APLICACIONES DE MODELO DE DIFUSIN DE UNA

ENFERMEDAD EN ECUACIONES DIFERENCIAL

ORDINARIAS

Liseth Tatiana Amashta

Daniel alberto Bermudez Tellez
Jos Francisco Gonzlez cuello
Kelly Dayana Mendoza villazon
Laura Ochoa Daz
Fundacin Universitaria del rea Andina, Valledupar - Colombia
Resumen

Las ecuaciones diferenciales han venido desempeando un papel crucial en

diferentes mbitos de las matemticas e ingeniera, as como en el estudio
de las ciencias tales como, la economa, mediana, psicologa, investigacin
de operaciones entre otros. Se han desarrollan modelos matemticos para
ayudar a comprender la fenomenologa o el origen de ciertos problemas
fsicos, biolgicos, sociales, etc. Estos modelos a menudo dan lugar a una
ecuacin que contiene ciertas derivadas de una funcin incgnita o funcin
desconocida. A una ecuacin de este tipo se le denomina ecuacin
diferencial.

Palabras clave: epidemiologa, modelos de transmisin de enfermedades.

Abstract
The differential equations have been playing a crucial role in various areas of
mathematics and engineering, as well as in the study of the sciences such as
economics,

medicine,

psychology,

operations

research

and

others.

Mathematicians have been developed to help understand the phenomenology

or the origin of certain physical, biological, social and other problems models.
These models often lead to an equation derived contains certain unknown or
unknown. In an equation of this type is called a differential equation.

Keywords: epidemiology, diseases transmission models.

INTRODUCCIN

En las ramas de la ciencia se tiene un puente entre la notacin, muy

simplificada, que utiliza la matemtica en el estudio de las ecuaciones
diferenciales y la que aparece, de forma natural, al estudiar algunos
problemas de Ingeniera. La teora de ecuaciones diferenciales es de gran
importancia en el anlisis de modelos matemticos de las Ciencias Aplicadas
y la Tecnologa. Con muchas observaciones a las ecuaciones diferenciales
ordinarias

de

primer

orden

se

dan

algunas

aplicaciones

la

epidemiologia y a otras ciencias experimentales.

Un problema importante de la biologa y de la medicina trata de la ocurrencia,

propagacin y control de una enfermedad contagiosa, esto es, una
enfermedad que puede transmitirse de un individuo a otro. La ciencia que
estudia este problema se llama epidemiologa K, y si un porcentaje grande no
comn de una poblacin adquiere la enfermedad, decimos que hay
una epidemia.
Los problemas que contemplan la propagacin de una enfermedad pueden ser
algo complicados; para ello presentar un modelo matemtico sencillo para la
propagacin de una enfermedad, tenemos que asumir que tenemos una
poblacin grande pero finita 1.

El primero en determinar la propagacin de las enfermedades infecciosas

mediante un modelo matemtico fue DAlembert, en el siglo XVIII, adems all
se dice que el primer artculo conocido que incluye un modelo matemtico

1 Alberto, Aplicaciones de las ecuaciones diferenciales de primer orden, Venezuela

explicito para una enfermedad infecciosa lo pblico Daniel Bernoulli (17001782) en 1760, el trabajo sus modelos a travs de ecuaciones diferenciales
ordinarias y adems, que a Bernoulli le sigui el famoso epidemilogo y
malariologo Ronald Ross, quien explico el ciclo completo de la malaria
humana, con la inclusin del mosquito como vector y el parasito Plasmodium.2

Debido a la cantidad de enfermedades infecciosas que hemos presentado

hasta la actualidad, por ello, el uso de sistemas cuantitativos basados en
modelos matemticos para asimilar la dinmica de transmisin y control de las
enfermedades infecciosas tales como los modelos SI, SIR, y SIS que nos
enfocaremos en este artculo.

Los modelos a estudiar sern modelos determinsticos a base de sistemas

dinmicos, estos modelos estn ajustados en los estados por los que pueden
pasar los individuos, manipulando a los individuos de manera conjunta en lugar
de hacerlo de forma individual.

