Algunos modelos de propagacin de enfermedades

Oscar G. Duarte
El modelo representa la evolucin de enfermedades infecciosas. Las poblaciones de
las especies involucradas se representan por compartimentos. Se modela el tamao
de la poblacin de cada compartimento y las interacciones entre los mismos.
La evolucin de las enfermedades infecciosas es uno de los
temas de investigacin de la epidemiologa. Los modelos matemticos de estos fenmenos permiten realizar experimentos
computacionales que ayudan a analizar la propagacin de las
enfermedades y eventualmente realizar predicciones.
Los modelos deben representar los mecanismos de infeccin y
recuparacin de la enfermedad as como el nacimiento y muerte
de individuos. En ocasiones, en estos procesos intervienen poblaciones de diferentes especies, o subpoblaciones de una misma
especie.
Figura 1: Aedes aegypty. Insecto transSe presenta aqu una implementacin que permite ensamblar misor del Dengue. Foto tomada de
modelos relativamente sofisticados sin la necesidad de escribir http://www.saludputumayo.gov.co
explcitamente el conjunto completo de ecuaciones diferenciales
y algebraicas. Los primeros modelos presentados tienen pocos compartimentos (2 o 3) y posteriormente
se desarrollan casos ms complejos (hasta 19 compartimentos).

ndice
1. El modelo
1.1. Modelo SIR . . . . . . . . . . . . . . .
1.2. Modelo SIR con nacimientos y muertes
1.3. Modelo SIS . . . . . . . . . . . . . . .
1.4. Modelo SIR-SI . . . . . . . . . . . . .
1.4.1. Modelo del vector . . . . . . . .
1.4.2. Modelo del humano . . . . . . .
1.5. Modelo SIR-SI con dos serotipos . . . .
1.6. Modelo del dengue . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

2. Plantas de experimentacin y experimentos sugeridos

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

1
2
3
3
4
4
4
4
6
7

3. La implementacin
17
3.1. Ejemplo: implementacin del modelo SIR . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2. Listado de Archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.

El modelo

Los modelos aqu explicados han sido compilados e implementados en [1]. La estrategia bsica consiste en identificar las especies involucradas en el proceso de propagacin de la enfermedad y realizar una
1

particin1 de su poblacin. Cada uno de los subconjuntos de la particin es un compartimento. Las poblaciones de los compartimentos evolucionan con el tiempo debido a fenmenos tales como nacimientos,
muertes, infecciones y recuperaciones de la enfermedad.
Para cada compartimento se plantea una ecuacin dinmica que describe la rata de cambio del
tamao de la poblacin x. La forma general de la ecuacin es:
x =

entradas

salidas

(1)
P

en donde entradas representa el ingreso de individuos al compartimento y salidas el egreso. Es

usual que cada uno de los trminos que aparecen en las sumatorias dependa del tamao de la poblacin
de uno o ms de los compartimentos del modelo.
En los modelos que se presentan a continuacin hay dos especies involucradas:
La especie que sufre la enfermedad, que ser identificada como la especie de humanos.
La especie que sirve como transmisora de la enfermedad (como vector de la misma) que ser
identificada como la especie de mosquitos.

1.1.

Modelo SIR

En este modelo slo se considera la especie de humanos. Su poblacin se subdivide en tres compartimentos, que dan origen al nombre del modelo:
S-Susceptibles: son los individuos que no han contrado la enfernedad pero que pueden llegar a contraerla.
I-Infectados: son los individuos que han contrado la enfermedad y an no la han superado.
R-Recuperados: son los individuos que se han superado la enfermedad.
Los tamaos de las poblaciones de estos compartimentos se representan por S, I, R respectivamente.
En el modelo SIR, las dinmicas de las poblaciones se rigen por las siguientes reglas
Un individuo puede pasar del compartimento Susceptible al Infectados a travs del contagio.
Un individuo puede pasar del compartimento Infectados al Recuperados a travs de la recuperacin.
Los individuos recuperados adquieren inmunidad, y por tanto no vuelven a enfermarse.
La poblacin total de la especie es constante.
La dinmica de la enfermedad es mucho ms rpida que la dinmica natural de la especie, y por
tanto no se modelan los nacimientos ni las muertes.
El contagio se da por el contacto entre un individuo susceptible y uno infectado. Por esta razn,
el nmero de contagios es directamente proporcional al producto SI (proporcional a la probabilidad
de encuentro entre un individuo infectado y uno susceptible) con cosntante de proporcionalidad . El
nmero de recuperaciones es proporcional al nmero de infectados I; la tasa de recuperacin es el
1

La particin de un conjunto es la definicin de subconjuntos de dicho conjunto con dos propiedades: 1) los subconjuntos
son disyuntos, es decir no tienen elementos en comn, o lo que es igual su interseccin es vaca 2) la unin de los subconjuntos
es igual al conjunto original

SI

SI

Figura 2: Diagrama del modelo SIR.

R

Figura 3: Diagrama del modelo SIR con nacimientos y muertes.

inverso del tiempo de recuperacin tr = 1/. Esta dinmica se representa grficamente en la figura 2.
La ecuacin 2 muestra las relaciones matemticas del modelo
Ecuaciones del modelo SIR
S = SI
I = SI I
R = I

1.2.

(2)

Modelo SIR con nacimientos y muertes

El modelo SIR puede modificarse para incluir el fenmeno de muerte natural en cada compartimento.
La muerte natural se modela proporcional a la poblacin de cada compartimento, con una constante de
proporcionalidad igual para todos los compartimentos. Para compensar la disminucin de la poblacin,
se consideran los nacimientos, que igualan en cantidad a las muertes.
La figura 3 muestra el diagrama correspondiente al modelo. Las ecuaciones correspondientes son las
siguientes:
Ecuaciones del modelo SIR con nacimientos y muertes
S = N SI S
I = SI I I
R = I I
N = S+I +R

1.3.

(3)

Modelo SIS

En algunas enfermedades la recuperacin no asegura inmunidad. En otras palabras, es posible adquirir la enfermedad ms de una vez. Como se muestra en la figura 4, el modelo SIS (sin nacimientos
ni muertes) slo tiene dos compartimentos: Susceptibles e Infectados; los individuos que se recuperan
pueden enfermarse de nuevo, y por tanto pasan al compartimento de los suscceptibles. Las ecuaciones
del modelo son:
Ecuaciones del modelo SIS
S = SI + I
I = SI I

(4)

I
S

SI

Figura 4: Diagrama del modelo SI

1.4.

Modelo SIR-SI

En este modelo se considera tambin la dinmica de la especie transmisora de la enfermedad (la

especie vector). Para distinguir las dos especies se utilizarn los subndices h y v para referirnos a las
poblaciones de humanos y vectores, respectivamente. La figura 5 ilustra el modelo, cuyas ecuaciones se
presentan en 5 y se explican a continuacin:
1.4.1.

Modelo del vector

El vector se representa por dos compartimentos: los Susceptibles y los Infectados. Los mosquitos
infectados son los que servirn de transmisores de la enfermedad. La probabilidad de que un mosquito
se infecte es proporcional a la probabilidad de encuentro entre un mosquito no infectado y un humano
infectado, es decir, es proporcional al producto Sv Ih /Nh . Hay dos elementos ms que intervienen: la tasa
de picadura (representada por b) y la probabilidad de que el mosquito resulte infectado (representada
por pv ).
1.4.2.

