Modelamiento matemático de la mortalidad por COVID-19 en China

Autores/as

  • Olegario Marín Machuca Universidad Nacional Federico Villarreal. Facultad de Oceanografía, Pesquería, Ciencias Alimentarias y Acuicultura. Lima, Perú. https://orcid.org/0000-0002-0515-5875
  • Jessica Blanca Vargas Ayala Universidad Nacional Federico Villarreal. Facultad de Oceanografía, Pesquería, Ciencias Alimentarias y Acuicultura. Lima, Perú. https://orcid.org/0000-0002-8889-0954
  • Ulert Marín Sánchez Ministerio de la Producción (PRODUCE). Dirección General de Asuntos Ambientales. Lima, Perú. https://orcid.org/0000-0003-2487-782X
  • Fredy Anibal Alvarado Zambrano Universidad Nacional Santiago Antúnez de Mayolo. Departamento Académico de Ingeniería e Industrias Alimentarias. Huaraz, Perú. https://orcid.org/0000-0002-7213-656X
  • Elena Elizabeth LonKan Universidad Nacional Tecnológica de Lima Sur. Vicepresidencia de Investigación. Villa El Salvador, Lima, Perú. https://orcid.org/0000-0002-6595-6279
  • Obert Marín Sánchez Universidad Nacional Tecnológica de Lima Sur. Vicepresidencia de Investigación. Villa El Salvador, Lima, Perú. https://orcid.org/0000-0003-2912-1191

DOI:

https://doi.org/10.24039/cv202081762

Palabras clave:

comportamiento, coronavirus, modelo logístico, mortalidad

Resumen

Se ha desarrollado un modelo matemático que permita analizar el comportamiento de la mortalidad en la República Popular de China ocasionado por COVID-2019. Se aplicó el modelo logístico para los datos reportados entre 11 de enero y el 12 de abril del 2020. El modelo formulado fue linealizado y planteado en dos formas. La primera, evaluando el factor de corrección B, que hace las veces de cantidad máxima de fallecidos. Se determinaron los parámetros A, k y r, obteniendo el modelo (Ecuación 7), con un coeficiente de correlación r=-0,9660 y el coeficiente de determinación r^2×100=93,31 %. La segunda forma, con el mismo valor de B, introduciendo un factor de corrección para la variable independiente, t, que hace las veces de “periodo”. Se determinaron los parámetros A, k y r, obteniendo el modelo (Ecuación 10), con un coeficiente de correlación r=-0,9668 y el coeficiente de determinación r^2×100=93,48 %; lo que demuestra buena estimación del modelo (Ecuación 7 y Ecuación 10). Asimismo, se evaluó la velocidad de mortalidad, derivando, ordinariamente los modelos (Ecuación 7 y Ecuación 10), obteniendo los modelos de velocidad (Ecuación 8 y Ecuación 11); concluyendo que la máxima velocidad de mortalidad fue de 118 personas por día el día 24 de febrero de 2020.

 

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Beltekian D., Gavrilov D., Hasell J., Macdonald B., Mathieu E., Ortiz-Ospina E., Ritchie H., Roser M. (2020). Data on COVID-19 by Our World in Data.GitHub. Retrieved April 26, 2020, from https://github.com/owid/covid-19-data

Bowman B. A. & Russell R. M. (2019). Conocimientos actuales sobre Nutrición. Instituto Internacional de Ciencias de la Vida. Organización Panamericana de la Salud. Organización Mundial de la Salud. EUA.

Bronshtein, I. & Semendiaev K. (2018). Manual de matemáticas para Ingenieros y Estudiantes. 4ª Edición. Editorial Mir. Moscú. URSS.

Doran, P. M. (2015). Principios de Ingeniería de los Bioprocesos. Zaragoza. España: Editorial Acribia S.A.

Florencio, C. F. (2020). Cálculos estadísticos sobre un modelo cerrado SIR extrapolando datos del actual brote de Coronavirus a un escenario de población mexicana, Alcaldía Magdalena Contreras. Servicios de Salud Pública CDMX. México.

Gujarati, D. N. & Porter, D. C. (2018). Econometría. 8ª Edición. Impreso por Programas Educativos S. A. México: Editorial Mac Graw Hill.

Joint National Committee on Prevention, Detection, Evaluation, and Treatment of High Blood Pressure. (2000). The sixth report of the Joint National Committee on Prevention, Detection, Evaluation, and Treatment of Hight Blood Pressure. Editorial Hispano-Americans de la Salud. EUA.

Kathleen, L. M. & Sscott-Stump, S. (2009). Krause Dietoterapia. 12a Edición. Masson. Barcelona. España.

Manrique, A. F. G., et. al, (2020). Modelo SIR de la Pandemia de COVID-19 en Colombia. Rev. Salud Pública. Vol. 22 no.1 Bogotá. http://dx.doi.org/10.15446/rsap.v22.85977

Marín-Machuca, O. (1996). Reología Física de la Leche Concentrada. Tesis para optar al Grado Académico de Magister en Ciencias, Especialidad Tecnología de los Alimentos. Universidad Nacional Federico Villareal. Lima. Perú.

Marín-Machuca, O., Zambrano-Cabanillas, A. W., García-Talledo, E. G., Ortiz-Guizado, J. I., Vivas-Ruiz, D. E., & Marín-Sánchez, O. (2020). Modelamiento matemático del comportamiento epidemiológico de la pandemia COVID-19 en China. The Biologist, 18(1). https://doi.org/10.24039/rtb2020181473

Medeiros de Figueiredo, A., Daponte, A., Moreira Marculino de Figueiredo, D. C., Gil-García, E., & Kalache, A. (2020). Letalidad del COVID-19: ausencia de patrón epidemiológico. Gaceta Sanitaria / S.E.S.P.A.S. https://doi.org/10.1016/j.gaceta.2020.04.001

Rohde, R. (2020). 2019 Novel Coronavirus (2019-nCoV) Update: Uncoating the Virus. Translational Health Research Initiative at Texas State University. Clinical & Public Health Microbiology. American Society for Microbiology. Volume 33(4), Pages 891-905. https://doi.org/10.1016/j.idc.2019.08.001.

Publicado

2020-08-17

Cómo citar

Marín Machuca, O., Vargas Ayala, J. B., Marín Sánchez, U., Alvarado Zambrano, F. A., LonKan, E. E., & Marín Sánchez, O. (2020). Modelamiento matemático de la mortalidad por COVID-19 en China. Cátedra Villarreal, 8(1), 35–43. https://doi.org/10.24039/cv202081762

Número

Sección

Artículos Originales

Artículos más leídos del mismo autor/a