Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Supplement 6, 2018, Vol 108, No. S6 | American Journal of Public Health Ridenhour et al. | Peer Reviewed | Systematic Review | S455
AJPH METHODS
250
200
Número de publicaciones
150
100
(Hasta el 7 de febrero)
50
0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Año
Nota: La figura se elaboró mediante la búsqueda en la Web of Science de los términos “reproduction number” o “reproductive number” y limitando los resultados a los campos de las
enfermedades infecciosas, la biologı́a matemática e informática y las matemáticas aplicadas. Evidentemente, el interés en las investigaciones relacionadas con el número reproductivo ha
aumentado espectacularmente desde los años noventa. Hoy en día, el número de publicaciones en esta esfera está aumentando exponencialmente.
FIGURA 1—Número de publicaciones relativas a enfermedades infecciosas y modelos matemáticos que figuran en la Web of Science
número de infecciones nuevas cabe prever que la enfermedad se duración de la infecciosidad (por para enfermedades como el catarro
que se originaron del individuo siga propagando; la reproducción ejemplo, mediante el uso de anti- común (16). Si la enfermedad tiene
infectado inicialmente. En este efectiva refleja el hecho de que, víricos) o bien 2) disminuyan el Re un período de latencia prolongado
modelo SIR sencillo, el número a medida que la proporción de reduciendo el número de individ- por comparación con el período
reproductivo básico (o la razón individuos susceptibles disminuye uos susceptibles (por ejemplo, infeccioso, también podrían agre-
reproductiva básica) es igual (S/N), la trasmisión de la enfer- mediante la vacunación). garse otros compartimentos, como
a b/c. medad se vuelve más lenta. una clase de “expuestos” (E), lo que
La comunidad científica en Basándose en esta perspectiva EL R0 EN MODELOS daría origen a un modelo SEIR, que
general no se percató de las matemática sencilla, los epidemió- SENCILLOS se usa con frecuencia para la gripe
implicaciones del modelo de logos suelen considerar que el (17). Al irse haciendo más modifi-
Kermack-McKendrick hasta fi- número reproductivo básico es Para empezar, estimamos el caciones al modelo de base, los
nales de los años setenta, cuando uno de los parámetros decisivos R0 en modelos sencillos como el modelos compartimentados pue-
Anderson y May (13) lo aplicaron para determinar si una epidemia descrito por la ecuación 1. Los den volverse complejos en poco
para estudiar estrategias de con- es susceptible de control (14, 15). especialistas en modelización tiempo. Nuestra exposición se limita
trol de enfermedades infecciosas. Por ejemplo, el objetivo de toda pueden modificar el modelo SIR a los modelos SIR o SEIR porque
El R0 es un parámetro importante respuesta de salud pública durante agregando o quitando “comparti- son útiles para demostrar las
para medir la dinámica de la una pandemia de gripe consiste en mentos”. Por ejemplo, se puede características esenciales del R0 y,
enfermedad porque a partir del aminorar o detener la propagación eliminar la clase de individuos lo que es igualmente importante,
valor umbral de 1,0 puede indicar del virus mediante estrategias de recuperados (R) para las enferme- para cada uno de esto modelos,
cuándo podría ocurrir un brote. mitigación que: 1) disminuyan el dades en las que estos individuos R0 = b/c.
En un sentido más amplio, si el R0 mediante el cambio de la tasa se reincorporan a la clase de sus- La diferencia entre las ecua-
número de reproducción efectiva, de transmisión (por ejemplo, cer- ceptibles, con lo cual el modelo se ciones de los modelos SIR y SEIR
Re = R0 x (S/N), es mayor que 1,0, rando las escuelas) o de la transforma a SIS, que puede usarse estriba simplemente en la adición
S456 | Systematic Review | Peer Reviewed | Ridenhour et al. American Journal of Public Health | Supplement 6, 2018, Vol 108, No. S6
AJPH METHODS
tiempo de generación.
