Modelamiento estocástico de la evolución de la trasmisión de virus altamente contagiosos en lugares concurridos

• Published in: Revista UIS ingenierías (En línea) Vol. 20; no. 1; pp. 89 - 102
• Main Authors: Fedosov, Valery, Fedossova, Alina, Buitrago-Suescún, Oscar
• Format: Journal Article
• Language: English
• Published: Universidad Industrial de Santander 03.11.2020
• Subjects: aglomeraciones; algoritmo; comportamiento estocástico; contagio; distanciamiento social; trasmisión de virus
• ISSN: 1657-4583; 2145-8456
• DOI: 10.18273/revuin.v20n1-2021008

Se propone un modelo matemático para la estimación estocástica del número de portadores de virus SARS-COv-2 en lugares donde hay alta concentración de población como centros comerciales u otros espacios cerrados. El objetivo de trabajo es obtener un modelo matemático de propagación de virus en espacios cerrados calculando el número de portadores nuevos dependiendo del cumplimiento o violación de las distancias seguras y de normas de protección, así como un algoritmo heurístico para su solución. Se recurrió al modelamiento matemático para abordar la situación de transmisión de virus y desarrollar un algoritmo heurístico para la solución del modelo matemático obtenido. La programación, los experimentos numéricos y los gráficos se realizaron en MATLAB. Los experimentos numéricos obtenidos para diferentes casos muestran la dependencia que existe entre la cantidad de nuevos portadores de virus con el no cumplimiento de las recomendaciones de distanciamiento social y de uso de elementos de protección personal. El modelo está abierto a complementos y mejoras y puede ser de interés para soportar la toma de decisiones que deben tomar las autoridades sanitarias y administrativas. El algoritmo resuelve el modelo matemático propuesto para rastrear la transmisión del virus cuando no se cumplen distancias seguras y de protección recomendadas. La aplicación del algoritmo permite proponer controles en situaciones complejas y poco predecibles de desarrollo epidémico en concentraciones de población, por lo que puede utilizarse para mejorar la calidad de las medidas médicas proactivas y demás decisiones relacionadas.