Ajustes del modelo SIR a los datos iniciales de la pandemia del COVID-19 en Argentina

JOSÉ G. GARCÍA CLÚA; VICTORIA VAMPA; MARÍA VALERIA CALANDRA; VIVIANA ANGÉLICA COSTA

Ciencia y Tecnología

Facultad de Ingeniería de la Universidad de Palermo

Lugar: Buenos Aires; Año: 2022 vol. 22 p. 21 - 36

Este artículo presenta un estudio que utiliza los datos proporcionados por el Ministerio de Salud de Argentina sobre el número de personas infectadas, fallecidas y recuperadas por la enfermedad de Coronavirus 2019 (COVID-2019). El modelo estándar Susceptible-Infected-Removed (SIR) se usa para simular la población infectada de esta epidemia en Argentina. El modelo SIR, desarrollado por Ronald Ross, William Hamer y otros, es una representación matemática de cómo una infección se propaga en una población en el tiempo. Este modelo tiene dos parámetros, la tasa de transmisión por cápita, β, y la tasa de recuperación, γ, siendo 1/γ el tiempo medio que el individuo permanece infectado. En este trabajo, el parámetro γ se considera constante y el parámetro β se ajusta con el tiempo con datos reales, de tres formas distintas, que luego se comparan simulando la evolución epidémica mediante el modelo SIR. Se muestran los resultados obtenidos con datos reales del inicio de la pandemia, del 3 de marzo de 2020 al 21 de julio de 2020. Finalmente se concluye que el modelo se ajusta satisfactoriamente a los datos de Argentina como consecuencia de la variación temporal propuesta de β en corto y mediano plazo.