EL R0 Y OTROS
PARÁMETROS DE
INTERÉS PARA LA SALUD
PÚBLICA
Supplement 6, 2018, Vol 108, No. S6 | American Journal of Public Health Ridenhour et al. | Peer Reviewed | Systematic Review | S457
AJPH METHODS
S458 | Systematic Review | Peer Reviewed | Ridenhour et al. American Journal of Public Health | Supplement 6, 2018, Vol 108, No. S6
AJPH METHODS
a b
1,0
Duración
(escala logarítmica)
e8
0,8
período de latencia
Duración (t)
0,6
0,4
e4
0,2
R0 = 1,5
0,0
0 0,25 0,5 0,75 1 0,0 0,2 0,4 0,6 0,8 1,0
Tasa de transmisión Tasa de transmisión
Nota: SEIR = susceptible–expuesto–infectado–recuperado; SIR = susceptible–infectado–recuperado. La duración de la epidemia se midió como el tiempo transcurrido entre la incidencia
acumulada de 5% y la de 95%. La duración de la epidemia no depende del tamaño de la población (que no se muestra) en el modelo SIR ni en el SEIR. Para el modelo SIR, a medida que las tasas
de transmisión y de recuperación (no se muestran: c = b/1,5 para un R0 = 1,5) aumentan, la duración de la epidemia disminuye. Para el modelo SEIR (R0 = 1,5), el período de atencia cambia la
duración prevista de una epidemia; a medida que el perı́odo de latencia disminuye, la duración de la epidemia hace lo propio y converge con el modelo SIR. Obsérvese asimismo que a medida que
la tasa de transmisión se reduce, disminuye la dependencia del perı́odo de latencia.
FIGURA 4—La dependencia de la duración de la epidemia con respecto a a) la tasa de transmisión en un modelo SIR y b) el perĺodo de latencia
en un modelo SEIR
comprobamos que, al margen del la dinámica de la enfermedad y más probabilidades de relacio- enfermedad en muchas ciudades;
valor del R0, el tiempo para pueden resultar más útiles a las narse entre sí que con los individ- en estos modelos, la dinámica en
alcanzar la incidencia máxima autoridades competentes para uos de otros subgrupos. Por tal la metapoblación explica la prop-
dependía de los valores individu- organizar una respuesta eficaz de motivo, los modelos epidemioló- agación de la enfermedad de una
ales de b y c; sin embargo, estos salud. gicos suelen basarse en pobla- ciudad a otra. También es fre-
efectos se reducen al mínimo si el ciones estructuradas por edad cuente agregar factores demográ-
número reproductivo tiene val- MODELOS MÁS (véase Inaba y Nishiura, 22). Esos ficos a los modelos compartimen-
ores pequeños y aumentan al COMPLEJOS Y EL R0 modelos requieren ecuaciones tados para que estos sean más
máximo cuando esos valores son semejantes a la ecuación 1 para realistas. Los factores de este tipo
grandes. Los modelos básicos SIR y SEIR cada grupo de edad que describan que se incluyen son nacimientos,
En el marco de los modelos SIR explicados anteriormente pueden la transmisión de la enfermedad defunciones, inmigración y emi-
y SEIR examinados, llegamos a la someterse a muchas modifica- dentro de ese grupo y entre otros gración (que evidentemente ocur-
conclusión de que el número ciones. En esos modelos se parte grupos etarios. Otro método ren en casi todas las poblaciones).
reproductivo básico por sí solo del supuesto de que todos los común para incorporar la estruc- Además de simular poblaciones
proporciona poca información individuos pertenecen a una gran tura de la población consiste en más realistas, los especialistas en
acerca de la duración, el tiempo de población panmíctica (bien mez- incluir en el modelo variables modelización pueden hacer más
generación, la velocidad de prop- clada) en la que todos tienen las como familia, lugar de trabajo, complejos estos modelos dinámi-
agación de la epidemia y las car- mismas probabilidades de entrar escuela y grupos comunitarios cos. En particular, con frecuencia
acterísticas temporales en general en contacto entre sí (21). Por lo (15). incluyen en los modelos interven-
de una enfermedad infecciosa común, este supuesto no es lógico Muchos modelos pueden incor- ciones de salud pública para poner
como la gripe. Por tal motivo, para la mayor parte de las pobla- porar también una estructura de a prueba el posible efecto de una o
postulamos que los valores de los ciones humanas, que con frecuen- metapoblación (una serie de varias intervenciones (23, 24). Los
parámetros individuales tienen cia están muy estructuradas en poblaciones conectadas) (3) para modelos compartimentados
mayor importancia para conocer subgrupos cuyos individuos tienen describir la dinámica de la permiten incluir diversas
Supplement 6, 2018, Vol 108, No. S6 | American Journal of Public Health Ridenhour et al. | Peer Reviewed | Systematic Review | S459
AJPH METHODS
S460 | Systematic Review | Peer Reviewed | Ridenhour et al. American Journal of Public Health | Supplement 6, 2018, Vol 108, No. S6
AJPH METHODS
Supplement 6, 2018, Vol 108, No. S6 | American Journal of Public Health Ridenhour et al. | Peer Reviewed | Systematic Review | S461
AJPH METHODS
Tasa de transmisión El producto de la tasa de contacto y el Determina la incidencia máxima, el tiempo Como es el producto de la tasa de Población x cepa x
riesgo de infección; se conoce también para alcanzar la incidencia máxima y la contacto y el riesgo de infección, las huésped
como tasa de contacto efectivo duración de una epidemia; las tasas de intervenciones dirigidas contra estos
transmisión bajas disminuyen la tasa dos parámetros influyen en la tasa
general de ataque de transmisión.