El modelo SI es el modelo ms simple, que consta de dos variables

dependientes y es un modelo contino, quiere decir que pasa del estado
susceptible al estado de infectados y viceversa, consiste en un sistema de dos
ecuaciones diferenciales:

Las variables dependientes son el nmero de personas susceptibles (S) y el

nmero de personas infectadas (I), La constante (a) es una medida de la

2 Mayrelly Valera, Dinmica de un Modelo Epidemiolgico SIRS, Barquisimeto, Junio de 2013

rapidez de transmisin de la enfermedad de una persona infectada a la

poblacin susceptible. La constante (b) representa la razn con la que sana la
poblacin infectada, es decir, sale de la poblacin infectada (y con ello se
supone que queda inmune).

2. MARCO TERICO

Existen dos tipos de modelos matemticos: determinsticos y estocsticos. En

un modelo determinstico se pueden controlar los factores que intervienen en
el estudio del proceso o fenmeno y por tanto se pueden predecir con exactitud
sus resultados. En un modelo estocstico no es posible controlar los factores
que intervienen en el estudio del fenmeno y en consecuencia no produce
simples resultados nicos. Cada uno de los resultados posibles se genera con
una funcin de probabilidad que le adjudica una probabilidad a cada uno de
stos, por ejemplo un modelo para predecir el tamao de una epidemia en una
poblacin de N individuos. Para el caso determinstico se proporciona un valor
nico, C, mientras que el modelo estocstico permite la posibilidad de obtener
desde cero hasta N individuos y se adjudica una cierta probabilidad a cada uno
de estos sucesos. La diferencia es ms grande de lo que parece, ya que en
un modelo matemtico determinstico en el contexto epidemiolgico; un solo
sujeto causa una epidemia generalizada, mientras que bajo un modelo
estocstico existe la posibilidad de que la epidemia se extinga. 3

Dentro de los modelos determinsticos fundamentados en estados hay una

gran diversidad de posibles modelos a utilizar. El acrnimo de un modelo
solicita revelar los otros estados por los que van los individuos. Por ejemplo,
un modelo SIR establece que los individuos pueden pasar de ser susceptibles,
a infecciosos y de ah a resistentes. Si el modelo fuese cclico, el acrnimo
terminara en la misma letra que haya empezado como es en el caso del

3 Osval Antonio Montesinos-Lpez, Carlos Moiss Hernndez-Surez, Facultad de Telemtica, Universidad de Colima.

Colima, Mxico

modelo SIRS demuestra que los individuos pueden cambiar de estados de

susceptible a infectado, recuperado y nuevamente a susceptible. El modelo a
utilizar depender de los agentes infecciosos por los que se transmita la
enfermedad a modelizar, ya que varan de una enfermedad a otra. Por
ejemplo, las enfermedades cuyos agentes infecciosos son virus, provocan que
aquellos individuos que se recuperan de la enfermedad pasen a un estado de
resistencia en el que no pueden volver a ser infectados.

Los estados presentes en los modelos de difusin de una enfermedad tanto

como son el modelo SI, SIS, SIES, SIRS, SIERS son:

Los individuos Susceptibles (S) o individuos sanos pero sensibles a la

enfermedad.

Los individuos Expuestos (E) son individuos sanos que estn en

contacto con los agentes trasmisores de la enfermedad pero no la
padecen.

Los individuos Infectados (I) o individuos que poseen la enfermedad y

son capaces de transmitirla.

Los individuos Recuperados (R) o individuos que padecieron la

enfermedad y se recuperaron adquiriendo una inmunidad temporal o de
por vida.

El trnsito de un individuo por las distintas categoras lo podemos ver en el

siguiente esquema:
S E I R S.

