PROPAGACIÓN DE UNA ENFERMEDAD (INFECCIONES)
INTRODUCCIÓN
Los modelos matemáticos son representaciones abstractas de sistemas reales, construidos
mediante ecuaciones, funciones o algoritmos, que permiten describir, analizar y predecir el
comportamiento de dichos sistemas bajo diferentes condiciones. Su objetivo es simplificar la
realidad capturando los elementos esenciales y las relaciones clave entre ellos, facilitando
así la comprensión y la toma de decisiones.
En el ámbito científico, estos modelos pueden ser deterministas (cuando sus resultados son
completamente predecibles a partir de las condiciones iniciales) o estocásticos (cuando
incorporan el azar o la incertidumbre). Se utilizan ampliamente en física, economía,
ingeniería, biología y, de manera muy relevante, en epidemiología.
Cuando se abordan enfermedades, especialmente las infecciosas, los modelos
matemáticos permiten:
● Describir la dinámica de transmisión en una población.
● Estimar parámetros como la tasa de contagio o el número básico de reproducción
(R0).
● Predecir la evolución de un brote en el tiempo.
● Evaluar el impacto de intervenciones como la vacunación, el aislamiento o el uso de
tratamientos.
En este contexto, se suele trabajar con modelos compartimentales, que dividen a la
población en grupos según su estado frente a la enfermedad (por ejemplo, susceptibles,
infectados, recuperados). Cada compartimento se conecta mediante tasas de cambio que
describen el paso de las personas de un estado a otro.
Entre los modelos más utilizados destacan:
● SIR: para enfermedades que generan inmunidad permanente.
● SIS: para enfermedades sin inmunidad duradera.
● SEIR: para enfermedades con periodo de incubación.
Estos modelos, formulados a partir de ecuaciones diferenciales, permiten analizar de forma
cuantitativa cómo una enfermedad se propaga y cómo diferentes medidas sanitarias pueden
modificar su curso.
En este estudio se emplea el modelo SIR, un modelo matemático ampliamente utilizado
para describir la propagación de enfermedades infecciosas. Su estructura divide a la
población en tres grupos —susceptibles, infectados y recuperados—, permitiendo analizar
de forma sencilla y eficaz la dinámica de transmisión y el impacto de diferentes medidas de
control.
DESARROLLO
Explicación del Modelo SIR
La población se divide en tres categorías: susceptibles (S = susceptible), infectados (I =
infected) y recuperados (R = recovered). En un instante determinado, cada individuo
pertenece únicamente a una de estas categorías. No obstante, es posible cambiar de un
grupo a otro, siguiendo únicamente una dirección específica, tal como se ilustra en el
esquema siguiente:
S→ I → R
Así, una persona susceptible puede infectarse (transitar de S a I) y una infectada puede
recuperarse (pasar de I a R) o fallecer. Este modelo asume que la recuperación otorga
inmunidad, por lo que no se retorna al grupo S.
Los fallecidos a causa de la enfermedad se contabilizan dentro del grupo R, manteniendo
constante el tamaño total de la población. Cabe señalar que este modelo es una
simplificación, ya que no considera nacimientos ni muertes por otras causas. Existen, sin
embargo, modelos más elaborados que incorporan estos factores.
Ecuaciones
Se define t como la variable que representa el tiempo, y S(t), I(t) y R(t) como el número de
individuos que pertenecen a cada grupo en un instante t dado. Debido a lo mencionado
anteriormente, la suma de estas cantidades permanece constante. Siendo N el tamaño total
de la población, se cumple que S(t)+I(t)+R(t)=N para todo t. Para establecer las ecuaciones,
es necesario describir la tasa de cambio de cada una de estas funciones, la cual, en
términos matemáticos, se expresa mediante una derivada.
Cuando personas susceptibles e infectadas interactúan, algunos individuos de S se
contagian. Como el riesgo de infección depende de estos contactos, el modelo SIR asume
que la frecuencia de encuentros es proporcional al producto S por I. A este producto se le
multiplica por un factor denominado tasa de transmisión, expresado como a/N, para
determinar la velocidad de cambio del grupo susceptible. Este término aparece en las
ecuaciones porque describe la tasa de paso de S a I; es negativo en S′ (ya que el número
de susceptibles disminuye) y positivo en I′ (pues aumenta el número de infectados).