Modelo del humano

La poblacin humana se representa por tres compartimentos: los Susceptibles, Infectados y Recuperados. La probabilidad de que un humano se infecte es proporcional a la probabilidad de encuentro
entre un mosquito infectado y un humano susceptible, es decir, es proporcional al producto Sh Iv /Nv .
Tambin intervienen: la tasa de picadura (representada por b) y la probabilidad de que el humano resulte
infectado (representada por ph ).
Ecuaciones del modelo SIR-SI.
Vector.
S v = Nv v v Sv
Iv = v v Iv

Humano.
S h = Nh h h Sh
Ih = h Ih h Ih
R h = Ih h Rh
Nh = Sh + Ih + Rh
h = ph bSv Iv /Nv

Nv = Sv + Iv
v = pv bSv Ih /Nh

1.5.

(5)

Modelo SIR-SI con dos serotipos

Este modelo contempla dos variantes de la enfermedad, caracterizada por dos serotipos. Los serotipos
se identifican por los subndices 1 y 2. El nmero de compartimentos se incrementa ahora as:
La poblacin de vectores infectados (Iv ) se subdivide en dos comparimentos:
Iv1 : los vectores infectados por el serotipo 1
Iv2 : los vectores infectados por el serotipo 2

Sh

v Iv

Iv

Ih

Ih

h Rh

h Nh

h Sh

Sv

h Ih

v Sv

v Nv

Rh

Figura 5: Diagrama del modelo SIR-SI

La poblacin de humanos infectados (Ih ) se subdivide en cuatro compartimentos:
Ih1 : los humanos infectados por el serotipo 1
Ih2 : los humanos infectados por el serotipo 2
Ih21 : los humanos infectados por el serotipo 1 que previamente se haban infectado (y recuperado) con el serotipo 2
Ih12 : los humanos infectados por el serotipo 2 que previamente se haban infectado (y recuperado) con el serotipo 1
La poblacin de humanos recuperados (Rh ) se subdivide en tres compartimentos:
Rh1 : los humanos recuperados despus de haberse infectado (nicamente) con el serotipo 1.
Rh2 : los humanos recuperados despus de haberse infectado (nicamente) con el serotipo 2.
Rh : los humanos recuperados despus de haberse infectado con ambos serotipos.
El modelo se representa grficamente en la figura 6. La ecuacin 6 consigna el conjunto de expresiones
matemticas del modelo.
Ecuaciones del modelo SIR-SI con
Vector.
S v = Nv v1 v2 v Sv
Iv1 = v1 v Iv1
Iv2 = v2 v Iv2
Nv = Sv + Iv
v1 = pv bSv (Ih1 + Ih21 )/Nh
v2 = pv bSv (Ih2 + Ih12 )/Nh
Humano.
S h = Nh h1 h2 h Sh
R h = Ih12 + Ih21 h Rh
Nh = Sh + Ih + Rh
Serotipo 1
Ih1 = h1 Ih1 h Ih1
R h1 = Ih1 h Rh1 h2 Rh1
Ih12 = h2 Rh1 Ih12 h Ih12
h1 = ph bSv Iv1 /Nv

dos serotipos.

(6)

Serotipo
Ih2 =
R h2 =
Ih21 =
h2 =

2
h2 Ih2 h Ih2
Ih2 h Rh2 h1 Rh2
h1 Rh2 Ih21 h Ih21
ph bSv Iv2 /Nv

Sv

v Iv2

Ih1

h1

Sh

Rh1

h Ih12
h2 Rh1

Ih21

Ih

12

h Ih1

Ih2

Ih2

Rh2

h1 Rh2

I h 21

Rh

Ih21

h Ih21

h Nh

Ih1

h Rh1

h Sh

h Ih1

h Rh1

Iv2

h Rh

v Sv

v1

v Nv

v Iv1

Iv1

Figura 6: Diagrama del modelo SIR-SI con dos serotipos de virus

1.6.

Modelo del dengue

En [1] se propone un modelo para la propagacin del dengue, y se identifican los parmetros correspondientes para el caso colombiano. El modelo separa la poblacin de humanos en dos poblaciones
diferentes:
La poblacin de jvenes, identificada con el subndice j
La poblacin de adultos, identificada con el subndice a
Para cada una de estas subpoblaciones se formula un modelo SIR-SI con dos serotipos, como el
presentado en la seccin 1.5. Sobre ese modelo, se adiciona la migracin de cada compartimiento de la
poblacin joven a su homlogo de la poblacin adulta, a una rata que representa la rapidez del paso
de joven a adulto.
En esas condiciones, el diagrama resultante es el que se muestra en la figura 7. La ecuacin 7 consigna
el conjunto de relaciones matemtica correspondientes.

Ecuaciones del modelo para el dengue.

Vector.
S v = Nv v1 v2 v Sv
Iv1 = v1 v Iv1
Iv2 = v2 v Iv2
Nv = Sv + Iv
v1 = pv bSv (Ij1 + Ij21 + Ia1 + Ia21 )/Nh
v2 = pv bSv (Ij2 + Ij12 + Ia2 + Ia12 )/Nh
Humano.
Joven.
S j = Nj j1 j2 j Sj Sj
R j = Ij12 + Ij21 j Rj Rj
Nj = Sj + Ij + Rj
Joven-Serotipo 1
Ij1 = j1 Ij1 j Ij1 Ij1
R j1 = Ij1 j Rj1 j2 Rj1 Rj1
Ij12 = j2 Rj1 Ij12 j Ij12 Ij12
j1 = pj bSv Iv1 /Nv
Adulto-Serotipo 1
Ia1 = a1 Ia1 a Ia1 + Ij1
R a1 = Ia1 a Ra1 a2 Ra1 + Rj1
Ia12 = a2 Ra1 Ia12 a Ia12 + Ij12
a1 = pa bSv Iv1 /Nv

2.

Adulto.
S a = Na a1 a2 a Sa + Sj
R a = Ia12 + Ia21 a Ra + Rj
Na = Sa + Ia + Ra
Joven-Serotipo 2
Ij2 = j2 Ij2 j Ij2 Ij2
R j2 = Ij2 j Rj2 j1 Rj2 Rj2
Ij21 = j1 Rj2 Ij21 j Ij21 Ij21
j2 = pj bSv Iv2 /Nv
Adulto-Serotipo 2
Ia2 = a2 Ia2 a Ia2 + Ij2
R a2 = Ia2 a Ra2 a1 Ra2 + Rj2
Ia21 = a1 Ra2 Ia21 a Ia21 + Ij21
a2 = pa bSv Iv2 /Nv

(7)

Plantas de experimentacin y experimentos sugeridos

Planta de experimentacin 1. Modelo Susceptible-Infectado-Recuperado . . . . . . . . . . .

