Search

La COVID-19 ha constituido un reto de múltiples dimensiones para la humanidad, aún más para los decisores responsables de accionar de manera certera y oportuna para su enfrentamiento. En Perú, con una tendencia actual favorable de la Pandemia, es inminente la propagación de la variante Delta, de allí que requieran de informaciones predictivas que posibiliten tomar decisiones anticipadas para mitigar sus efectos. Consecuentemente se estableció como objetivo simular escenarios aplicando la modelación físico-matemática, que predigan el comportamiento de la COVID-19 en Perú y faciliten la toma de decisiones. Como métodos y técnicas se aplicaron: análisis-síntesis, revisión documental y modelación físico-matemática mediante herramientas y funciones del software MATLAB. Se reconocen como resultados: determinación del comportamiento de las principales variables de la COVID-19 en Perú; modelo físico-matemático basado en el clásico SIR con nuevos compartimientos relacionados con la vacunación y los expuestos, así como su ajuste a los datos de Perú; simulación de escenarios, incluyendo la variante Delta, para fallecidos, infectados acumulados, infectados no vacunados e infectados vacunados. Se concluyó que: El modelo concebido para la simulación de escenarios de evolución de la COVID-19, demostró su capacidad de predicción del comportamiento de las variables más importantes que determinan dicha evolución en Perú; debe ocurrir otra ola de contagios y llegarse a cifras acumulativas entre 2,9 y 3,36 millones de infectados y entre 215 y 255 mil fallecidos; las principales estrategias de mitigación deben dirigirse a garantizar el distanciamiento y aislamiento social, así como a incrementar el régimen de vacunación.

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 epidemia en Cuba. Métodos: La modelación se aplicó para la caracterización del pronóstico del pico y el comportamiento reproductivo de la epidemia, en ambos casos usando herramientas y funciones de MATLAB. El pico se determinó con la aplicación del modelo SIR, luego de algunas 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 con un error de ajuste adecuado y por simulación se logró el pronóstico del pico, tanto en fecha como envergadura, con dos semanas de anticipación y con una precisión satisfactoria. Para la fecha del pico, se pronosticaron igualmente los susceptibles, infectados acumulados y recuperados. El número de reproducción básico (R0) calculado de 3,62 permitió determinar que, para erradicar la epidemia por vacunación, la población inmunizada debe ser superior al 72 %. El cálculo del número de reproducción efectivo (Ref) permitió evaluar la eficacia de las medidas de mitigación. Se reflexionó sobre la conducta a seguir para erradicar la epidemia. Conclusiones: El modelo SIR demostró capacidad para predecir el pico de la epidemia. El R0 del SARS-CoV-2 permitió corroborar su elevada transmisibilidad. Las medidas de mitigación han sido efectivas y deben mantenerse hasta erradicar la epidemia, incluso para Ref