Modelagem Estocástica da Evolução de Epidemias Através do Modelo SIQR CTMC

Autores

  • Michelle Lau
  • Zochil González Arenas
  • Diego Nicodemos

DOI:

https://doi.org/10.5540/03.2023.010.01.0069

Palavras-chave:

Modelos Estocásticos, Modelagem Epidemiológica, Modelo SIQR

Resumo

A modelagem matemática de doenças infecciosas na epidemiologia é uma ferramenta fundamental para a análise e prevenção da propagação dessas doenças. Nesse sentido, a modelagem estocástica tem ganhado destaque, pois ao considerar a incerteza nos parâmetros ou nas transições entre os estados epidemiológicos obtém-se uma modelagem mais realista. O modelo compartimental SIR é amplamente utilizado neste âmbito, porém, não considera a possibilidade de quarentena de indivíduos infecciosos, o que pode ser um elemento importante no controle de propagação de doenças. Para superar essa limitação, considera-se uma versão do modelo compartimental SIQR, que incorpora um compartimento extra, denominado quarentenado. Neste trabalho, uma versão estocástica do modelo SIQR é formulada através de Cadeias de Markov de Tempo Contínuo e são analisadas as suas características. Além disso, foram realizadas simulações numéricas em Python para analisar o comportamento do modelo proposto em comparação ao modelo SIQR determinístico.

Downloads

Não há dados estatísticos.

Biografia do Autor

Michelle Lau

UERJ, Rio de Janeiro, RJ

Zochil González Arenas

UERJ, Rio de Janeiro, RJ

Diego Nicodemos

Colégio Pedro II, UERJ, Rio de Janeiro, RJ

Referências

L. J. S. Allen. An introduction to stochastic processes with applications to biology. 2a. ed. Lubbock: CRC Press, 2010. isbn: 9781439894682.

M. L. Almeida. “Modelagem Epidemiológica com um Modelo SIR Estocástico utilizando Cadeia de Markov de Tempo Contínuo”. Dissertação de mestrado. Universidade do Estado do Rio de Janeiro, 2020, p. 75.

N. Crokidakis. “Modeling the early evolution of the COVID-19 in Brazil: Results from a Susceptible–Infectious–Quarantined–Recovered (SIQR) model”. Em: International Journal of Modern Physics C (IJMPC) 31.10 (2020), pp. 2050135/1–2050135/7. doi: 10.1142/S0129183120501351.

D. J. Daley e J. Gani. Epidemic modelling: an introduction. 1a. ed. 15. New York: Cambridge University Press, 2001. isbn: 978-0521014670.

K. Dietz. “The estimation of the basic reproduction number for infectious diseases”. Em: Statistical methods in medical research 2.1 (1993), pp. 23–41.

M. Erdem, M. Safan e C. Castillo-Chavez. “Mathematical analysis of an SIQR influenza model with imperfect quarantine”. Em: Bulletin of Mathematical Biology 79 (2017), pp. 1612–1636. doi: 10.1007/s11538-017-0301-6.

H. Hethcote, M. Zhien e L. Shengbing. “Effects of quarantine in six endemic models for infectious diseases”. Em: Mathematical biosciences 180.1-2 (2002), pp. 141–160. doi: 10.1016/S0025-5564(02)00111-6.

H. W. Hethcote. “The Mathematics of Infectious Diseases”. Em: SIAM Review 42.4 (2000), pp. 599–653. doi: 10.1137/S0036144500371907.

W. O. Kermack e A. G. McKendrick. “A contribution to the mathematical theory of epidemics”. Em: Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences 115.772 (1927), pp. 700–721. doi: 10.1098/rspa.1927.0118.

J. R. Norris. Markov chains. 1a. ed. 2. New York: Cambridge University Press, 1998. isbn: 978-0521633963.

T. Odagaki. “Exact properties of SIQR model for COVID-19”. Em: Physica A: Statistical Mechanics and its Applications 564 (2021), pp. 1–9. doi: 10.1016/j.physa.2020.125564.

Downloads

Publicado

2023-12-18

Edição

Seção

Trabalhos Completos