Experimento 1.1. Estado estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 1.2. Tiempos de respuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 1.3. Infeccin mxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 1.4. Tiempo de infeccin mxima . . . . . . . . . . . . . . . . . . . . . . . . . .
Planta de experimentacin 2. Modelo Susceptible-Infectado-Recuperado con nacimientos . .
Experimento 2.1. Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 2.2. Linealizacin S-R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 2.3. Infeccin mnima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Planta de experimentacin 3. Modelo Susceptible-Infectado-Susceptible . . . . . . . . . . .
Experimento 3.1. Estado estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 3.2. Tiempos de respuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 3.3. Nacimientos y muertes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Planta de experimentacin 4. Modelo SIR para humanos y SI con dos cepas para mosquito .
Experimento 4.1. Tiempos de vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 4.2. Poblaciones iniciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 4.3. Infeccin mxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 4.4. Entrada del serotipo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 4.5. Modelo del dengue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Experimento 4.6. Una nica cepa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

9
9
9
9
9
11
11
11
11
13
13
13
13
14
15
15
15
15
15
15

v Nv
Sv

Iv1

v Iv2

Ia1

Rj2

j Ij12
j1 Rj2

I1

Ra1

I j 21

Ij21

a2 Ra1

Ia21

a Ia1

Ia2

Ia2

Ra2

Rj

j Ij21

a Ra1

a Ia1
a Sa

Ij

a1 Ra2

Ia

a Ra

Ij2

j Ij1

Ij2

Sa

Ij21

12

j2

a1

j2 Rj1

a Ia12

Sj

Rj1

12

I a21

Ra

Ia21

a Ia21

j Nj

Ij1

j Rj1

j1

Ij1

a Ra1

j Sj

j Ij1

j Rj1

Iv2

j Rj

v Sv

v1

v Iv1

Figura 7: Diagrama del dengue modelo SIR-SI con dos serotipos de virus y poblacin de humanos separad
por edades. Las lneas punteadas representan la migracin de las poblaciones jvenes a adultas, Xj ,
donde Xj es la poblacin del compartimento joven

Planta de experimentacin 1 (Modelo Susceptible-Infectado-Recuperado)

Presentacin Modelo de propagacin de una enfermedad con tres compartimentos de individuos: Susceptibles, Infectados y Recuperados. El modelo se presenta en la seccin 1.1.
Instrumentacin El modelo cuenta con 4 parmetros ajustables organizados en 2 grupos de controles (Ver
tabla 1). Como resultado del experimento, el programa despliega:
6 curvas organizadas en 4 grficos (Ver tabla 2).
Una tabla de datos del comportamiento de 4 variables (Ver tabla 3).
Experimentos sugeridos La siguiente es el listado de experimentos sugeridos:
Experimento 1.1 (Estado estacionario)
Qu factores inciden en los tamaos de las poblaciones cuando se estabiliza el comportamiento? Explore cmo afectan los parmetros del modelo a los valores finales de las poblaciones susceptibles,
infectadas y recuperadas

Experimento 1.2 (Tiempos de respuesta)

Qu factores inciden en la rapidez con que se estabiliza el comportamiento? Explore cmo
afectan los parmetros del modelo a los tiempos en que se alcanzan los valores finales de las poblaciones
susceptibles, infectadas y recuperadas

Experimento 1.3 (Infeccin mxima)

Qu combinacin de factores causa la mxima infeccin? Explore cmo afectan los parmetros
del modelo al valor mximo (valor pico) de la poblacin de infectados.

Experimento 1.4 (Tiempo de infeccin mxima)

De qu depende que el pico de infeccin suceda antes o despus? Explore cmo afectan los
parmetros del modelo a el tiempo en que sucede el pico de la poblacin de infectados.

Ttulo:
Descripcin:

Crditos
Grupo

Modelo SIR
Modelo de propagacin de una enfermedad con tres compartimentos
de individuos: Susceptibles, Infectados y Recuperados
Implementacin
Oscar Germn Duarte Velasco
e-mail
ogduartev@unal.edu.co
Parmetros
nombre Modelica
nombre
descripcin

Enfermedad

Poblacin

Tasa de contagio

Probabilidad de contagio cuando hay un contacto

trec
Tiempo de recuperaNmero de das que
cin
tarda en recuperarse
un infectado
NI
Infectados iniciales
Nmero de individuos
infectados al inicio de
la simulacin
NR
Recuparados iniciales
Nmero de individuos
recuperados al inicio de
la simulacin
Cuadro 1: Parmetros del experimento 1, Modelo Susceptible-InfectadoRecuperado
beta

Poblaciones
Curva
Susceptibles
Infectados
Recuperados

Descripcin

x
dia
dia
dia

y
S.pob
I.pob
R.pob

Descripcin

x
I.pob

y
S.pob

Descripcin

x
R.pob

y
S.pob

Descripcin

x
R.pob

y
I.pob

Retrato S-I
Curva
S vs I

Retrato S-R
Curva
S vs R

Retrato I-R
Curva
I vs R

Cuadro 2: Figuras del experimento 1, Modelo Susceptible-InfectadoRecuperado

Variable
dia
S.pob
I.pob
R.pob

Descripcin

Unidades
das
Individuos
Individuos
Individuos

10

Cuadro 3: Variables en la tabla de resultados del experimento 1, Modelo

Susceptible-Infectado-Recuperado

Planta de experimentacin 2 (Modelo Susceptible-Infectado-Recuperado con nacimientos)

Presentacin Modelo de propagacin de una enfermedad con tres compartimentos de individuos: Susceptibles, Infectados y Recuperados. Incluye muertes y nacimientos. El modelo se presenta en la seccin
1.2.
Instrumentacin El modelo cuenta con 5 parmetros ajustables organizados en 2 grupos de controles (Ver
tabla 4). Como resultado del experimento, el programa despliega:
7 curvas organizadas en 5 grficos (Ver tabla 5).
Una tabla de datos del comportamiento de 4 variables (Ver tabla 6).
Experimentos sugeridos La siguiente es el listado de experimentos sugeridos:
Experimento 2.1 (Frecuencia)
De qu factores depende la frecuencia de aparicin de la infeccin? Explore cmo afectan los
parmetros del modelo el tiempo entre picos de infeccin

Experimento 2.2 (Linealizacin S-R)

Obtenga un ajuste de lnea recta para la relacin entre el nmero de susceptibles y el nmero de
recuperados. Explore cmo se afectan los parmetros de la recta ajustada con los diferentes parmetros
del modelo.

