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

José Gabriel García Clúa; Victoria Vampa; María Valeria Calandra

doi:10.18682/cyt.vi22.5377

José Gabriel García Clúa Instituto LEICI, Facultad de Ingeniería, Universidad Nacional de La Plata
Victoria Vampa Ciencias Básicas, Facultad de Ingeniería, Universidad Nacional de La Plata
María Valeria Calandra UIDET Gamefi, Ciencias Básicas, Facultad de Ingeniería, Universidad Nacional de La Plata

DOI: https://doi.org/10.18682/cyt.vi22.5377

Keywords: COVID-19;, SIR model;, Argentina;, parameter adjustment

Abstract

This article presents a study using data provided by the Argentine Ministry of Health on the number of people infected, deceased and recovered by the Coronavirus disease 2019 (COVID-2019). The standard Susceptible-Infected-Removed (SIR) model is used to simulate the infected population of this epidemic in Argentine. The SIR model, developed by Ronald Ross, William Hamer, and others, is a mathematical model representation of how an infection spreads across a population over time. This model has two parameters, the transmission rate per capita, β, and the recovery rate, , where 1/ is the average time that the individual remains infected. In this work,  parameter is considered fixed and β parameter is adjusted over time with real data, in three different ways, which are then compared by simulating the epidemic evolution using the SIR model. Results obtained using real data from the beginning of the pandemic, from March 3rd to July 21th, 2020, are shown. Finally, it is concluded that the model fits the data from Argentine satisfactorily as a consequence of the proposed temporal variation of β over short and medium-term.

Downloads

Download data is not yet available.

Author Biographies

José Gabriel García Clúa, Instituto LEICI, Facultad de Ingeniería, Universidad Nacional de La Plata

Ingeniero en Electrónica y Doctor en Ingeniería, por la Facultad de Ingeniería de la Universidad Nacional de La Plata (UNLP). Profesor Adjunto de las Asignaturas “Control de Procesos I” y “Control de Procesos II”, de la carrera de Ingeniería Química, Facultad de Ingeniería, UNLP. Investigador Asistente de la CIC CONICET con lugar de trabajo el Instituto LEICI, UNLP-CONICET.

Victoria Vampa, Ciencias Básicas, Facultad de Ingeniería, Universidad Nacional de La Plata

Doctora en Matemática por la Universidad Nacional de La Plata (UNLP). Se desempeña como Profesora en la Cátedra “Matemática C” de la Facultad de Ingeniería de la UNLP. Categoría III de docente-investigador con lugar de trabajo: UIDET Matemática Aplicada, Departamento de Ciencias Básicas de la Facultad de Ingeniería, UNLP.

María Valeria Calandra, UIDET Gamefi, Ciencias Básicas, Facultad de Ingeniería, Universidad Nacional de La Plata

Licenciada en Matemática, de la Facultad de Ciencias Exactas, y Magister en Educación en Ciencias Exactas y Naturales, de la Facultad de Humanidades y Ciencias de la Educación, Universidad Nacional de La Plata (UNLP). Profesora Adjunta de las Asignaturas “Probabilidades”, “Estadística” y “Probabilidades y Estadística” de la Facultad de Ingeniería, UNLP. Profesora Adjunta de las Asignaturas “Probabilidades”, “Análisis de Datos” y “Probabilidades” de la Lic. Física Médica de la Facultad de Ciencias Exactas, UNLP. Coordina el grupo de investigación, UIDET GAMEFI (Grupo de Aplicaciones Matemáticas y Estadísticas de la Facultad de Ingeniería), Facultad de Ingeniería, UNLP.

References

Allen, L. J., Brauer, F., Van den Driessche, P. y Wu, J. (2008). Mathematical epidemiology (Vol. 1945). Berlin: Springer.

Anderson, R. M. (1991). Discussion: the Kermack-McKendrick epidemic threshold theorem. Bulletin of mathematical biology, 53(1), 1-32.

Bacaër, N. y Gomes, M. G. M. (2009). On the final size of epidemics with seasonality. Bulletin of mathematical biology, 71(8), 1954.

Caccavo, D. (2020). Chinese and Italian COVID-19 outbreaks can be correctly described by a modified SIRD model. MedRxiv.

Cooper, I., Mondal, A., & Antonopoulos, C. G. (2020). A SIR model assumption for the spread of COVID-19 in different communities. Chaos, Solitons & Fractals, 139, 110057.

Kermack, W. O. y McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the royal society of London. Series A, Containing papers of a mathematical and physical character, 115(772), 700-721.

Ministerio de Salud de la República Argentina (acceso en 2020). https://www.argentina.gob.ar/coronavirus/informe-diario.

McMahon, A., & Robb, N. C. (2020). Reinfection with SARS-CoV-2: Discrete SIR (susceptible, infected, recovered) modeling using empirical infection data. JMIR Public Health and Surveillance, 6(4), p. e21168.

Moein, S., Nickaeen, N., Roointan, A., Borhani, N., Heidary, Z., Javanmard, S. H., ... & Gheisari, Y. (2021). Inefficiency of SIR models in forecasting COVID-19 epidemic: a case study of Isfahan. Scientific Reports, 11(1), 1-9.

Morato, M. M., Bastos, S. B., Cajueiro, D. O. y Normey-Rico, J. E. (2020). An optimal predictive control strategy for COVID-19 (SARS-CoV-2) social distancing policies in Brazil. Annual reviews in control, 50, 417-431.

Rodrigues, H. S. (2016). Application of SIR epidemiological model: new trends. arXiv preprint arXiv:1611.02565.

Tagliazucchi, E., Balenzuela, P., Travizano, M., Mindlin, G. B. y Mininni, P. D. (2020). Lessons from being challenged by COVID-19. Chaos, Solitons & Fractals, 137, 109923.

ud Din, R., & Algehyne, E. A. (2021). Mathematical analysis of COVID-19 by using SIR model with convex incidence rate. Results in Physics, 23, 103970.

Vampa, V., Calandra, M. V., García Clúa, J. G. y Costa, V. A. “Análisis de datos relativos a la pandemia del COVID-19 en Argentina usando el modelo SIR", AADECA 2020 virtual (27º Congreso Argentino de Control Automático) ISBN: 978-987-46859-2-6. 28 al 30 de octubre de 2020. Plataforma virtual de la Universidad de Palermo, Buenos Aires.

SIR model adjustments to the initial data of the COVID-19 pandemic in Argentina

Abstract

Downloads

Author Biographies

References