You are on page 1of 9

Informe Modelo SIS

Emilio Bernardo Lucero Loza


Codigo: 2548898
Edwin Alexander Ramrez Vargas
Codigo: 2548920
Jarvy Andres Sanchez Buitrago
Codigo: 2548929
Mayo de 2015
Introducci
on
El modelamiento de sistemas es una herramienta fundamental en el estudio
de sistemas din
amicos, as mismo lo es el apoyo en software sofisticado para
realizar todo tipo de simulaciones y poder caracterizar el comportamiento del
modelo.
Uno de los puntos de mayor interes alrededor el mundo es estudiar la evoluci
on de enfermedades as como la forma en que se producen los contagios dentro
de una poblaci
on especfica. Teniendo en cuenta la gran importancia de esto, el
presente artculo pretende mostrar el analisis cuantitativo realizado acerca del
modelo SIS, con el objetivo de establecer el comportamiento del modelo y los
par
ametros que afectan sus distintas caractersticas, como lo son la cantidad de
poblaci
on en un estado estacionario, as como la relacion de esta con la tasa de
contagio y el tiempo de recuperacion.

1.

Modelo SIS

El modelo SIS es una de las herramientas utilizadas en el analisis de evolucion


de enfermedades, que hace parte de la epidemiologa. Su abreviacion se justifica
en el hecho de que el acr
onimo de un modelo suele indicar los diversos estados
por los que pasan los individuos, en este caso el individuo puede ser susceptible
o infectado.
Este modelo se centra en el estudio de la poblacion afectada y no tiene
en cuenta la poblaci
on transmisora de la enfermedad, es decir, es un modelo
centrado en estados, en el que se considera a los individuos pertenecientes a un
estado del modelo como un conjunto, en lugar de ser considerados de manera
individual. De esta manera este modelo puede utilizarse en poblaciones grandes
para facilitar el estudio analtico de la epidemia [1].
El planteamiento del modelo tiene en cuenta lo siguiente: se realiza una
partici
on de la poblaci
on a estudiar, esta particion esta conformada por dos
compartimientos: susceptibles e infectados, de esta manera el modelo SIS se

basa en el hecho de que ning


un recuperado adquiere inmunidad, esto es, puede
infectarse m
as de una vez y por lo tanto pasa directamente a ser susceptible.
Adem
as de ello, se supone que la poblacion se mantiene constante y que la
din
amica de la enfermedad es mas rapida que la dinamica del nacimiento de la
especie, por ello no se modelan los nacimientos ni las muertes.
Es importante se
nalar que el modelo a utilizar dependera de los agentes
infecciosos por los que se transmita la enfermedad a modelizar, ya que varan de
una enfermedad a otra. Por ejemplo, las enfermedades cuyos agentes infecciosos
son virus, provocan que aquellos individuos que se recuperan de la enfermedad
pasen a un estado de resistencia en el que no pueden volver a ser infectados.
Por otro lado, como es el caso del modelo SIS, en las enfermedades transmitidas mediante bacterias los individuos que se recuperan de la enfermedad
vuelven a ser susceptibles, sin pasar por un estado de resistencia.

1.1.

Par
ametros del modelo SIS

Los par
ametros que controlan el modelo SIS son:
Tasa de contagio (): Representa la probabilidad de que un individuo
susceptible se contagie a traves del contacto con un individuo infectado.
Tiempo de recuperaci
on (trec ): Este parametro corresponde al tiempo de
recuperaci
on en das de un individuo infectado. Su inverso es la tasa de
recuperaci
on ().
El diagrama del modelo se muestra en la Figura 1, as como sus respectivas
ecuaciones:

Figura 1: Diagrama del modelo SIS.


S = I SI
I = SI I

2.

Experimentos

Para llevar a cabo el an


alisis cualitativo del modelo SIS, se desarrollaron tres
experimentos: el primero correspondiente a determinar que parametros incidan
en los tama
nos de las poblaciones en el momento de la estabilizacion. El segundo, en el cu
al se determinaron que factores incidan en la rapidez con la que se

estabilizaba el comportamiento, y finalmente el tercero consistente en la modificaci


on del modelo, con el fin de incluir nacimientos y muertes para determinar
las ecuaciones del modelo resultante y su comportamiento.

2.1.

Primer experimento

Para realizar este experimento se procedio a fijar la tasa de contagio en


un valor de 0,7, el cual fue un valor arbitrario ya que el comportamiento del
modelo para una tasa de contagio fija es el mismo. De esta manera se inicio
con un tiempo de recuperacion de 2 das y se determino a partir de la grafica
arrojada por el simulador, el correspondiente tiempo de estabilizacion. Este
procedimiento se repiti
o hasta llegar a un tiempo de recuperacion igual a 20
das, obteniendo los resultados que se muestran en la TABLA I:
TABLA I.
Tiempos de estabilizaci
on en funci
on del tiempo de recuperaci
on.

Los datos anteriores se graficaron, obteniendo el resultado que se muestra


en la Figura 2:

Figura 2: Tiempo de estabilizacion vs tiempo de recuperacion.