Asimismo, las personas que se recuperan o fallecen pasan de I a R. La cantidad de
individuos que realizan esta transición se obtiene multiplicando la tasa de recuperación por
el número de infectados. Este término es negativo en I′ (al reducir el número de infectados)
y positivo en R′ (al incrementar el número de recuperados).
Para resolver el sistema de ecuaciones, se requieren los valores iniciales: el número de
personas en cada grupo cuando t=0t. Por ejemplo, puede asumirse que I(0)=1(paciente
cero), aunque también podría ser mayor, y que S(0)>0, ya que para que ocurra el contagio
debe existir al menos un susceptible.
Formular las ecuaciones de manera formal resulta sencillo; la dificultad radica en determinar
valores apropiados para los parámetros a y b. El valor de b puede estimarse observando el
tiempo que tarda una persona en recuperarse de la enfermedad. En cambio, asignar un
valor a es más complejo, ya que, si se parte desde cero, este es desconocido y requiere
analizar el ritmo inicial de contagios. En ocasiones se utilizan datos de otros lugares o
periodos, aunque estos pueden conducir a estimaciones inexactas. Cabe señalar que este
modelo simplificado considera a y b constantes en el tiempo, cuando en la realidad pueden
modificarse mediante la aplicación de distintas medidas.
En cualquier caso, una de las conclusiones derivadas del modelo es que, con el paso del
tiempo, I(t)I(t) tiende a acercarse a cero, lo que significa que la cantidad de personas
infectadas disminuye progresivamente. El análisis también muestra la existencia de un valor
umbral que determina si la infección puede expandirse. Cuando el número de susceptibles
se encuentra por debajo de ese límite, la enfermedad no logra propagarse y los casos
activos desaparecen, aun cuando persistan personas susceptibles. Este umbral no es
evidente al observar únicamente los datos empíricos, por lo que el uso del modelo
matemático resulta clave para identificarlo.
Asimismo, la función I(t)I(t) alcanza un punto máximo antes de iniciar un descenso continuo,
sin volver a incrementarse, lo que indica la presencia de un solo pico de contagios. Esta es
otra característica revelada por el análisis matemático. Sin embargo, conviene tener
presente que el modelo es una simplificación, por lo que en la práctica la dinámica real
podría diferir.
Comparación de modelos epidemiológicos
En el estudio de las epidemias, los modelos matemáticos basados en ecuaciones
diferenciales son herramientas fundamentales, ya que permiten describir y predecir la
dinámica de transmisión de enfermedades en una población. Sin embargo, no todas las
enfermedades se comportan de la misma manera: algunas generan inmunidad permanente,
otras pueden reinfectar a la misma persona, y en ciertos casos existe un período de
incubación antes de la aparición de síntomas. Por ello, se han desarrollado diferentes
esquemas como el SIR, el SIS y el SEIR, cada uno con supuestos y aplicaciones
específicas.
· El modelo SIR (Susceptibles–Infectados–Recuperados) describe enfermedades
que confieren inmunidad permanente tras la recuperación, como el sarampión o
la varicela.
· El modelo SIS supone que los individuos recuperados regresan al grupo de
susceptibles, pues no desarrollan inmunidad. Resulta útil para patologías
recurrentes como el resfriado común.
· El modelo SEIR añade el compartimento de expuestos (E), incorporando el
tiempo de incubación. Es apropiado para enfermedades con retraso entre el
contagio y la manifestación clínica, como la influenza o la COVID-19.
Modelo Compartimiento Supuesto Enfermedades
Principal asociadas
SIR S, I, R Inmunidad Sarampión, Varicela
permanente
SIS S, I Sin inmunidad Resfriado común
SEIR S, E, I, R Período de Influenza, COVID-19
incubación
En síntesis, la elección del modelo depende del tipo de enfermedad y sus características
biológicas. Así, las ecuaciones diferenciales no solo permiten estimar el crecimiento de los
contagios, sino también comparar escenarios y diseñar estrategias de control más ajustadas
a la realidad epidemiológica.