Experimento 2.3 (Infeccin mnima)

Qu factores inciden en los valores mnimos de infeccin? Explore cmo afectan los parmetros
del modelo el tamao de la poblacin de infectados ms bajo entre dos picos sucesivos

Ttulo:
Descripcin:

Crditos
Grupo
Enfermedad

Modelo SIR con nacimientos

Modelo de propagacin de una enfermedad con tres compartimentos
de individuos: Susceptibles, Infectados y Recuperados. Incluye muertes y nacimientos.
Implementacin
e-mail
Parmetros
nombre Modelica
nombre
descripcin
S.beta
Tasa de contagio
Probabilidad de contagio cuando hay un contacto

11

Tiempo de recuperacin

Nmero de das que

tarda en recuperarse
un infectado
mu
Tasa de nacimientos
Tasa de natalidad y
(*e-6)
muerte natural
S.N I
Infectados iniciales
Nmero de individuos
infectados al inicio de
la simulacin
S.N R
Recuparados iniciales
Nmero de individuos
recuperados al inicio de
la simulacin
Cuadro 4: Parmetros del experimento 2, Modelo Susceptible-InfectadoRecuperado con nacimientos
S.trec

Poblaciones

Poblaciones
Curva
Susceptibles
Infectados
Recuperados

Descripcin

x
S.dia
S.dia
S.dia

y
S.S.pob
S.I.pob
S.R.pob

Descripcin

x
S.dia

y
S.I.pob

Descripcin

x
S.I.pob

y
S.S.pob

Descripcin

x
S.R.pob

y
S.S.pob

Descripcin

x
S.R.pob

y
S.I.pob

Infectados
Curva
Infectados

Retrato S-I
Curva
S vs I

Retrato S-R
Curva
S vs R

Retrato I-R
Curva
I vs R

Cuadro 5: Figuras del experimento 2, Modelo Susceptible-InfectadoRecuperado con nacimientos

12

Variable
S.dia
S.S.pob
S.I.pob
S.R.pob

Descripcin

Unidades
das
Individuos
Individuos
Individuos
Cuadro 6: Variables en la tabla de resultados del experimento 2, Modelo
Susceptible-Infectado-Recuperado con nacimientos

Planta de experimentacin 3 (Modelo Susceptible-Infectado-Susceptible)

Presentacin Modelo de propagacin de una enfermedad con dos compartimentos de individuos: Susceptibles, Infectados. Los individuos que se recuperan pueden volver a infectarse, y por tanto se convierten en
susceptibles. El modelo se presenta en la seccin 1.3.
Instrumentacin El modelo cuenta con 3 parmetros ajustables organizados en 2 grupos de controles (Ver
tabla 7). Como resultado del experimento, el programa despliega:
2 curvas organizadas en 1 grficos (Ver tabla 8).
Una tabla de datos del comportamiento de 3 variables (Ver tabla 9).
Experimentos sugeridos La siguiente es el listado de experimentos sugeridos:
Experimento 3.1 (Estado estacionario)
Qu factores inciden en los tamaos de las poblaciones cuando se estabiliza el comportamiento? Explore cmo afectan los parmetros del modelo a los valores finales de las poblaciones susceptibles,
infectadas y recuperadas

Experimento 3.2 (Tiempos de respuesta)

Qu factores inciden en la rapidez con que se estabiliza el comportamiento? Explore cmo
afectan los parmetros del modelo a los tiempos en que se alcanzan los valores finales de las poblaciones
susceptibles, infectadas y recuperadas

Experimento 3.3 (Nacimientos y muertes)

Cmo se comportara el modelo si se incluyen nacimientos y muertes? Modifique el modelo para
incorporar los fenmenos de nacimiento y muerte. Formule las ecuaciones que describen el nuevo modelo
y comprelas con las del modelo original.

Ttulo:

Modelo SIS

13

Descripcin:

Crditos
Grupo
Enfermedad

Poblaciones

Modelo de propagacin de una enfermedad con dos compartimentos

de individuos: Susceptibles, Infectados. Los individuos que se recuperan pueden volver a infectarse, y por tanto se convierten en susceptibles.
Implementacin
e-mail
Parmetros
nombre Modelica
nombre
descripcin
beta
Tasa de contagio
Probabilidad de contagio cuando hay un contacto
trec
Tiempo de recuperaNmero de das que
cin
tarda en recuperarse
un infectado
NI
Infectados iniciales
Nmero de individuos
infectados al inicio de
la simulacin
Cuadro 7: Parmetros del experimento 3, Modelo Susceptible-InfectadoSusceptible

Poblaciones
Curva
Susceptibles
Infectados

Descripcin

x
dia
dia

y
S.pob
I.pob

Cuadro 8: Figuras del experimento 3, Modelo Susceptible-InfectadoSusceptible

Variable
dia
S.pob
I.pob

Descripcin

Unidades
das
Individuos
Individuos
Cuadro 9: Variables en la tabla de resultados del experimento 3, Modelo
Susceptible-Infectado-Susceptible

Planta de experimentacin 4 (Modelo SIR para humanos y SI con dos cepas para mosquito)
Presentacin Modelo de propagacin de una enfermedad en el que hay dos cepas del virus. Los humanos
recuperados de la infeccin de una cepa pueden reinfectarse con la otra. El modelo se presenta en la seccin
1.5.
Instrumentacin El modelo cuenta con 11 parmetros ajustables organizados en 2 grupos de controles
(Ver tabla 10). Como resultado del experimento, el programa despliega:
11 curvas organizadas en 4 grficos (Ver tabla 11).
Una tabla de datos del comportamiento de 12 variables (Ver tabla 12).
Experimentos sugeridos La siguiente es el listado de experimentos sugeridos:

14

Experimento 4.1 (Tiempos de vida)

Qu incidencia tienen los tiempos de vida media de humanos y mosquitos en el comportamiento de la epidemia? Explore cmo afecta la modificacin de los tiempos de vida de humanos y
mosquitos en los diferentes aspectos del comportamiento de la epidemia

Experimento 4.2 (Poblaciones iniciales)

Qu efecto tiene el tamao de las poblaciones iniciales infectadas de humanos y mosquitos
en la evolucin de la epidemia? Explore cmo afecta el tamao de las poblaciones iniciales infectadas
de humanos y mosquitos los diferentes aspectos del comportamiento de la epidemia.

Experimento 4.3 (Infeccin mxima)

Qu condiciones favorecen la propagacin de la infeccin? Explore qu factores del modelo hacen
que el nmero de infectados sea mayor, para cada uno de los dos serotipos.

Experimento 4.4 (Entrada del serotipo 2)

Qu efecto tiene la entrada del serotipo 2 sobre la infeccin del serotipo 1? Explore cmo incide
la aparicin del segundo serotipo en la propagacin de la infeccin del primero. Para ello, puede modificar
el da de entrada del segundo serotipo.

Experimento 4.5 (Modelo del dengue)

Construya un modelo del dengue El archivo dengue.mo que se encuentra con el cdigo fuente de la
planta de experimentacin contiene un modelo del dengue (Camargo G. "Modelamiento de la dinmica
del dengue en Colombia"Tesis de Maestra. Universidad Nacional de Colombia, 2012). Utilice ese modelo
para explorar la sensibilidad del modelo a los diferentes parmetros.

Experimento 4.6 (Una nica cepa)

En qu difiere la propagacin de la enfermedad entre los casos de una y dos cepas? Implemente
el modelo de una nica cepa y compara el comportamiento de los dos casos.

Ttulo:
Descripcin:

Modelo SIR-SI con dos cepas

Modelo de propagacin de una enfermedad en el que hay dos cepas del
virus. Los humanos recuperados de la infeccin de una cepa pueden
reinfectarse con la otra.