Tasa de recuperación La inversa de la duración del estado Determina la incidencia máxima, el tiempo En teorı́a, el uso de antivı́ricos reduce Cepa x huésped
infeccioso (es decir, 1/D), por lo cual para alcanzar la incidencia máxima y la el perı́odo infeccioso, lo que a su
es una consecuencia directa del duración de una epidemia; las tasas vez aminora los efectos de la
perı́odo infeccioso de recuperación más altas disminuyen la enfermedad
tasa general de ataque
Perı́odo latente Tiempo que transcurre entre el comienzo Determina la incidencia máxima, el tiempo En el caso de intervenciones como la Cepa x huésped
de la infección y el momento en que para alcanzar la incidencia máxima y la cuarentena, los perı́odos latentes
el paciente se vuelve infeccioso duración de una epidemia; los perı́odos cumplen una función importante en
latentes largos aumentan la duración la duración necesaria de
de la epidemia la cuarentena
Perı́odo de incubación Tiempo que transcurre entre el comienzo No es de importancia para la dinámica El perı́odo de incubación es importante Cepa x huésped
de la infección y la aparición de los de la enfermedad, pero sı́ lo es para la para vigilar la enfermedad y calcular
sı́ntomas salud pública. cuándo se introdujo esta en
una población
Tasa de contacto La probabilidad de que dos individuos Combinada con el riesgo de infección, Las intervenciones como el cierre de las Población
simpátricos entren en contacto determina la eficacia con que una escuelas y la cuarentena reducen las
recı́proco; también conocida como enfermedad se transmitirá en tasas de contacto
tasa de contacto total una población.
Riesgo de infección La probabilidad de que una infección Combinada con la tasa de contacto, La infecciosidad puede reducirse con Cepa x huésped
sea transferida a un individuo sin determina la eficacia con que una intervenciones como el lavado de
inmunidad; se conoce también como enfermedad se transmitirá en manos y el uso de una mascarilla
la tasa de infecciosidad o la tasa de una población
ataque secundario
Virulencia La capacidad patógena de una Es crucial para determinar la gravedad Reducir la virulencia mediante el uso Cepa x huésped
enfermedad de una epidemia (por ejemplo, la de antivı́ricos aminora el impacto
pérdida de vidas). de la enfermedad.
Número reproductivo Propiedad emergente de los modelos de Comparaciones generales de los modelos La estimación instantánea revela el Modelo x población x
básico enfermedades; puede ser consecuencia que están usando diferentes grupos de impulso actual de la epidemia. En cepa x huésped
de todos los parámetros antes modelización; si es mayor que la algunas pocas circunstancias
mencionados (y de otros), lo cual unidad, indica que una enfermedad se (dependiendo de la exactitud)
depende del modelo especı́fico está propagando podrı́a ser útil para pronosticar
las tasas generales de ataque.
