Mostrar el registro sencillo del documento
Análisis de estrategias de aprendizaje del modelo SIR (Susceptible – Infectado - Recuperado) para el pronóstico del Covid-19 en Colombia
dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional |
dc.contributor.advisor | Velásquez Henao, Juan David |
dc.contributor.author | Marín Pérez, Jasmin Alejandra |
dc.date.accessioned | 2023-05-23T13:34:47Z |
dc.date.available | 2023-05-23T13:34:47Z |
dc.date.issued | 2023 |
dc.identifier.uri | https://repositorio.unal.edu.co/handle/unal/83840 |
dc.description | ilustraciones, diagramas |
dc.description.abstract | En esta tesis de maestría se presenta un modelo para pronosticar la enfermedad infecciosa Covid-19 a nivel nacional y departamental por medio del modelo SIR (Susceptible – Infectado - Recuperado) incorporando la información del desarrollo de la enfermedad para el caso colombiano; para ello, se analizaron diversos escenarios de la contingencia del Covid-19 y se contrasta o compara el modelo con los resultados de otros trabajos de investigación frente al mismo universo y al mismo periodo de evaluación. El modelo propuesto es el SSE-SIR que relaciona el modelo SIR con el Suavizado Exponencial Simple, en el que presenta las características de la historia natural de la enfermedad y permite auto-adaptarse a nuevos cambios en la dinámica del sistema como la apertura y cierre de fronteras, cuarentenas generales o parciales o programas de vacunación escalados. Así mismo, se analiza un segundo modelo que parte de la Regresión Lineal y de la aplicación de un modelo de combinación de pronósticos entre la Regresión Lineal y el modelo adaptado SSE-SIR; como resultado, el modelo adaptado presenta resultados más favorables que aquellos publicados en los casos de comparación. Además, los datos de contagios predichos presentan mayor acierto con los valores reales de la pandemia. Se identificó, también desaciertos en el modelo, cuando se evalúan periodos críticos o picos de contagios y cuando el periodo de evaluación para la predicción es amplio. Finalmente, se concluye que, el modelo adaptado SSE-SIR se adapta al comportamiento y a la dinámica de Colombia, arrojando mejores resultados en periodos de alcance corto y estimaciones optimas frente a la desagregación territorial. (Texto tomado de la fuenbte) |
dc.description.abstract | This master's thesis presents a model to predict the infectious disease Covid-19 at the national and departmental level through the SIR model (susceptible - infected - recovered) incorporating the information of the development of the disease for the Colombian case; To do this, different scenarios of the Covid-19 contingency were analyzed and the model is compared with the results of other research works against the same universe and the same evaluation period. The proposed model is the SSE-SIR that relates the SIR model with the Simple Exponential Smoothing, in which it presents the characteristics of the natural history of the disease and allows self-adaptation to new changes in the dynamics of the system such as the opening and closing of borders, general or partial quarantines or scaled vaccination programs. Likewise, a second model is analyzed that starts from the linear regression and the application of a model of combination of forecasts between the linear regression and the adapted SSE-SIR model; as a result, the adapted model presents more favorable results than those published in the comparison cases. In addition, the predicted contagion data are more accurate with the actual values of the pandemic. We also identified failures in the model when critical periods or peaks of contagion are evaluated and when the evaluation period for prediction is large. Finally, it is concluded that the adapted SSE-SIR model adapts to the behavior and dynamics of Colombia, yielding better results in short-range periods and optimal estimates against territorial disaggregation. |