Como se observa en la Figura 2, el tiempo de estabilizacion disminuye al


aumentar el tiempo de recuperacion, presentando una relacion que se asemeja
a una exponencial decreciente la cual se estabiliza en un valor de 15 das.
Este resultado concuerda con la naturaleza del modelo, puesto que si los individuos infectados se demoran en recuperarse entonces la poblacion susceptible
va a disminuir m
as r
apido provocando una estabilizacion temprana.
Una vez realizada esta parte, se procedio a fijar el valor del tiempo de recuperaci
on en 7 das y se simulo el modelo para distintos valores de tasa de
contagio, asumiendo que el comportamiento del modelo era igual para cualquier
valor fijo en el tiempo de recuperacion.
A partir de esto se obtuvieron los datos mostrados en la TABLA II:
TABLA II.
Tiempos de estabilizaci
on en funci
on de la tasa de contagio.

Los datos anteriores se graficaron, obteniendo el resultado que se muestra


en la Figura 3:

Figura 3: Tiempo de estabilizacion vs tasa de contagio.

Analizando la gr
afica anterior, puede deducirse que a mayor tasa de contagio, menor es el tiempo de estabilizacion, presentando una relacion exponencial
decreciente que tiende a estabilizarse en un valor aproximado de 15 das.
Este resultado concuerda con lo esperado, debido a que al aumentar la tasa
de contagio la cantidad de infectados aumenta de manera considerable haciendo
que la poblaci
on susceptible se contagie de manera mas rapida y el sistema se
estabilice de forma temprana.

2.2.

Segundo experimento

En esta parte se analiz


o la influencia de los parametros en la poblacion de
infectados y susceptibles una vez se alcanzara la estabilizacion.
Inicialmente se mantuvo una tasa de contagio fija de 0.7 y se vario el tiempo
de recuperaci
on, con el objetivo de determinar la poblacion final de susceptibles
e infectados en el momento de la estabilizacion, dichos valores se muestran en
la TABLA III:

TABLA III.
Poblaci
on en funci
on del tiempo de recuperaci
on.

Los datos anteriores se graficaron, obteniendo el resultado que se muestra


en la Figura 4:

Figura 4: Poblacion vs tiempo de recuperacion.

Observando la figura anterior puede deducirse que la poblacion susceptible


decrece a medida que se aumenta el tiempo de recuperacion mientras que la
poblaci
on infectada presenta un comportamiento opuesto.
Esto concuerda con lo esperado y ademas constata los resultados obtenidos
en el primer experimento.
6

Luego de ello considerando un tiempo de recuperacion fijo, se simulo el modelo para distintos valores de tasa de contagio con el fin de determinar la relacion
entre el tama
no de la poblacion en la estabilizacion y la tasa de contagio, los
resultados se muestran en la TABLA IV.
TABLA IV.
Poblaci
on en funci
on de la tasa de contagio.

Los datos anteriores se graficaron, obteniendo el resultado que se muestra


en la Figura 5:

Figura 5: Poblacion vs tasa de contagio.

De la figura 5 se puede establecer que si la tasa de contagio aumenta la


poblaci
on de susceptibles decrece a diferencia de la poblacion de infectados la
cual aumenta. Esta relaci
on tiene una forma exponencial que se estabiliza una
vez que la tasa de contagio es 1 para ambos casos.

2.3.

Tercer experimento

Finalmente, se procedi
o a modificar el modelo teniendo en cuenta nacimientos y muertes de manera que se obtuvo el diagrama que se muestra en la figura
6:

Figura 6: Diagrama SIS con nacimiento y muertes

Para este nuevo modelo se dedujeron las ecuaciones que lo describan, teniendo en cuenta que la poblacion se mantiene constante, de manera que la
tasa de mortalidad y natalidad es la misma y se representa por > 0. Dichas
ecuaciones se muestran a continuacion:
S =N + I S SI
I =SI I I

(1)

N =S + I

(3)

(2)

Las ecuaciones anteriores se dedujeron a partir de la variacion de cada estado


(susceptible e infectado) que se define como la sumatoria de las entradas menos
la sumatoria de las salidas, lo cual puede verse claramente en la Figura 6.
Como N = S + I, entonces las ecuaciones (1) y (2) pueden modificarse de
manera que finalmente:
S =(N S) + I SI = SI I I
I =SI I I

(4)
(5)

De donde se observa que las nuevas ecuaciones equivalen a las del modelo
SIS sin nacimientos ni muertes con un termino de disminucion I. Lo cual
permite afirmar que el comportamiento del nuevo modelo sera parecido, siempre
y cuando no hayan infectados iniciales.
8

3.

Conclusiones
El tiempo de recuperacion tiene un efecto mas severo en los tama
nos de
las poblaciones susceptibles e infectadas que la tasa de contagio.
La tasa de contagio afecta el tiempo de estabilizacion de los valores finales
de las poblaciones de una forma mucho mas pronunciada que el tiempo de
recuperaci
on.
De acuerdo a los resultados obtenidos en la planta de experimentacion, el
modelo estudia un tipo de enfermedad endemica, puesto que la cantidad
de infectados persiste en el tiempo.

Referencias
[1] http://www.mat.ucm.es/ ivorra/papers/Diego-Epidemiologia.pdf
[2] http://67.23.240.64/unvl/info/info.html