amplió al resto del país; las concluyeron que la intervención para el Control y la Prevención cerrar las escuelas incluso si se
escuelas reabrieron sus puertas el en la ciudad de México pudo de Enfermedades (CDC) de los notificaba un solo caso, presunto
11 de mayo del 2009. Chowell haber ocasionado un descenso de Estados Unidos recomendaron al o confirmado, de infección por el
et al. analizaron el efecto de esta la transmisión entre 29 y 37% principio el cierre de las escuelas, virus H1N1, con la esperanza de
intervención sanitaria breve pero durante el cierre de las escuelas particularmente en los estados de reducir la transmisión a las
intensiva y calcularon un R0 de (31), aunque en su estudio no se la frontera sur, sobre todo Texas, comunidades vecinas. Sin em-
1,8 a 2,1 para la oleada de la consideró la costoeficacia. Mien- que acabó por cerrar 800 escue- bargo, con la llegada de nuevos
primavera, de 1,6 a 1,9 para la tras tanto, habida cuenta de las las, lo que afectó a 491 000 datos que indicaban un riesgo
del verano y de 1,2 a 1,3 para la estimaciones iniciales elevadas alumnos (32). El 28 de abril del menor de afección grave y
del otoño. Estos investigadores del R0 en México, los Centros 2009, los CDC aconsejaron muerte, el CDC dio marcha atrás
S462 | Systematic Review | Peer Reviewed | Ridenhour et al. American Journal of Public Health | Supplement 6, 2018, Vol 108, No. S6
AJPH METHODS
a su recomendación el 5 de mayo determinantes fundamentales de circulación del agente. Hacemos el cierre de las escuelas o la
del 2009 e instó a las escuelas la morbilidad y mortalidad hincapié en que la estimación de cuarentena— están modificando
a permanecer abiertas (33). Pos- durante un brote epidémico de las razones reproductivas basadas la dinámica de la enfermedad y si,
tulamos que depender de las una enfermedad infecciosa. La en datos de una población en por lo tanto, deben mantenerse. Se
aproximaciones iniciales del R0, pandemia del 2009 por el virus particular sigue siendo útil para han comparado retrospectiva-
sobre todo las calculadas en una H1N1 ilustra certeramente este esta población. En esencia, este mente los números reproductivos
población distinta, puede llevar punto: las tasas de ataque elevadas parámetro es la tasa de creci- antes y después de la implantación
a adoptar decisiones de política no dieron lugar a niveles parale- miento exponencial de una epide- de medidas de salud pública en la
con bases endebles. lamente elevados de morbilidad mia en curso y, por lo tanto, brinda pandemia de gripe de 1918 (41),
debido al carácter relativamente información acerca de la tasa de pero es poco probable que la
APLICACIONES DEL R0 EN leve de la infección y a las tasas de transmisión en la población en eficacia de una intervención en
LA PRÁCTICA ataque bajas en los grupos de estudio en un momento dado. Las epidemias del pasado pueda apli-
población que suelen tener el cuestiones fundamentales para carse a una epidemia contempo-
En el Reino Unido, los funcio- mayor riesgo de complicaciones interpretar los valores de R son el ránea (debido a los cambios de la
narios de salud pública aplicaron gripales graves, en particular los período con respecto al cual una estructura social, el medioam-
métodos de modelización casi adultos mayores de 65 años. estimación es válida (por ejemplo, biente, los agentes patógenos, et-
instantáneos para determinar las Otra consideración importante ¿hay que actualizar la estimación cétera). Es preciso reconocer que
intervenciones sanitarias apropia- es la posible evolución de un cada semana según las modali- aun cuando la capacidad de esti-
das durante el brote de fiebre agente patógeno en el curso de dades de los datos de vigilancia?), mar los números reproductivos al
aftosa del 2001 (23). Las políticas una epidemia. En las pandemias las aplicaciones de la estimación instante pudiera ser ventajosa, la
promulgadas sobre la base de los con tasas de ataque elevadas pero para llevar a cabo ejercicios teór- eficacia de una intervención
resultados de la modelización con pocas consecuencias nocivas icos (por ejemplo, determinar la determinada puede variar tempo-
fueron controvertidas y propi- las estrategias de mitigación tienen propagación de la enfermedad o el ral y geográficamente debido a los
ciaron un debate en la bibliografía que considerar la posibilidad de efecto de una intervención deter- cambios del medioambiente, la
científica. La incertidumbre giró que el virus mute a una forma más minada) y el grado en que la estructura de la población, la evo-
en torno al carácter beneficioso de virulenta. Si el virus H1N1 del estimación de una población se lución del virus y la inmunidad;
la intervención recomendada y a si 2009 hubiese cambiado genética- aplica a otra. Por ejemplo, ¿puede por lo tanto, las estimaciones
estrategias menos radicales — mente para volverse más viru- una estimación hecha en Califor- respecto de una región pueden no
dado que la intervención, el sacri- lento, sus repercusiones habrían nia aplicarse a Nevada? ¿Un R0 ser aplicables a otra.