dc.format.extent | 72 páginas |
dc.format.mimetype | application/pdf |
dc.language.iso | spa |
dc.publisher | Universidad Nacional de Colombia |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.subject.ddc | 610 - Medicina y salud::616 - Enfermedades |
dc.subject.ddc | 000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores |
dc.title | Análisis de estrategias de aprendizaje del modelo SIR (Susceptible – Infectado - Recuperado) para el pronóstico del Covid-19 en Colombia |
dc.type | Trabajo de grado - Maestría |
dc.type.driver | info:eu-repo/semantics/masterThesis |
dc.type.version | info:eu-repo/semantics/acceptedVersion |
dc.publisher.program | Medellín - Minas - Maestría en Ingeniería - Analítica |
dc.contributor.researchgroup | Big Data y Data Analytics |
dc.coverage.country | Colombia |
dc.description.degreelevel | Maestría |
dc.description.degreename | Magister en Ingeniería - Analítica |
dc.description.researcharea | Analítica predictiva |
dc.identifier.instname | Universidad Nacional de Colombia |
dc.identifier.reponame | Repositorio Institucional Universidad Nacional de Colombia |
dc.identifier.repourl | https://repositorio.unal.edu.co/ |
dc.publisher.faculty | Facultad de Minas |
dc.publisher.place | Medellín, Colombia |
dc.publisher.branch | Universidad Nacional de Colombia - Nivel Nacional |
dc.relation.indexed | Bireme |
dc.relation.indexed | RedCol |
dc.relation.indexed | LaReferencia |
dc.relation.references | Abuhasel, K., Khadr, M., & Alquraish, M. (2022). Analyzing and forecasting COVID‐19 pandemic in the Kingdom of Saudi Arabia using ARIMA and SIR models. Comput Intell, 38(3), 770–783. doi: 10.1111/coin.12407. |
dc.relation.references | Alahakoon , P., McCaw, J., & Taylor, P. (2022). Estimation of the probability of epidemic fade-out from multiple outbreak data. Epidemics, 28, 1-10. doi: 10.1016/j.epidem.2022.100539. |
dc.relation.references | Bao, K., Rong, L., & Zhang, Q. (2019). Analysis of a stochastic SIRS model with interval parameters. American institute of mathematical sciences, 24(9), 814-838. Doi: 10.3934/dcdsb.2019033. |
dc.relation.references | Bill & Melinda Gates Foundation. (2022). SIR and SIRS models. Https://Docs.Idmod.Org/Projects/Emod-Generic/En/2.20_a/Model-Sir.Html. |
dc.relation.references | Birrell, P., Wernisch, L., Tom, B., Held, L., Roberts, G., Pebody, R., & De Angelis, A. (2020). Efficient real-time monitoring of an emerging influenza pandemic: How feasible? Annals of Applied Statistics, 14(1), 74-93. DOI: 10.1214/19-AOAS1278. |
dc.relation.references | Bravo, A., Vera, M., & Huérfano, Y. (2020). Modelos matemáticos estimadores de la infección por COVID-19: Consideraciones esenciales y proyecciones en Colombia. Revista de Salud Pública, 22(3), 316–322. https://doi.org/10.15446/rsap.v22n3.87813. |
dc.relation.references | Christophersen, E. (1989). Injury control. Injury control. American Psychologist, 44(2), 237–241. https://doi.org/10.1037/0003-066X.44.2.237. |
dc.relation.references | Díaz , J. (2020). Perspectiva del COVID-19 en Colombia para el año 2021. REPERT MED CIR, 29 (Núm. Supl.1), 128-133. https://revistas.fucsalud.edu.co/index.php/repertorio/article/view/1136/1411. |
dc.relation.references | Díaz, E. (2020). Proyección de la propagación del COVID-19 en Colombia. Revista Med, 28(1), 11–20. https://doi.org/10.18359/rmed.4702. |
dc.relation.references | Hethcote, H. (2000). The Mathematics of Infectious Diseases. SIAM Review, 42(4), 599– 653. https://epubs.siam.org/doi/10.1137/S0036144500371907. |
dc.relation.references | Infobae. (10 de Junio de 2021). Colombia está entre los 10 países del mundo con más fallecimientos reportados por covid-19. Obtenido de infobae: https://www.infobae.com/america/colombia/2021/06/17/colombia-entre-los-10- paises-del-mundo-con-mas-fallecimientos-reportados-por-covid-19/ |