El modelo SIS se puede demostrar en ecuacin diferencial como 2

expresiones, como se ilustra a continuacin:

El nmero de personas susceptibles (S) y el nmero de personas infectadas

(I). En este modelo, bajo su versin estocstica, cada individuo infeccioso tiene
contacto con otro, escogido al azar, a una tasa (contactos por unidad de
tiempo). El trmino I(t), que describe el ritmo al que los individuos se
recuperan de la enfermedad o se convierten en susceptibles, por lo que se
aplica en ambas ecuaciones. En el modelo SIS estocstico la tasa de contacto
es tambin (contactos por unidad de tiempo). De nueva cuenta, la variable
aleatoria tiempo transcurrido entre la infeccin del individuo k-1 y el individuos
k, para k=1, 2,3,, tiene una distribucin exponencial con parmetro . Del
mismo modo, la variable aleatoria tiempo transcurrido entre la recuperacin (el
individuo se vuelve otra vez susceptible) del individuo k-1 y el individuo k,
para k=1, 2,3,, tiene una distribucin exponencial con parmetro . Ambas,
y , son constantes que no cambian con el tiempo. Por lo tanto, la variable
aleatoria X (t), que alude al nmero de susceptibles e infectados al tiempo t,
es un proceso Poisson homogneo (ley de los sucesos raros) y
tambin N=S(t)+I(t), de manera que los estados del proceso al tiempo t se
identifican por X(t)={S(t),I(t)}, es decir, el nmero de susceptibles e infectados
al tiempo t. Aqu, cuando hay I infectados y S susceptibles, las probabilidades
de transicin son:

De igual manera, o () es una cantidad que tiende a cero cuando tambin lo

hace . La solucin al modelo SIS en ambas versiones tambin muestra que
se debera esperar una trayectoria en forma de S en la cifra de infectados. No
obstante, la trayectoria SIS difiere de la SI en que el nmero de personas
infectadas al mismo tiempo nunca alcanza el total de la poblacin (lo que no
excluye la posibilidad de que cada uno de los individuos pueda infectarse en
algn otro momento). Por el contrario, el proceso alcanza un equilibrio cuando
exactamente el mismo nmero de individuos infecciosos se convierte en
susceptible o viceversa.

El ltimo modelo descrito es el SIR, que en su forma ms simple puede

formularse como un conjunto de ecuaciones diferenciales, tal y como se
muestra a continuacin:

Por ltimo, en el modelo SIR estocstico cada individuo infeccioso tiene

tambin contacto con otro, escogido al azar, a una tasa (contactos por unidad
de tiempo). A diferencia del modelo SIS, un individuo infectado se recupera y
en lugar de susceptible se vuelve inmune a una tasa . De nueva cuenta, la
variable aleatoria tiempo transcurrido entre la infeccin del individuo K-1 y el
individuo k, para k=1, 2,3,, muestra una distribucin exponencial con
parmetro . Del mismo modo, la variable aleatoria tiempo transcurrido entre
la recuperacin (el sujeto se vuelve inmune) de los individuos k-1 y k, para k=1,
2,3,, tiene una distribucin exponencial con parmetro . Ambas, y , son

constantes que no cambian con el tiempo. Por consiguiente, la variable

aleatoria X(t), que denota el nmero de susceptibles e infectados al tiempo t,
es un proceso Poisson homogneo (ley de los sucesos raros) y aqu
N=S(t)+I(t)+R(t); en consecuencia, los estados del proceso al tiempo t pueden
identificarse con X(t)={S(t),I(t)}, esto es, el nmero de susceptibles e infectados
al tiempo t. Aqu, las probabilidades de transicin son:

Tambin en este caso o(d) es una cantidad que tiende a cero cuando d
tambin lo hace. El modelo SIR describe el proceso en las tres distintas etapas.
La solucin al modelo SIR muestra asimismo una trayectoria en forma de S en
las primeras fases de la epidemia. Este modelo difiere tanto del
modelo SI como del SIS porque muestra una propensin a acabar en cero
infectados a largo plazo.

Para un poner un ejemplo de un problema epidemiolgico nos restringimos a

los estudiantes de un colegio o universidad grande quienes permanecen en
los predios universitarios por un periodo relativamente largo y que no se tiene
acceso a otras comunidades. Supondremos que hay solo dos tipos de
estudiantes, unos que tienen la enfermedad contagiosa, llamados infectados,
y otros que no tienen la enfermedad, esto es, no infectado, pero que son
capaces de adquirirla al primer contacto con un estudiante infectado.
Deseamos obtener una frmula para el nmero de estudiantes infectados en
cualquier tiempo, dado que inicialmente hay un nmero especificado de
estudiantes infectados4.

4 Alberto, Aplicaciones de las ecuaciones diferenciales de primer orden, Venezuela

Formulacin Matemtica:

Supnganse que en cualquier tiempo t hay Ni estudiantes infectados y Nu

estudiantes no infectados. Entonces si N es l nmero total de estudiantes,
asumido constante, tenemos el modelo SI 5
N = Ni + Nu
La tasa de cambio en l nmero de estudiantes infectados est dada entonces
por la derivada dNi / dt. Esta derivada debera depender de alguna manera de
Ni y as de Nu en virtud de la formula N = Ni + Nu.

Asumiendo que dNi / dt, como una aproximacin, es una funcin cuadrtica de
N, tenemos entonces que:
dNi / dt = Ao + A1Ni + A2Ni

Donde Ao, A1, A2 son constantes. Ahora esperaramos que la tasa de cambio
de Ni, esto es, dNi / dt sea cero donde Ni = 0, esto es, no hay estudiantes
infectados, y donde Ni = N, esto es, todos los estudiantes estn infectados.
Entonces de la ltima formulacin hecha tenemos que: Ao = 0 y A1N + A2N
= 0 A2 = -A1/N
As que de: dNi / dt = Ao + A1Ni + A2Ni se convierte en: dNi / dt = kNi (N - Ni).
Donde k = A1/N es una constante. Las condiciones iniciales en t = 0, hay No
estudiantes infectados, entonces: Ni = No en T = 0. De todo esto podemos
deducir que:

Ni = N _
1 + (N/No - 1)e

5 Alberto, Aplicaciones de las ecuaciones diferenciales de primer orden, Venezuela

3. CONCLUSIN

El empleo de ecuaciones matemticas para enfermedades infecciosas es de

gran ayuda para la medicina, para establecer las polticas de vacunacin
utilizando los diversos modelos de ecuaciones diferenciales.
Desafortunadamente en muchos casos estos modelos matemticos no son de
gran exactitud ya que en muchos casos no se cuenta con datos confiable para
realizar cuantificaciones de los parmetros requeridos, para tomar medida lo
cual da lugar a un gran margen de error, de esta manera cabe mencionar que
los resultados de estos modelos deben tomarse con muchos cuidado y asi
poder tener el efecto de las medidas de control aun antes de iniciar una
epidemia.

Existen diversos modelos epidemiolgicos sencillo que no requieren ser un

experto en la materia, solo hay que hacer buen uso de ellos. Tambin existen
modelos muy complejos que a menudo son incomprensibles para el profano
en la materia. Por lo tanto, para hacer un uso adecuado de ellos se necesitan
mayores herramientas matemticas y computacionales.

Por otro lado, vale la pena mencionar que no existe una metodologa
sistemtica para la modelacin y pruebas de hiptesis de enfermedades
infecciosas para profesionales de la salud. Por ello es importante que los
profesionales de la salud tengan conocimiento de la existencia de estos
modelos y fortalezcan su colaboracin con modeladores de enfermedades,
para disear en forma conjunta medidas eficaces de control y erradicacin de
enfermedades infecciosas. Por ltimo, es prudente mencionar que dado que
el actual es un mundo cada vez ms interconectado e interdependiente, las

amenazas de brotes de epidemias son muy altas, por lo que es sumamente

importante fortalecer un sistema de vigilancia epidemiolgica para prevenir y
combatir la aparicin de enfermedades infecciosas capaces de alterar la salud
y la economa.

REFERENCIA

1. Nagle,R.k, -Saff, EB, Snidder, A,D. ecuaciones diferenciales y problemas con

valores de la frontera, Ed. Addision-Wesley-Pearson Education (2001).

2. http://bvs.insp.mx/rsp/articulos/articulo.php?id=001978

3. http://www.mat.ucm.es/~ivorra/papers/Diego-Epidemiologia.pdf

4. http://bibcyt.ucla.edu.ve/Edocs_bciucla/Repositorio/TGMQA372V352013.pdf

5. http://html.rincondelvago.com/aplicaciones-de-las-ecuaciones-diferencialesde-primer-y-segundo-orden.html