ficio en masa, se consideraba per- aumentado extraordinariamente; para el Reino Unido puede ser Otros factores esenciales de la
judicial desde el punto de vista sin embargo, en los modelos pertinente para Nueva Zelanda? dinámica de las enfermedades
económico— podrían ser tan efi- dinámicos más utilizados dicha Otra consideración decisiva es la infecciosas, en particular la tasa de
caces o más (34–39). Aunque solo evolución no se tiene en cuenta aplicabilidad de la estimación transmisión, se estiman con menor
cabe especular acerca de cómo (40). En el caso de los agentes a una población en particular (por frecuencia que el R0 (cuadro 1).
habrían diferido las interven- patógenos como el virus gripal que ejemplo, ¿los datos recopilados No obstante, en la pandemia del
ciones alternativas de las aplicadas evolucionan rápidamente y sin son representativos de toda una 2009 por el virus H1N1 el
en la realidad, este debate pone de saberse qué porciones de la zona metropolitana o solo de una período de latencia y el de infec-
relieve la incertidumbre acerca de población no son susceptibles a las comunidad no observada?). A fin ciosidad se estimaron en algunas
la aceptación pública de métodos diversas cepas circulantes, la esti- de que las tasas de crecimiento regiones (5, 42). Tuite et al., en
basados en la reducción de las mación del R0 es una tarea desal- basadas en valores específicos de particular, dieron un ejemplo no-
razones de reproducción efectiva. entadora si no imposible. R puedan usarse con fundamento table al estimar los parámetros
Incluso si las estimaciones del para adoptar decisiones de salud individuales de la pandemia en
R0 permitieran determinar tasas CONCLUSIONES pública, hay que resolver otras vez de centrarse exclusivamente
de ataque exactas, seguirían sin cuestiones tales como la obtención en el R0 (5). En condiciones
resolverse muchas cuestiones de La estimación de las razones de los datos necesarios para esta- ideales, los parámetros que sean
salud pública más decisivas. Por reproductivas puede aportar blecer estimaciones uniformes con más específicos de la cepa y con-
ejemplo, las tasas de letalidad, información útil durante las epi- intervalos de confianza estrechos. stituyan objetivos directos de las
hospitalización y ausentismo en demias. Dichas razones, particu- Si existieran mecanismos para intervenciones de salud pública
esencia son independientes de la larmente el número de reproduc- estimar los valores de Re > 1 al deben constituir el foco de interés
dinámica de la enfermedad (y, por ción efectiva, cuantifican la instante o casi al instante, los de los estudios realizados durante
lo tanto, de todo lo que pueda propagación de la enfermedad en funcionarios de salud pública brotes epidémicos que tengan
derivarse de las estimaciones una población; cuanto más altos podrían determinar si determinadas grandes consecuencias sanitarias y
del R0); no obstante, son los son los valores, más rápida es la estrategias de intervención —como económicas. Incluso en estos
Supplement 6, 2018, Vol 108, No. S6 | American Journal of Public Health Ridenhour et al. | Peer Reviewed | Systematic Review | S463
AJPH METHODS
parámetros existe siempre una constituye un ejemplo singular Referencias a guide for the perplexed. CMAJ.