dc.relation.references | Malloy, G., & Brandeau, M. (2022). When Is Mass Prophylaxis Cost-Effective for Epidemic Control? A Comparison of Decision Approaches. Medical Decision Making, 42(8), 1052-1063. doi: 10.1177/0272989X221098409. |
dc.relation.references | Montesinos, O., & Hernández, C. (2007). Modelos matemáticos para enfermedades infecciosas. Salud pública Méx, 49(3), 218-226. https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0036- 36342007000300007. |
dc.relation.references | Montgomery, D., Jennings, C., & Kulahci, M. (2008). Introduction to time series analysis and forecasting. Wiley. |
dc.relation.references | M.Ross, S. (2007). Introducción a la estadística (Elsevier Inc.). |
dc.relation.references | Newton, E., & Reiter, P. (1992). A model of the transmission of dengue fever with an evaluation of the impact of ultra-low volume (ULV) insecticide applications on dengue epidemics. American Journal of Tropical Medicine and Hygiene, 47(6), 709–720. https://doi.org/10.4269/ajtmh.1992.47.709. |
dc.relation.references | Ramírez, L., Puerto, K., & López, G. (2020). Análisis de curvas de covid-19 en Colombia utilizando ajuste por mínimos cuadrados. Ingeniare, 29, 41-55. https://dialnet.unirioja.es/descarga/articulo/8051529.pdf. |
dc.relation.references | Santillana, M., Tuite , A., Nasserie, T., Fine, P., Champredon , D., Chindelevitch, L., . . . Fisman , D. (2018). Relatedness of the incidence decay with exponential adjustment (IDEA) model, "Farr's law" and SIR compartmental difference equation models. Infectious Disease Modelling, 9(3), 1-12. doi: 10.1016/j.idm.2018.03.001. |
dc.relation.references | Schwartz, I. (1992). Small amplitude, long period outbreaks in seasonally driven epidemics. Journal of Mathematical Biology, 30(5), 473-491. doi: 10.1007/BF00160532. |
dc.relation.references | Semana. (4 de Febrero de 2021). El segundo pico de la pandemia de covid-19 ha sido más mortal. Obtenido de Semana: https://www.semana.com/vida moderna/salud/articulo/el-segundo-pico-de-la-pandemia-de-covid-19-ha-sido mas-mortal/202114 |
dc.relation.references | Xu, Z., Shi, L., Wang, Y., Zhang, J., Huang, L., Zhang, C., . . . Wang, F. (2020). Pathological findings of COVID-19 associated with acute respiratory distress syndrome. Lancet Respir Med, 8(4), 420-422. doi: 10.1016/S2213- 2600(20)30076-X |
dc.rights.accessrights | info:eu-repo/semantics/openAccess |
dc.subject.decs | Covid-19 Pandemic |
dc.subject.decs | Pandemia de Covid-19 |
dc.subject.lemb | Infecciones |
dc.subject.lemb | Salud pública - Colombia |
dc.subject.lemb | Public health - Colombia |
dc.subject.proposal | Enfermedad Infecciosa |
dc.subject.proposal | Enfermedad Infecciosa |
dc.subject.proposal | Suavizado Exponencial Simple |
dc.subject.proposal | Modelo SIR |
dc.subject.proposal | Regresión Lineal |
dc.subject.proposal | Infectious disease |
dc.subject.proposal | Simple Exponential Anti-Aliasing |
dc.subject.proposal | SIR |
dc.subject.proposal | Linear regression |
dc.subject.proposal | Predicción |
dc.title.translated | Analysis of learning strategies of the SIR model (Susceptible – Infected – Recovered) for the prognosis of Covid-19 in Colombia |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc |
dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa |
dc.type.content | Text |
dc.type.redcol | http://purl.org/redcol/resource_type/TM |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 |
dcterms.audience.professionaldevelopment | Investigadores |
dcterms.audience.professionaldevelopment | Maestros |
dcterms.audience.professionaldevelopment | Público general |
dc.description.curriculararea | Área Curricular de Ingeniería de Sistemas e Informática |
Archivos en el documento
Este documento aparece en la(s) siguiente(s) colección(ones)
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito