Modelos matemáticos estimadores de la infección por COVID-19: Consideraciones esenciales y proyecciones en Colombia
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | eng |
| dc.contributor.author | Bravo, Antonio J | |
| dc.contributor.author | Vera, Miguel A | |
| dc.contributor.author | Huérfano, Yoleify K | |
| dc.date.accessioned | 2020-12-18T20:17:02Z | |
| dc.date.available | 2020-12-18T20:17:02Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | Objetivo Estimar el comportamiento de la infección por COVID-19 en Colombia mediante modelos matemáticos. Métodos Se construyeron dos modelos matemáticos para estimar los casos confirmados importados y los casos confirmados relacionados de la infección por COVID-19 en Colombia, respectivamente. La fenomenología de los casos confirmados importados es modelada con una función sigmoidal, mientras que los casos confirmados relacionados son modelados mediante una combinación de funciones exponenciales y funciones algebraicas polinomiales. Se utilizan algoritmos de ajuste basados en métodos de mínimos cuadrados y métodos de búsqueda directa para la determinación de los parámetros de los modelos. Resultados El modelo sigmodial realiza una estimación altamente convergente de los datos reportados, al 28 de mayo de 2020, de los casos confirmados importados de infección por COVID-19. El modelo muestra un error de predicción de 0,5%, que se mide usando la raíz del error cuadrático medio normalizado. El modelo para los casos confirmados reportados como relacionados muestra un error en la predicción del 3,5 % y un sesgo bajo del -0,01 asociado a la sobrestimación. Conclusiones El presente trabajo evidencia que los modelos matemáticos permiten eficaz y efectivamente predecir el comportamiento de la infección por COVID-19 en Colombia cuando los casos importados y los casos relacionados de infección son consideradores de manera independiente. | spa |
| dc.format.mimetype | spa | |
| dc.identifier.doi | https://doi.org/10.15446/rsap.v22n3.87813 | |
| dc.identifier.issn | 25393596 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12442/6941 | |
| dc.language.iso | spa | spa |
| dc.publisher | Universidad Nacional de Colombia. Facultad de Medicina. Instituto de Salud Pública | spa |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | eng |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | eng |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.source | Revista de Salud Pública | spa |
| dc.source | Journal of Public Health | eng |
| dc.source | Vol. 22 No. 3 (2020) | spa |
| dc.subject | Infecciones por coronavirus | spa |
| dc.subject | COVID-19 | spa |
| dc.subject | Modelos predictivos | spa |
| dc.subject | Coronavirus infections | eng |
| dc.subject | Forecasting | eng |
| dc.title | Modelos matemáticos estimadores de la infección por COVID-19: Consideraciones esenciales y proyecciones en Colombia | spa |
| dc.title.translated | Mathematical models for COVID-19 Infection estimation: Essential considerations and projections in Colombia | eng |
| dc.type.driver | info:eu-repo/semantics/article | eng |
| dc.type.spa | Artículo científico | spa |
| dcterms.references | Tang Y, Wang S. Mathematic modeling of COVID-19 in the United States. Emerg Microbes Infec. 2020 abril; 9(1):827-829. DOI:10.1080/22221751.2020.1760146. | eng |
| dcterms.references | Grillo E, Bravo L, Guerrero R, Santaella-Tenorio J. Modelos matemáticos y el COVID-19. Colomb Med. 2020; 51(2):1-9. DOI:10.25100/cm.v51i2.4277. | spa |