1. Fraser C, Donnelly CA, Cauchemez 2009;181(3-4):171–3.
interacción entre el huésped y el del análisis eficaz de los datos de
S, et al. Pandemic potential of a strain of 15. Pellis L, Ferguson NM, Fraser C.
virus que debe expresarse la pandemia del 2009 causada
influenza A (H1N1): early findings. Sci- Threshold parameters for a model of
mediante los métodos estadísticos por el virus H1N1 porque pone ence. 2009;324(5934):1557–61. epidemic spread among households and
apropiados. de relieve una variedad de par- 2. Boëlle PYP, Bernillon PP, Desenclos workplaces. J R Soc Interface. 2009;6
La razón reproductiva básica es ámetros de la transmisión ade- JCJ. A preliminary estimation of the re- (40):979–87.
production ratio for new influenza A 16. Bailey NTJ. The Mathematical Theory
una propiedad compleja de una más del R0. Los datos científicos
(H1N1) from the outbreak in Mexico, of Infectious Diseases and Its Applications.
epidemia que depende específica- adicionales basados en la pobla- March-April 2009. Euro Surveill. London, UK: Griffin; 1975.
mente del modelo utilizado para ción acerca del modo en que el 2009;14(19):pii:19205.
17. Aron JL, Schwartz IB. Seasonality
calcularla, de la población en número reproductivo básico se 3. Balcan D, Hu H, Goncalves B, et al. and period-doubling bifurcations in an
Seasonal transmission potential and ac-
estudio (por lo que toca a las relaciona con la dinámica de la epidemic model. J Theor Biol. 1984;110
tivity peaks of the new influenza A (4):665–79.
modalidades del contacto y las enfermedad son muy promete- (H1N1): a Monte Carlo likelihood analysis
características demográficas), el dores para idear intervenciones based on human mobility. BMC Med. 18. Markel H, Lipman HB, Navarro JA,
2009;7:45. et al. Nonpharmaceutical interventions
huésped, el agente patógeno y óptimas de salud pública en la implemented by US cities during the
con frecuencia la cepa específica población bajo estudio. j 4. Flahault A, Vergu E, Boëlle P-Y.
1918-1919 influenza pandemic. JAMA.
Potential for a global dynamic of influenza
de este. Así pues, aunque el R0 es 2007;298(6):644–54.
A (H1N1). BMC Infect Dis. 2009;9:129.
una propiedad intuitiva de una About the Authors 19. Diekmann O, Heesterbeek J. Mathe-
5. Tuite AR, Greer AL, Whelan M, et al.
En el momento en que se realizó este matical Epidemiology of Infectious Dis-
epidemia, no resulta particular- Estimated epidemiologic parameters and
estudio: Instituto Eck para la Salud Global, eases: Model Building, Analysis, and In-
mente útil para determinar la pos- morbidity associated with pandemic
Universidad de Notre Dame, Notre Dame, terpretation. Chichester, UK: Wiley; 2000.
H1N1 influenza. CMAJ. 2010;182
ible utilidad de las medidas de Indiana, Estados Unidos de América. La (2):131–6. 20. Boëlle P-Y, Ansart S, Cori A,
control. Aun así, cuando se consid- correspondencia debe enviarse a Benjamin Valleron AJ. Transmission parameters of
Ridenhour, ridenhour.1@nd.edu 6. White LF, Wallinga J, Finelli L, et al.
era como parte de una serie de the A/H1N1 (2009) influenza virus pan-
División de Gripe, Centros para el Control Estimation of the reproductive number
demic: a review. Influenza Other Respi
características estimadas de una y la Prevención de Enfermedades, Atlanta, and the serial interval in early phase of
the 2009 influenza A/H1N1 pandemic in Viruses. 2011;5(5):306–16.
epidemia, el R0 puede ser útil para Georgia, Estados Unidos de América.
This article was accepted September 23, the USA. Influenza Other Respi Viruses. 21. Nokes DJ, Anderson RM. The use of
tomar decisiones de salud pública. 2013. 2009;3(6):267–76. mathematical models in the epidemiolog-
Aunque los especialistas en la 7. Yang Y, Sugimoto JD, Halloran ME, ical study of infectious diseases and in the
design of mass immunization pro-
elaboración de modelos de Contribución de los autores
et al. The transmissibility and control of
pandemic influenza A (H1N1) virus. Sci- grammes. Epidemiol Infect. 1988;101
enfermedades infecciosas reco- B. Ridenhour concibió el estudio y (1):1–20.
ence. 2009;326(5953):729–33.