15

Crditos
Grupo

Enfermedad

Implementacin
e-mail
Parmetros
nombre Modelica
b

nombre
Tasa de picadura

Probabilidad de contagio del humano

Probabilidad de contagio del vector
Tiempo de recuperacin

H.ph
V.pv
H.trec

Das de vida del mosquito

Aos de vida del humano
Da de entrada del serotipo 2

V.tvida
H.tvida
to2
Poblaciones
V.N Iv1

Nmero inicial de mosquitos infectados

V.N Iv2

Nmero inicial de mosquitos con serotipo 2

H.N ih1

Nmero inicial de humanos infectados

H.N ih2

Nmero inicial de humanos infectados con

serotipo 2

Cuadro 10: Parmetros del experimento 4, Modelo SIR para humanos

con dos cepas para mosquito

descripcin
Tasa de picadura ante
contacto entre humano
y mosquito
Probabilidad de contagio ante picadura
Probabilidad de contagio ante picadura
Nmero de das de recuperacin de la enfermedad
Nmero de das de vida
del mosquito
Nmero de aos de vida de los humanos
Da en que aparece el
primer mosquito del serotipo 2
Nmero de mosquitos
infectados con el serotipo 1 al inicio de la simulacin
Nmero de mosquitos
infectados con el serotipo 2 al inicio de la simulacin
Nmero de humanos
infectados con el serotipo 1 al inicio de la simulacin
Nmero de humanos
infectados con el serotipo 2 al inicio de la simulacin
y SI

Infectados
Curva
Infectado
serotipo 1
Infectado
serotipo 2
Reinfectados
serotipo 1
Reinfectados
serotipo 2

Descripcin

dia

H.Ih1.pob

dia

H.Ih2.pob

dia

H.Ih21.pob

dia

H.Ih12.pob

dia

H.Rh1.pob

dia

H.Rh2.pob

dia

H.Rh.pob

Recuperados
Curva
Recuperados
serotipo 1
Recuperados
serotipo 2
Recuperados

16

Descripcin

Susceptibles
Curva
Susceptibles

Descripcin

x
dia

y
H.Sh.pob

Descripcin

x
dia
dia
dia

y
V.Sv.pob
V.Iv1.pob
V.Iv2.pob

Vectores
Curva
susceptibles
Serotipo 1
Serotipo 2

Cuadro 11: Figuras del experimento 4, Modelo SIR para humanos y SI con
dos cepas para mosquito

Variable
Descripcin
Unidades
dia
das
H.Ih1.pob
Individuos
H.Ih2.pob
Individuos
H.Ih21.pob
Individuos
H.Ih12.pob
Individuos
H.Rh1.pob
Individuos
H.Rh2.pob
Individuos
H.Rh.pob
Individuos
H.Sh.pob
Individuos
V.Sv.pob
Individuos
V.Iv1.pob
Individuos
V.Iv2.pob
Individuos
Cuadro 12: Variables en la tabla de resultados del experimento 4, Modelo SIR
para humanos y SI con dos cepas para mosquito

3.

La implementacin

La implementacin del modelo utiliza la librera de bloques Modelica Standard Library. Se definen
dos clases principales: Compartimento e Interaccin.
class compartimento: Esta clase implementa la ecuacin 1 haciendo explcitos los fenmenos de nacimiento y muerte. Para ello se utilizan dos vectores de objetos de la clase interaccin, que modelan
el conjunto de entradas y salidas de individuos al compartimento, respectivamente.
Las variables pertenecientes a la clase compartimento son:
pob: representa el nmero de individuos en el compartimento, es decir, su poblacin.
nace: representa el nmero de nacimientos en el compartimento.
muere: representa el nmero de muertes de individuos del compartimento.
entra: es un vector de objetos de la clase interaccion, que representa los fenmenos por los
que aumenta la poblacin del compartimento.

17

sale: es un vector de objetos de la clase interaccion, que representa los fenmenos por los
que disminuye la poblacin del compartimento.
N: variable de la poblacin total de la especie del compartimento. Es una variable de tipo
outer porque la poblacin total de la especie es externa al compartimento.
Los parmetros pertenecientes a la clase compartimento son:
natalidad: tasa de natalidad.
mortalidad: tasa de mortalidad.
nentra: nmero de interacciones en el vector entra.
nsale: nmero de interacciones en el vector sale.
Las ecuaciones bsicas implementadas son las siguientes:
dpob
dt

= nentra entra nsale sale + nace muere

nace
= natalidad N
muere = mortalidad pob

(8)

class interaccion: Esta clase modela el contacto entre dos especies. Es una extensin de un bloque
general MISO con entradas x1 , x2 , , xnin y salida y. La salida y se calcula como
y = coef iciente

nin
Y

xi

(9)

i=1

En general, xi representa la poblacin de algn compartimento. Por ejemplo, El nmero de contagios de una especie a otra es p
roporcional al nmero de veces que se encuentran dos individuos
de esas especies; en esta situacin, existirn dos entradas (nin = 2), cada una de las cuales ser la
poblacin de cada especie, y el coeficiente representar la probabilidad de contagio.

3.1.

Ejemplo: implementacin del modelo SIR

El modelo SIR (seccin 1.1) emplea tres compartimientos denominados S, I, R (Susceptibles, Infectados y Recuperados, respectivamente) y dos interacciones denominadas I1 e I2.
La interaccin I1 representa la infeccin de individuos susceptibles, y corresponde al trmino SI
de la ecuacin 2. Esta interaccin tiene entonces dos entradas, correspondientes a las poblaciones de los
compartimientos S e I, y su coeficiente corresponde a la tasa de contagio .
La interaccin I2 representa la recuperacin de individuos infectados, y corresponde al trmino I
de la ecuacin 2. Esta interaccin tiene entonces una entrada, correspondiente a la poblacin del I, y su
coeficiente corresponde a la tasa de recuperacin .
Las poblaciones iniciales de los tres compartimientos se han modelado con los parmetros NS, NI,
y NR. La implementacin total del modelo se encuentra en el archivo SIR.mo

3.2.

Listado de Archivos

El cuadro 13 Muestra el listado de los archivos fuente de la implementacin del modelo.

18

Cuadro 13: Archivos del modelo

Nmero
1
2
3
4
5
6
7
8
9
10

w i t h i n Epidemia ;

Archivo
SIR.mo
SIRn.mo
SIS.mo
compartimento.mo
dengue.mo
dosserotipos.mo
humano.mo
interaccion.mo
package.mo
vector.mo

Archivo 1: SIR.mo

model SIR " Modelo S u s c e p t i b l e I n f e c t a d o Recuperado "

compartimento S ( pob ( s t a r t=NS) , n e n t r a =0 , n s a l e =1) ;
compartimento I ( pob ( s t a r t=NI ) , n e n t r a =1 , n s a l e =1) ;
compartimento R( pob ( s t a r t=NR) , n e n t r a =1 , n s a l e =0) ;
i n t e r a c c i o n I 1 ( n i n =2 , c o e f i c i e n t e=beta / (NS+NI+NR) ) " Conta g io " ;
i n t e r a c c i o n I 2 ( n i n =1 , c o e f i c i e n t e=gamma) " R e c u p e r a c i o n " ;
i n n e r Real N;
pa r a meter Real beta =0.4 " Tasa de c o n t a g i o " ;
pa r a meter Real gamma=1/ t r e c " Tasa de r e c u p e r a c i o n " ;
pa r a meter Real t r e c ( u n i t =" d i a s " ) =7 " Tiempo de r e c u p e r a c i n " ;
pa r a meter Real NS=1000NINR " P o b l a c i o n i n i c i a l de s u s c e p t i b l e s " ;
pa r a meter Real NI=1
" P o b l a c i o n i n i c i a l de i n f e c t a d o s " ;
pa r a meter Real NR=0
" P o b l a c i o n i n i c i a l de r e c u p e r a d o s " ;
Real d i a ( u n i t ="d a s " ) ;
equation
d i a=time ;
N=(S . pob+I . pob+R. pob ) ;
c o n n e c t ( I 1 . u [ 1 ] , S . pob ) ;
c o n n e c t ( I 1 . u [ 2 ] , I . pob ) ;
c o n n e c t ( I 2 . u [ 1 ] , I . pob ) ;
connect ( I1 . y , S . s a l e [ 1 ] ) ;
connect ( I1 . y , I . entra [ 1 ] ) ;
connect ( I2 . y , I . s a l e [ 1 ] ) ;
c o n n e c t ( I 2 . y ,R. e n t r a [ 1 ] ) ;
end SIR ;

w i t h i n Epidemia ;