| dcterms.references | Roosa K, Lee Y, Luo R, Kirpich A, Rothenberg R, Hyman JM, Yan P, Chowell G. Real-time forecasts of the COVID-19 epidemic in china from february 5th to february 24th. Infect Dis Model. 2020; 5:256-263. DOI:10.1016/j.idm.2020.02.002. | eng |
| dcterms.references | Manrique-Abril FG, Agudelo-Calderon CA, González-Chordá, Gutiérrez-Lesmes O, Téllez-Piñerez CF, Herrera-Amaya G. Modelo SIR de la pandemia de Covid-19 en Colombia. Rev. Salud Pública (Bogotá) 2020; 22(2):1-9. DOI:10.15446/rsap.v22n2.85977. | spa |
| dcterms.references | Ortega-Lenis D, Arango-Londoño D, Muñoz E, Cuartas DE, Caicedo D, Mena J, et al. Predicciones de un modelo SEIR para casos de COVID-19 en Cali, Colombia. Rev. Salud Pública (Bogotá) 2020; 22(2):1-6. DOI:10.15446/rsap.v22n2.86432. | spa |
| dcterms.references | IOM (UN Migration). Regional strategic preparedness and response plan COVID-19 [Internet]. Buenos Aires: Organización Internacional para las Migraciones; 2020 [cited 2020 May 28]. Available from: https://bit.ly/2TS7aZT. | eng |
| dcterms.references | Guerrero-Nancuante C, Manríquez R. An epidemiological forecast of COVID-19 in Chile based on the generalized SEIR model and the concept of recovered. Medwave. 2020; 20(4):e7898. DOI:10.5867/medwave. 2020.04.7898. | eng |
| dcterms.references | Kucharski AJ, Russell TW, Diamond C, Liu Y, Edmunds J, Funk S, et al. Early dynamics of transmission and control of COVID-19: a mathematical modelling study. Lancet Infec Dis. 2020; 20:553-58. DOI:10.1016/S1473-3099(20)30144-4. | eng |
| dcterms.references | Ministerio de Tecnologías de la Información y las Comunicaciones. Casos positivos de COVID-19 en Colombia [Internet]. Bogotá: República de Colombia; 2020 [cited 2020 May 28]. Available from: https://bit.ly/2zEpxe2. | spa |
| dcterms.references | Shen CY. A logistic growth model for COVID-19 proliferation: experiences from China and international implications in infectious diseases. Int J of Infect Dis. 2020. DOI:10.1016/j.ijid.2020.04.085. | eng |
| dcterms.references | Hunt AG. Exponential growth in Ebola outbreak since May 14, 2014. Complexity. 2014; 20(2):8-11. DOI:10.1002/cplx.21615. | eng |
| dcterms.references | Remuzzi A, Remuzzi G. COVID-19 and Italy: what next? Lancet. 2020; 395(10231):P1225-28. DOI:10.1016/S0140-6736(20)30627-9. | eng |
| dcterms.references | Córdova-Lepe F, Gutiérrez-Aguilar R, Gutiérrez-Jara, J. Número de casos COVID-19 en Chile a 120 días con datos al 21/03/2020 y umbral del esfuerzo diario para aplanar la epi-curva. Medwave. 2020; 20(2):1-9. DOI:10.5867/medwave.2020.02.7861. | spa |
| dcterms.references | Velasco-Hernandez JX, Leite MC. A model for the A(H1N1) epidemic in Mexico, including social isolation. Salud Pública Mex. 2011; 53(1):40-7. DOI:10.1590/S0036-36342011000100007. | eng |
| dcterms.references | May RM. Simple mathematical models with very complicated dynamics. Nature. 1976 junio; 261(5560):459-67. DOI:10.1038/261459a0. | eng |
| dcterms.references | Ministerio de Hacienda y Crédito Público. Decreto 639 del 8 de mayo de 2020. Bogotá: Gobierno de Colombia; 2020 [cited 2020 May 3]. Available from: https://bit.ly/3gxhrEE. | spa |
| dcterms.references | Nelder JA, Mead R. A simplex method for function minimization. Computer J. 1965; 7(4):308-313. | eng |
| dcterms.references | Penrose R. A generalized inverse for matrices. Math Proc Cambridge Philos Soc. 1955; 51(3):406-413. DOI:10.1017/S0305004100030401. | eng |
| dcterms.references | Mentaschi L, Besio G, Cassola F, Mazzino A. Problems in RMSE-based wave model validations. Ocean Model. 2013; 72:53-8. DOI:10.1016/j.ocemod.2013.08.003. | eng |
| oaire.version | info:eu-repo/semantics/publishedVersion | eng |