfermedad a los 12 días de iniciado: un total de 127 enfermos, lo que equivale al 63 % de la población expuesta. El número reproductivo básico (Ro) encontrado fue 3,26.

Simulation of a Hog Cholera Outbreak on a Swine Breeding Farm

ABSTRACT

Admission of a swine infected by hog cholera on a swine breeding farm was simulated to demonstrate this disease outbreak performance when no restraining or preventive measures are affected. The SEIR model (susceptivity, exposure, infestation, and restoration) was applied by using the computer program R and the statistical package Odesolve. The study was conducted during January 2011. A transmissibility index of 0,35, a disease duration of ten days, and a latent period of ten days were set. The SEIR model showed how this disease peaked after a twelve-day onset with a total of 127 infected swines, i.e., 63 % of the exposed population, when no measures were affected. The basic reproductive number (Ro) was 3,26.

Citas

ANDERSON,R.M. y MAY,R.M. (2008). Infectious Disease of Humans: Dynamics and Control. Oxford: Oxford University Press.

BETANCOURT,J.A.;ORTIZ,H.E.;GONZÁLEZ,M.A y BRITO,H. (2009). Enfoque de los sistemas complejos en la Epide-miología. Extraído en 2010 desde http://scielo.sld.cu/scielo.php?script=sci_arttext&.

BOËLLE,P.Y.;BERNILLON,P.yDESENCLOS,J.C. (2009). A preli-minary Estimation of The Reproduction Ratio for New Influenza A(H1N1) from The Outbreak in México. Euro Surveill, 14, 1-10.

HEIDEN, M.; BUCHHOLZ, U.; KRAUSE, G.; KIRCHNER, G.; HERMANN, C y Walter, H. (2009). Breaking the Waves: Modelling the Potential Impact of Public Health Measures to Defer the Epidemic Peak of Novel Influenza A/H1N1. Haas PLoS, 4 (12), 1-10.

HETHCOTE,H.W. (2000). The Mathematics of Infectious Diseases. Soc for Ind Applied Mathematics, 42 (4), 599-653.

HÖHLE,M. (n.d.). M. Spatio-temporal epidemic modelling using additive-multiplicative intensity models. Extraído en 2010 desde http://epub.ub.unimuenchen.de/6366/.

HÖHLE,M. y FELDMANN,U. (2007). RLadyBug-An R Package for Working with Stochastic Epidemic Models. Compu-tational Statistics and Data Analysis, 52 (2), 680–686.

HÖHLE,M y FELDMANN,U. (2009). An R Package for Working with Stochastic Epidemic Models. Computational Statistics and Data Analysis, 52 (2), 680–686.

JINFENG,W.;ANTHONY,J.M.;BIN,M.N.;WEIGUO, H.;KATHRYN,G.B y JILEI,W. (2006). Spatial Dynamics of An Epidemic of Severe Acute Respiratory Syndrome in An Urban Area. Bull of the WHO, 84, 965-968.

MARTÍ, C.; GUZMÁN, K y CAYLÀ, J. A. (2009). Modelos matemáticos utilizados en el estudio de las enfermedades transmisibles. Rev Esp Salud Pública, 83, 689-92.

MERL,D.;JOHNSON,L.R.;GRAMACY,R.B y MANGEL DUKE,M. (2008). R.Project.Org. A Statistical Framework for The Adaptive Management of Epidemiological Interventions: Extraído en diciembre 2010 desde http://ftp.stat.duke.edu/WorkingPapers/08-29.html.

RDEVELOPMENT CORE TEAM. (2009). A Language and Environment for Statistical Computing. Vienna, Austria:R Foundation for Statistical Computing. Extraído el 12 de mayo de 2010 desde http://www.R-project.org.

ROBERTS,M.G y HEESTERBEEK,J.A. (2007). Model-Consistent Estimation of the Basic Reproduction Number from The Incidence of An Emerging Infection. J Math Biol, 55, 803-16.

TORVALDSEN,S y MCINTYRE,P. (2003:). Do Pertussis Notifications Reflect Incidence or Surveillance Practices? A Comparison of Infant Notification Rates and Hospitalization Data in NSW. Public Health Bull, 14 (4), 81-84.

WOODROW,R.S. (2010). Odesolve: Solvers for Ordinary Differential Equations. R package version 0.5-20. Extraído en diciembre desde http://www.R-project.org.
Publicado
2016-07-21
Sección
Salud Animal