Introducción
La epidemiología y la estadística son disciplinas fundamentales para entender y combatir enfermedades. Desde la pandemia de COVID-19 hasta brotes locales, los modelos matemáticos han demostrado ser herramientas esenciales para predecir, controlar y mitigar riesgos sanitarios. En este artículo, exploraremos los modelos más utilizados, sus fundamentos teóricos y aplicaciones prácticas, junto con ejercicios que ilustran su uso en contextos reales. Si deseas profundizar en conceptos básicos, revisa nuestro artículo sobre Introducción a la Estadística.
Modelos Epidemiológicos Básicos
Los modelos epidemiológicos buscan describir la propagación de enfermedades en una población. Uno de los más simples es el modelo SIR, que divide a la población en tres grupos:
- S: Susceptibles (personas que pueden contraer la enfermedad).
- I: Infectados (personas que tienen la enfermedad y pueden transmitirla).
- R: Recuperados (personas que ya no pueden transmitir la enfermedad).
Las ecuaciones diferenciales del modelo SIR son:
\begin{cases}
\frac{dS}{dt} = -\beta SI \\
\frac{dI}{dt} = \beta SI – \gamma I \\
\frac{dR}{dt} = \gamma I
\end{cases}
$$
Donde $\beta$ es la tasa de contagio y $\gamma$ es la tasa de recuperación.
Teorema del Umbral Epidemiológico
Teorema 1: Umbral de Propagación
En el modelo SIR, una enfermedad se propagará solo si el número básico de reproducción $R_0 = \frac{\beta}{\gamma} > 1$.
Demostración:
Para que $\frac{dI}{dt} > 0$, se debe cumplir $\beta SI – \gamma I > 0$. Simplificando, $\beta S > \gamma$. Al inicio del brote, $S \approx N$ (población total), luego $R_0 = \frac{\beta N}{\gamma} > 1$.
Ejercicios Resueltos
Ejercicio 1: Cálculo de $R_0$
En una población de 1000 personas, $\beta = 0.0002$ y $\gamma = 0.1$. ¿Se propagará la enfermedad?
Solución:
Calculamos $R_0 = \frac{\beta N}{\gamma} = \frac{0.0002 \times 1000}{0.1} = 2$. Como $R_0 > 1$, la enfermedad se propagará.
Modelos Avanzados: SEIR
El modelo SEIR incluye un compartimento adicional: Expuestos (E), para personas infectadas pero aún no contagiosas. Sus ecuaciones son:
\begin{cases}
\frac{dS}{dt} = -\beta SI \\
\frac{dE}{dt} = \beta SI – \alpha E \\
\frac{dI}{dt} = \alpha E – \gamma I \\
\frac{dR}{dt} = \gamma I
\end{cases}
$$
Donde $\alpha$ es la tasa de progresión a infectado.
Teorema de Estabilidad
Teorema 2: Estabilidad del Punto Libre de Enfermedad
En el modelo SEIR, el punto libre de enfermedad ($E = I = 0$) es estable si $R_0 \leq 1$.
Demostración:
Linealizando alrededor del punto libre de enfermedad, los valores propios de la matriz Jacobiana tienen parte real negativa cuando $R_0 \leq 1$.
Aplicaciones Prácticas
Los modelos epidemiológicos se usan para:
- Predecir el pico de una epidemia.
- Evaluar el impacto de medidas como cuarentenas o vacunación.
- Planificar recursos hospitalarios.
Por ejemplo, durante la pandemia de COVID-19, modelos como el SIR ajustado ayudaron a proyectar camas UCI necesarias. Para más detalles, consulta nuestro artículo sobre Modelos Matemáticos en Salud.
Teorema de Vaccinación
Teorema 3: Umbral de Inmunidad Colectiva
La proporción mínima $p$ de la población que debe ser vacunada para evitar un brote es $p > 1 – \frac{1}{R_0}$.
Demostración:
Para que $R_0 \leq 1$, la fracción de susceptibles $S$ debe ser $\leq \frac{1}{R_0}$. Luego, $p = 1 – S \geq 1 – \frac{1}{R_0}$.
Más Ejercicios
Ejercicio 2: Inmunidad Colectiva
Si $R_0 = 3$, ¿qué porcentaje de la población debe vacunarse?
Solución:
$p > 1 – \frac{1}{3} = \frac{2}{3}$. Se requiere vacunar al menos al 66.67%.
Conclusión
Los modelos epidemiológicos, respaldados por estadística rigurosa, son herramientas poderosas para la salud pública. Desde el modelo SIR hasta variantes más complejas, permiten tomar decisiones informadas y salvar vidas. Hemos visto teoremas clave, ejercicios prácticos y aplicaciones reales que demuestran su valor. La matemática sigue siendo un aliado indispensable en la lucha contra las enfermedades.
«`