Archivo 2: SIRn.mo

model SIRn
SIR S ( S . n a t a l i d a d=mu1 , S . m o r t a l i d a d=mu1 , I . m o r t a l i d a d=mu1 ,R. m o r t a l i d a d=mu1 ,NR=646) ;
pa r a meter Real mu1=mu1 e 6;
pa r a meter Real mu= 4 4 . 1 8 9 ;
end SIRn ;

Archivo 3: SIS.mo
19

w i t h i n Epidemia ;
model SIS
i n t e r a c c i o n I 1 ( n i n =2 , c o e f i c i e n t e=beta / (NS+NI ) ) " Co ntag io " ;
i n t e r a c c i o n I 2 ( n i n =1 , c o e f i c i e n t e=gamma) " R e c u p e r a c i n " ;
compartimento S ( n e n t r a =1 , n s a l e =1 ,pob ( s t a r t=NS) ) " S u s c e p t i b l e s " ;
compartimento I ( n e n t r a =1 , n s a l e =1 ,pob ( s t a r t=NI ) ) " I n f e c t a d o s " ;
i n n e r Real N;
pa r a meter Real beta = 0 . 4 ;
pa r a meter Real gamma=1/ t r e c " Tasa de r e c u p e r a c i o n " ;
pa r a meter Real t r e c ( u n i t =" d i a s " ) =7 " Tiempo de r e c u p e r a c i n " ;
pa r a meter Real NS=1000NI ;
pa r a meter Real NI=1;
Real d i a ( u n i t ="d a s " ) ;
equation
d i a=time ;
N=(S . pob+I . pob ) ;
c o n n e c t ( I 1 . u [ 1 ] , S . pob ) ;
c o n n e c t ( I 1 . u [ 2 ] , I . pob ) ;
c o n n e c t ( I 2 . u [ 1 ] , I . pob ) ;
connect (S . entra [ 1 ] , I2 . y) ;
connect (S . s a l e [ 1 ] , I1 . y ) ;
connect ( I . entra [ 1 ] , I1 . y) ;
connect ( I . s a l e [ 1 ] , I2 . y ) ;
end SIS ;

w i t h i n Epidemia ;

Archivo 4: compartimento.mo

model compartimento " compartimento de un grupo p o b l a c i o n a l de una e s p e c i e "

o u t e r Real N;
Real pob ( u n i t =" I n d i v i d u o s " ) , na ce ( u n i t =" I n d i v i d u o s " ) , muere ( u n i t =" I n d i v i d u o s " ) ;
pa r a meter Real m o r t a l i d a d =0 , n a t a l i d a d =0;
Mo delica . B l o c k s . I n t e r f a c e s . R e a l V e c t o r I n p u t e n t r a [ n e n t r a ] ;
Mo delica . B l o c k s . I n t e r f a c e s . R e a l V e c t o r I n p u t s a l e [ n s a l e ] ;
pa r a meter I n t e g e r n e n t r a =1 , n s a l e =1;
equation
na ce=N n a t a l i d a d ;
muere=pob m o r t a l i d a d ;
der ( pob )=sum ( e n t r a )sum ( s a l e )+nacemuere ;
end compartimento ;

w i t h i n Epidemia ;

Archivo 5: dengue.mo

model dengue
v e c t o r V(muv=muv , pv=pv , b=b , NSv=Nv , NIv1 =0 ,NIv2 =0 ,Nh=Nh) ;
humano j o v e n (muh=muj , gamma=gamma , Nsh=600000 , Nih1 =100 , Nih2 =0 ,Nrh1 =0 ,Nrh2 =500 , Nih12 =0 ,
Nih21 =0 ,Nrh=0 ,Nh=Nh , ph=pj , b=b , Sh . n a t a l i d a d=lambda /Nh ,
Sh . n s a l e =3 , Ih1 . n s a l e =2 , Ih2 . n s a l e =2 , Rh1 . n s a l e =2 , Rh2 . n s a l e =2 , Ih1 2 . n s a l e =2 , Ih2 1 .
n s a l e =2 ,Rh . n s a l e =1) ;
humano a d u l t o (muh=muv , gamma=gamma , Nsh=199300 , Nih1 =100 , Nih2 =0 ,Nrh1 =100000 ,Nrh2 =100000 ,
Nih12 =0 , Nih21 =0 ,Nrh=0 ,Nh=Nh , ph=pv , b=b , Sh . n a t a l i d a d=0
,
Sh . n e n t r a =1 , Ih1 . n e n t r a =2 , Ih2 . n e n t r a =2 ,Rh1 . n e n t r a =2 ,Rh2 . n e n t r a =2 , Ih1 2 . n e n t r a =2 , Ih2 1 .
n e n t r a =2 ,Rh . n e n t r a =3) ;
i n t e r a c c i o n ASh( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;