nocen la importancia de las encabezó la redacción del artículo. Todos
los autores intervinieron en el desarrollo 8. Munayco CV, Gomez J, Laguna 22. Inaba H, Nishiura H. The
cuestiones expuestas en el pre- del diseño del estudio y en la redacción y Torres VA, et al. Epidemiological and state-reproduction number for a multi-
sente artículo; las personas que revisión del artículo. La versión definitiva transmissibility analysis of influenza A state class age structured epidemic system
del artículo fue aprobada por todos los (H1N1)v in a southern hemisphere set- and its application to the asymptomatic
aplican los resultados de mode-
autores. ting: Peru. Euro Surveill. 2009;14(32): transmission model. Math Biosci.
los matemáticos para organizar pii:19299. 2008;216(1):77–89.
respuestas de salud pública 9. Chowell G, Viboud C, Munayco CV, 23. Ferguson NM, Donnelly CA,
Agradecimientos
a veces no conocen a fondo esos B. Ridenhour está financiado por el Insti- et al. Spatial and temporal characteristics Anderson RM. Transmission intensity and
aspectos. Si las estimaciones del tuto Eck para la Salud Global en la of the 2009 A/H1N1 influenza pandemic impact of control policies on the foot and
Universidad de Notre Dame y por un in Peru. PLoS ONE. 2011;6(6):e21287. mouth epidemic in Great Britain. Nature.
R0 se usarán para determinar las 2001;413(6855):542–8.
contrato de los Centros para el Control y 10. Tang S, Xiao Y, Yang Y, Zhou Y, Wu
respuestas de salud pública, los la Prevención de Enfermedades por con- J, Ma Z. Community-based measures for 24. Milne GJ, Kelso JK, Kelly HA,
formuladores de políticas deben ducto de la Ley del personal interguber- mitigating the 2009 H1N1 pandemic in Huband ST, McVernon J. A small com-
ser informados claramente de las namental. J. M. Kowalik está financiada China. PLoS ONE. 2010;5(6):e10911. munity model for the transmission of
por la Universidad de Notre Dame. D. K. infectious diseases: comparison of school
limitaciones mencionadas. Ade- 11. Nishiura H, Chowell G, Safan M,
Shay está financiado por los Centros para closure as an intervention in individual-
Castillo-Chavez C. Pros and cons of esti-
más de destinar recursos para el Control y la Prevención de Enferme- based models of an influenza pandemic.
mating the reproduction number from
calcular el R0, hay que invertir dades. PLoS ONE. 2008;3(12):e4005.
early epidemic growth rate of influenza A
Los autores agradecen a sus colegas en
en la estimación de otros pará- (H1N1) 2009. Theor Biol Med Model. 25. Rios-Doria D, Chowell G. Qualitative
la Universidad de Notre Dame y los
2010;7(1):1. analysis of the level of cross-protection
metros epidémicos como las Centros para el Control y la Prevención
de Enfermedades, así como a los árbitros 12. Kermack WO, McKendrick AG. A between epidemic waves of the
tasas de transmisión, los perío- 1918-1919 influenza pandemic. J Theor
anónimos; todos ellos ayudaron a mejorar contribution to the mathematical theory
dos infecciosos o los períodos de este estudio con sus atinadas observa- of epidemics. Proc Royal Soc Math Phys Biol. 2009;261(4):584–92.
latencia, los cuales son más per- ciones y sugerencias. Eng Sci. 1927;115(772):700–21. 26. Basta NE, Halloran ME, Matrajt L,
tinentes para la respuesta de 13. Anderson RM, May RM. Population Longini IM. Estimating influenza vaccine
biology of infectious diseases: part I. efficacy from challenge and community-
salud pública a los brotes de
Protección de los seres humanos Nature. 1979;280(5721):361–7. based study data. Am J Epidemiol.
enfermedades infecciosas, en es- 2008;168(12):1343–52.
participantes 14. Fisman D, Pandemic Influenza Out-
pecial las pandemias de gripe. El No fue necesaria porque la investigación break Research Modelling Team (PanIn- 27. Heffernan JM, Smith RJ, Wahl LM.
análisis de Tuite et al. (5) no involucró a seres humanos. fORM). Modelling an influenza pandemic: Perspectives on the basic reproductive
S464 | Systematic Review | Peer Reviewed | Ridenhour et al. American Journal of Public Health | Supplement 6, 2018, Vol 108, No. S6
AJPH METHODS
Supplement 6, 2018, Vol 108, No. S6 | American Journal of Public Health Ridenhour et al. | Peer Reviewed | Systematic Review | S465