Aplicación de Los Modelos Matemáticos

APLICACIÓN DE LOS MODELOS MATEMÁTICOS, EL TEOREMA DE BAYES Y LA
TEORÍA DE JUEGOS EN LA COYUNTURA DEL COVID-19
En estos momentos de angustia en torno al infame coronavirus, llegan voces desde

distintos campos de la ciencia tratando de echar una mano para entender o mitigar la
pandemia. En un mundo de biotecnología parece extraño acudir a las matemáticas para
resolver los enigmas que el SARS-CoV-2 nos plantea. Esto se debe a que, normalmente,
no se concibe la conexión entre las matemáticas y la realidad más allá de “contar con los
dedos”
Usted podría ser el primer portador del virus y haber estrechado la mano o tosido delante
de otras 3 personas que se contagiaron a su vez. Luego, cada una de estas tres personas
habrían contagiado a otras 3 (y ya van 1+3+9) que, por avatares de la vida, habrían
propagado la infección a otras 3 (es fácil contar: 1+3+9+27). Matemáticamente, esto se
conoce como progresión geométrica o, como se repite en los medios estos
días, crecimiento exponencial. En epidemiología, ese número 3 se conoce como ritmo (o
factor) reproductivo básico, R0, y representa el número medio de contagios propagados
por cada persona contagiada.
Las medidas de higiene y distanciamiento social que sufrimos en estos días permiten hacer
decrecer R0 y, por tanto, mitigan el impacto de la propagación de SARS-CoV-2. Para
cuantificar este impacto, proponemos utilizar un modelo matemático (y sus variantes)
Donde β es la tasa de infección y α es la tasa de recuperación, en el supuesto de las

proporciones iniciales s(0)= s0 >0, i(0)=1- s0 >0 y r(0)=0. En lenguaje cotidiano, la primera
ecuación nos dice que la velocidad con la que decrece el número de susceptibles es
proporcional al producto s(t) i(t), donde este producto se puede interpretar como la
probabilidad de que una persona susceptible se encuentre con una infectada y el
parámetro β mide la probabilidad de que el contagio sea exitoso. Es interesante entender
que β tiene tanto que ver con el número promedio de “encuentros” entre personas
susceptibles e infectadas, como con el resultado de esa infección. Como discutiremos más
adelante, esto tiene implicaciones en las políticas de aislamiento y de higiene.
Una sencilla interpretación de los signos de las derivadas de s(t), i(t) y r(t), garantiza que la
proporción de individuos susceptibles disminuirá (s(t)≤ s0) hacia su valor final s∞= lim t→∞⁡ s(t)
y la proporción de removidos se incrementará hacia un valor final r∞= lim t→∞ ⁡r(t) mientras que,
en ambos casos, existan individuos infectados. Por el contrario, la proporción de infectados
aumentará si βs(t)>α y disminuirá si βs(t)<α
Desde lo anterior, es claro que la curva del número acumulado de afectados por SARS-CoV-2
no se suavizará hasta que el 50% de la población no se haya visto afectada por la epidemia,
siempre que la epidemia no se haya extinguido antes.
Minimizando el valor máximo β/4 de la velocidad de crecimiento.

Eso significa “disminuir la tasa de contacto entre individuos” para hacer posible disminuir la
tasa de transmisión β, en el mismo sentido que el factor reproductivo básico R0. En este punto,
toman sentido las medidas de distanciamiento social, así como medidas profilácticas (uso de
guantes, mascarillas, lavado de manos) dictadas por los Gobiernos de los países afectados
por SARS-CoV-2.
Pongamos un ejemplo para poner de manifiesto las repercusiones de una medida de
contingencia, como el distanciamiento forzoso de los ciudadanos, ante la enfermedad Covid-
19 asumiendo que el valor R0 = 2,68 del factor reproductivo – publicado en la revista
científica Lancet– es correcto; en ese caso, la tasa de contagio estimada es β = 0,19 días -1 y
el tiempo medio de transmisión es, aproximadamente, 1/β= 5,26 días. Tomemos cuatro
escenarios:
I = Escenario 1: Sin medidas de contingencia. Representa la propagación de SARS-CoV-2 sin
medidas de control, es decir, β = 0,19 días -1 y R0 = 2,68.
l = Escenario 2: Medidas de contingencia leves. Se ponen en práctica medidas de control de
baja intensidad (β’ = 90% β) que conducen a R0 = 2,39.
l = Escenario 3: Medidas de contingencia moderadas. Se ponen en práctica medidas de
control de intensidad media (β”= 80% β) que conducen a R0 = 2,13.
l =Escenario 4: Medidas de contingencia severas. Se ponen en práctica medidas de control de
alta intensidad (β”’= 50% β)) que conducen a R0 = 1,33.
: Variación de la proporción de infectados i(t) en función de la intensidad de las medidas de
contingencia.
Variación de la proporción de individuos afectados j(t) en función de la intensidad de las

medidas de contingencia.
Tiempo transcurrido hasta alcanzar el pico de infección tmax y proporción máxima de
individuos simultáneamente infectados imax en función de la intensidad de las medidas de
contingencia.
A pesar de conocer este hecho, hemos elegido el modelo SIR para cumplir nuestro objetivo,
que no es otro que explicar y dar sentido a los términos “pico de infección”, “crecimiento
exponencial” y “aplanar la curva”, entre otros, que están en los medios, y hacerlo como
respuesta a las preguntas de nuestra población, familiares y amigos, no todos con
conocimientos avanzados de matemáticas. Y, lo que es más importante, hacerlo desde la
interpretación de conocer ptos sencillos (por ejemplo, signos de derivadas, fórmulas explícitas)
y no requiriendo del uso de métodos numéricos de resolución de ecuaciones diferenciales,
como requeriría el modelo SEIR.
Aprovecho este comentario para volver a incidir sobre un hecho: la pandemia está en
desarrollo y el uso de un “toy model” como el modelo SIR, con sus virtudes y limitaciones, es
parte del proceso de aprendizaje frente a un enemigo desconocido.

Aplicación de Los Modelos Matemáticos

Cargado por

Copyright:

Formatos disponibles

Aplicación de Los Modelos Matemáticos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aplicación de Los Modelos Matemáticos

Cargado por

Copyright:

Formatos disponibles

APLICACIÓN DE LOS MODELOS MATEMÁTICOS, EL TEOREMA DE BAYES Y LA

TEORÍA DE JUEGOS EN LA COYUNTURA DEL COVID-19

En estos momentos de angustia en torno al infame coronavirus, llegan voces desde

Donde β es la tasa de infección y α es la tasa de recuperación, en el supuesto de las

Minimizando el valor máximo β/4 de la velocidad de crecimiento.

Variación de la proporción de individuos afectados j(t) en función de la intensidad de las

También podría gustarte