20

i n t e r a c c i o n AIh1 ( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
i n t e r a c c i o n AIh2 ( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
i n t e r a c c i o n ARh1( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
i n t e r a c c i o n ARh2( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
i n t e r a c c i o n AIh12 ( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
i n t e r a c c i o n AIh21 ( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
i n t e r a c c i o n ARh( n i n =1 , c o e f i c i e n t e=a l f a )
" paso a l a a d u l t e z " ;
pa r a meter Real Nh = 1 e6 ;
pa r a meter Real Nv = 4 e5 ;
pa r a meter Real lambda = 5 4 . 8 ;
pa r a meter Real muj = 1 / ( 6 2 3 6 5 ) ;
pa r a meter Real mua = 1 / ( 4 7 3 6 5 ) ;
pa r a meter Real muv = 1 / 1 1 ;
pa r a meter Real kappa = 1 ;
pa r a meter Real t r = 0 ;
pa r a meter Real t i r = 1 0 0 ;
pa r a meter Real t s = 3 0 0 ;
pa r a meter Real b = 0 . 8 ;
pa r a meter Real p j = 0 . 1 ;
pa r a meter Real pa = 0 . 2 ;
pa r a meter Real pv = 0 . 5 ;
pa r a meter Real a l f a = 1 / 5 5 0 0 ;
pa r a meter Real gamma = 1 / 1 0 ;
// OJO: e s t o no e s t b i e n manejado ! ! ! !
pa r a meter Real f i = 1 ;
pa r a meter Real q = 0 . 8 ;
Real Year ;
equation
Year=time / 3 6 5 ;
c o n n e c t (ASh . u [ 1 ] , j o v e n . Sh . pob ) ;
c o n n e c t (ASh . y ,
j o v e n . Sh . s a l e [ 3 ] ) ;
c o n n e c t (ASh . y ,
a d u l t o . Sh . e n t r a [ 1 ] ) ;
c o n n e c t ( AIh1 . u [ 1 ] , j o v e n . Ih1 . pob ) ;
c o n n e c t ( AIh1 . y ,
j o v e n . Ih1 . s a l e [ 2 ] ) ;
c o n n e c t ( AIh1 . y ,
a d u l t o . Ih1 . e n t r a [ 2 ] ) ;
c o n n e c t ( AIh2 . u [ 1 ] , j o v e n . Ih2 . pob ) ;
c o n n e c t ( AIh2 . y ,
j o v e n . Ih2 . s a l e [ 2 ] ) ;
c o n n e c t ( AIh2 . y ,
a d u l t o . Ih2 . e n t r a [ 2 ] ) ;
c o n n e c t (ARh1 . u [ 1 ] , j o v e n . Rh1 . pob ) ;
c o n n e c t (ARh1 . y ,
j o v e n . Rh1 . s a l e [ 2 ] ) ;
c o n n e c t (ARh1 . y ,
a d u l t o . Rh1 . e n t r a [ 2 ] ) ;
c o n n e c t (ARh2 . u [ 1 ] , j o v e n . Rh2 . pob ) ;
c o n n e c t (ARh2 . y ,
j o v e n . Rh2 . s a l e [ 2 ] ) ;
c o n n e c t (ARh2 . y ,
a d u l t o . Rh2 . e n t r a [ 2 ] ) ;
c o n n e c t ( AIh12 . u [ 1 ] , j o v e n . Ih1 2 . pob ) ;
c o n n e c t ( AIh12 . y ,
j o v e n . Ih1 2 . s a l e [ 2 ] ) ;
c o n n e c t ( AIh12 . y ,
a d u l t o . Ih1 2 . e n t r a [ 2 ] ) ;
c o n n e c t ( AIh21 . u [ 1 ] , j o v e n . Ih2 1 . pob ) ;
c o n n e c t ( AIh21 . y ,
j o v e n . Ih2 1 . s a l e [ 2 ] ) ;
c o n n e c t ( AIh21 . y ,
a d u l t o . Ih2 1 . e n t r a [ 2 ] ) ;
c o n n e c t (ARh . u [ 1 ] , j o v e n . Rh . pob ) ;
c o n n e c t (ARh . y ,
j o v e n . Rh . s a l e [ 1 ] ) ;
c o n n e c t (ARh . y ,
a d u l t o . Rh . e n t r a [ 3 ] ) ;
V. I v 1 . pob = j o v e n . I v 1 ;
V. I v 2 . pob = j o v e n . I v 2 ;
V. I v 1 . pob = a d u l t o . I v 1 ;
V. I v 2 . pob = a d u l t o . I v 2 ;
j o v e n . Ih1 . pob + a d u l t o . Ih1 . pob =V. Ih1 ;

21

j o v e n . Ih1 2 . pob + a d u l t o . Ih1 2 . pob =V. Ih1 2 ;

j o v e n . Ih2 . pob + a d u l t o . Ih2 . pob =V. Ih2 ;
j o v e n . Ih2 1 . pob + a d u l t o . Ih2 1 . pob =V. Ih2 1 ;
when time>t s then
r e i n i t (V. I v 2 . pob , 1 ) ;
end when ;
end dengue ;

w i t h i n Epidemia ;

Archivo 6: dosserotipos.mo

model d o s s e r o t i p o s
v e c t o r V( b=b ) ;
humano H( b=b ) ;
pa r a meter Real t o 2 =370;
pa r a meter Real I o t 2 =1;
Real d i a ( u n i t ="d a s " ) ;
Real anno ( u n i t ="a o s " ) ;
pa r a meter Real b = 0 . 9 ;
equation
d i a=time ;
anno=d i a / 3 6 5 ;
V. I v 1 . pob =H. I v 1 ;
V. I v 2 . pob =H. I v 2 ;
H. Ih1 . pob =V. Ih1 ;
H. Ih1 2 . pob=V. Ih1 2 ;
H. Ih2 . pob =V. Ih2 ;
H. Ih2 1 . pob=V. Ih2 1 ;
when time>t o 2 then
r e i n i t (H. Ih2 . pob , I o t 2 ) ;
end when ;
end d o s s e r o t i p o s ;

w i t h i n Epidemia ;

Archivo 7: humano.mo

model humano
compartimento Sh ( pob ( s t a r t=Nsh ) , n e n t r a =0 , n s a l e =2 , m o r t a l i d a d=muh, n a t a l i d a d=muh) ;
compartimento Ih1 ( pob ( s t a r t=Nih1 ) , n e n t r a =1 , n s a l e =1 , m o r t a l i d a d=muh) ;
compartimento Ih2 ( pob ( s t a r t=Nih2 ) , n e n t r a =1 , n s a l e =1 , m o r t a l i d a d=muh) ;
compartimento Rh1 ( pob ( s t a r t=Nrh1 ) , n e n t r a =1 , n s a l e =1 , m o r t a l i d a d=muh) ;
compartimento Rh2 ( pob ( s t a r t=Nrh2 ) , n e n t r a =1 , n s a l e =1 , m o r t a l i d a d=muh) ;
compartimento Ih1 2 ( pob ( s t a r t=Nih12 ) , n e n t r a =1 , n s a l e =1, m o r t a l i d a d=muh) ;
compartimento Ih2 1 ( pob ( s t a r t=Nih21 ) , n e n t r a =1 , n s a l e =1, m o r t a l i d a d=muh) ;
compartimento Rh ( pob ( s t a r t=Nrh ) , n e n t r a =2 , n s a l e =0 , m o r t a l i d a d=muh) ;
i n n e r Real N;
i n t e r a c c i o n C1 ( n i n =2 , c o e f i c i e n t e=phb/Nh) " ShIh1 " ;
i n t e r a c c i o n C2 ( n i n =1 , c o e f i c i e n t e=gamma)
" Ih1Rh1 " ;
i n t e r a c c i o n C3 ( n i n =2 , c o e f i c i e n t e=phb/Nh) " Rh1Ih1 2 " ;
i n t e r a c c i o n C4 ( n i n =1 , c o e f i c i e n t e=gamma)
" Ih12Rh " ;
i n t e r a c c i o n C5 ( n i n =2 , c o e f i c i e n t e=phb/Nh) " ShIh2 " ;
i n t e r a c c i o n C6 ( n i n =1 , c o e f i c i e n t e=gamma)
" Ih2Rh2 " ;
i n t e r a c c i o n C7 ( n i n =2 , c o e f i c i e n t e=phb/Nh) " Rh2Ih2 1 " ;
i n t e r a c c i o n C8 ( n i n =1 , c o e f i c i e n t e=gamma) " Ih21Rh " ;
pa r a meter Real muh=1/(365 t v i d a ) ;
pa r a meter Real t v i d a ( u n i t ="a o s " ) =62;

