Metodologías matemáticas para el modelado y predicción de la dinámica del VRS en la población

Abstract

En este trabajo se aplicaron los clasificadores bayesianos de Navie Bayes (NB) para predecir la primera semana del brote de la enfermedad estacionaria del Virus Respiratorio Sincitial (VRS) utilizando los datos correspondiente a los niños menores de cinco años de la ciudad de Bogotá (Colombia) del año 2005 hasta el 2010. Una predicción fiable de la semana del inicio de estos brotes, utilizando bases de datos climatólogicas, podría ayudar a los hospitales y a la población a prepararse mejor para los grandes brotes causados por el VRS. En este trabajo, utilizamos el clasificador de Naive Bayes (N B) donde las variables usadas son temperatura promedio (Cº) temperatura máxima(Cº), temperatura mínima(Cº), presión atmosférica (hPa), precipitación (mm), viento (Km/h), humedad máxima (%) y humedad mínima (%). Utilizando los clasificadores de Naive Bayes se contruyeron 1020 modelos para los periodos de seis años (2005-2010), cuatro años 2005-2008) y dos años (2009-2010) respectivamente. Se logró determinar que las variables: humedad mínima, velocidad del viento y temperatura mínima son las que aparecen con mayor frecuencia en los modelos con mejor rendimiento para la predicción del brote del VRS en la ciudad Bogotá. Por otra parte, en este trabajo también se utilizó el modelo matemático SI RS, basado en ecuaciones diferenciales para describir y entender los brotes epidémicos del VRS en la población de la ciudad de Bogotá. Utilizando el modelo SIRS se logró describir los datos reales correspondientes al V RS durante el periodo 2005-2010. Adicionalmente, se utilizó un modelo Multi-Agentes para simular y describir, desde un punto de vista estocástico, los brotes del VRS en la ciudad de Bogotá. Es importante mencionar que se lograron resultados similares a lo obtenidos mediante al modelo determinístico SIRS. Sin embargo, se comprobó la mayor versatilidad del modelo Multi-Agentes donde se puede obtener una mayor cantidad de escenarios.