22

pa r a meter Real gamma=1/ t r e c " Tasa de r e c u p e r a c i o n " ;

pa r a meter Real t r e c ( u n i t =" d i a s " ) =7 " Tiempo de r e c u p e r a c i n " ;
pa r a meter Real Nh=1000 ,Nih1 =5 , Nih2 =0 ,Nrh1 =100 ,Nrh2 =100 , Nih12 =0 , Nih21 =0 ,Nrh=200;
pa r a meter Real Nsh=Nh(Nih1+Nih2+Nrh1+Nrh2+Nih12+Nih21+Nrh ) ;
pa r a meter Real ph = 0 . 4 ;
pa r a meter Real b = 0 . 9 ;
Real Iv1 , I v 2 ;
equation
N=Sh . pob+Ih1 . pob+Ih2 . pob+Rh1 . pob+Rh2 . pob+Ih1 2 . pob+Ih2 1 . pob+Rh . pob ;
c o n n e c t (C1 . u [ 1 ] , Sh . pob ) ;
c o n n e c t (C1 . u [ 2 ] , I v 1 ) ;
c o n n e c t (C2 . u [ 1 ] , Ih1 . pob ) ;
c o n n e c t (C3 . u [ 1 ] , Rh1 . pob ) ;
c o n n e c t (C3 . u [ 2 ] , I v 2 ) ;
c o n n e c t (C4 . u [ 1 ] , Ih1 2 . pob ) ;
c o n n e c t (C5 . u [ 1 ] , Sh . pob ) ;
c o n n e c t (C5 . u [ 2 ] , I v 2 ) ;
c o n n e c t (C6 . u [ 1 ] , Ih2 . pob ) ;
c o n n e c t (C7 . u [ 1 ] , Rh2 . pob ) ;
c o n n e c t (C7 . u [ 2 ] , I v 1 ) ;
c o n n e c t (C8 . u [ 1 ] , Ih2 1 . pob ) ;
c o n n e c t ( Sh . s a l e [ 1 ]
,C1 . y ) ;
c o n n e c t ( Sh . s a l e [ 2 ]
,C5 . y ) ;
c o n n e c t ( Ih1 . e n t r a [ 1 ] ,C1 . y ) ;
c o n n e c t ( Ih1 . s a l e [ 1 ]
,C2 . y ) ;
c o n n e c t ( Rh1 . e n t r a [ 1 ] ,C2 . y ) ;
c o n n e c t ( Rh1 . s a l e [ 1 ]
,C3 . y ) ;
c o n n e c t ( Ih1 2 . e n t r a [ 1 ] , C3 . y ) ;
c o n n e c t ( Ih1 2 . s a l e [ 1 ] ,C4 . y ) ;
c o n n e c t ( Ih2 . e n t r a [ 1 ] ,C5 . y ) ;
c o n n e c t ( Ih2 . s a l e [ 1 ]
,C6 . y ) ;
c o n n e c t ( Rh2 . e n t r a [ 1 ] ,C6 . y ) ;
c o n n e c t ( Rh2 . s a l e [ 1 ]
,C7 . y ) ;
c o n n e c t ( Ih2 1 . e n t r a [ 1 ] , C7 . y ) ;
c o n n e c t ( Ih2 1 . s a l e [ 1 ] ,C8 . y ) ;
c o n n e c t (Rh . e n t r a [ 1 ]
,C4 . y ) ;
c o n n e c t (Rh . e n t r a [ 2 ]
,C8 . y ) ;
end humano ;

w i t h i n Epidemia ;

Archivo 8: interaccion.mo

b l o c k i n t e r a c c i o n " c o n t a c t o s e n t r e e s p e c i e s . La p r o b a b i l i d a d de o c u r r e n c i a s e modela por

e l pr o ducto "
e x t e n d s Mo delica . B l o c k s . I n t e r f a c e s . MISO ;
pa r a meter Real c o e f i c i e n t e =1.0 " parametro de l a i n t e r a c c i n " ;
equation
y = c o e f i c i e n t e pr o duct ( u ) ;
end i n t e r a c c i o n ;

pa cka g e Epidemia
end Epidemia ;

Archivo 9: package.mo

Archivo 10: vector.mo

23

w i t h i n Epidemia ;
model v e c t o r
compartimento Sv ( pob ( s t a r t=NSv ) , n e n t r a =0 , n s a l e =4 , m o r t a l i d a d=muv , n a t a l i d a d=muv) ;
compartimento I v 1 ( pob ( s t a r t=NIv1 ) , n e n t r a =2 , n s a l e =0 , m o r t a l i d a d=muv) ;
compartimento I v 2 ( pob ( s t a r t=NIv2 ) , n e n t r a =2 , n s a l e =0 , m o r t a l i d a d=muv) ;
i n n e r Real N;
i n t e r a c c i o n C11 ( n i n =2 , c o e f i c i e n t e=pvb/Nh) ;
i n t e r a c c i o n C12 ( n i n =2 , c o e f i c i e n t e=pvb/Nh) ;
i n t e r a c c i o n C21 ( n i n =2 , c o e f i c i e n t e=pvb/Nh) ;
i n t e r a c c i o n C22 ( n i n =2 , c o e f i c i e n t e=pvb/Nh) ;
pa r a meter Real muv=1/ t v i d a ;
pa r a meter Real t v i d a ( u n i t ="d a s " ) =11;
pa r a meter Real pv = 0 . 8 ;
pa r a meter Real b = 0 . 9 ;
pa r a meter Real NSv=375(NIv1+NIv2 ) ;
pa r a meter Real NIv1 =0;
pa r a meter Real NIv2 =0;
pa r a meter Real Nh=1000;
Real Ih1 , Ih2 , Ih12 , Ih2 1 ;
equation
N=Sv . pob+I v 1 . pob+I v 2 . pob ;
c o n n e c t ( C11 . u [ 1 ] , Sv . pob ) ;
c o n n e c t ( C11 . u [ 2 ] , Ih1 ) ;
c o n n e c t ( C12 . u [ 1 ] , Sv . pob ) ;
c o n n e c t ( C12 . u [ 2 ] , Ih2 1 ) ;
c o n n e c t ( C21 . u [ 1 ] , Sv . pob ) ;
c o n n e c t ( C21 . u [ 2 ] , Ih2 ) ;
c o n n e c t ( C22 . u [ 1 ] , Sv . pob ) ;
c o n n e c t ( C22 . u [ 2 ] , Ih1 2 ) ;
c o n n e c t ( C11 . y , I v 1 . e n t r a [ 1 ] ) ;
c o n n e c t ( C12 . y , I v 1 . e n t r a [ 2 ] ) ;
c o n n e c t ( C21 . y , I v 2 . e n t r a [ 1 ] ) ;
c o n n e c t ( C22 . y , I v 2 . e n t r a [ 2 ] ) ;
c o n n e c t ( C11 . y , Sv . s a l e [ 1 ] ) ;
c o n n e c t ( C12 . y , Sv . s a l e [ 2 ] ) ;
c o n n e c t ( C21 . y , Sv . s a l e [ 3 ] ) ;
c o n n e c t ( C22 . y , Sv . s a l e [ 4 ] ) ;
end v e c t o r ;

Referencias
[1] Guido Camargo. Modelamiento de la dinmica del dengue en colombia. Masters thesis, Universidad
Nacional de Colombia. Facultad de Ingeniera, 2012.

24