ANOVA en la comparación de tres métodos para rastrear COVID-19 en nueve países
ANOVA en la comparación de tres métodos para rastrear COVID-19 en nueve países
DOI:
https://doi.org/10.17488/RMIB.42.1.4Palabras clave:
ANOVA de una vía, Regresión no linear, SIR, SEIR, COVID-19Resumen
Un nuevo coronavirus denominado primero 2019-nCoV y más tarde SARS-CoV-2 fue encontrado en Wuhan, China en diciembre de 2019. El objetivo de este trabajo es comparar tres métodos matemáticos: regresión no lineal, modelo epidemiológicos SIR y SEIR, para rastrear la enfermedad del COVID-19 en nueve países infectados por el virus SARS-CoV-2, con el propósito de ayudar al epidemiólogo a conocer el curso de la pandemia, considerando principalmente sus primeros 100 días. Para evaluar los resultados obtenidos de la aplicación de los tres métodos, se aplicó one-way ANOVA. El número promedio de casos infectados con SARS-CoV-2, obtenidos con los tres métodos descritos son: para Estados Unidos 1,098,508, seguido de España con 226,721, Italia con 202,953, Francia con 183,897 Reino Unido con 182,190, Alemania con 159,407, Canadá con 58,696, México con 50,366 y Argentina con 4,860 en promedio. El ANOVA de una vía no muestra diferencias significativas entre los resultados de los casos infectados proyectados por SARS-CoV-2, utilizando la regresión no lineal y los métodos SIR and SEIR. Lo anterior podría señalar que cualquiera de los tres métodos estudiados puede modelar el curso de la pandemia en las condiciones descritas para cada uno.
Descargas
Citas
Phan T. Novel coronavirus: From discovery to clinical diagnostics. Infect Gen Evol [Internet]. 2020;79:104210-104211. Available from: https://doi.org/10.1016/j.meegid.2020.104211
Xie M, Chen Q. Insight into 2019 novel coronavirus - an updated intrim review and lessons from SARS-CoV and MERS-CoV. Int J Infect Dis [Internet]. 2020;94:119-124. Available from: https://doi.org/10.1016/j.ijid.2020.03.071
Lupia T, Scabini S, Mornese-Pinna S, Di-Perri G, Giuseppe-De-Rosa F, Corcione S. 2019 novel coronavirus (2019-nCoV) outbreak: A new challenge. J Global Antimicrob Resist. [Internet] 2020;21:22-27. Available from: https://doi.org/10.1016/j.jgar.2020.02.021
Shereen MA, Khan S, Kazmi A, Bashir N, Siddique R. COVID-19 infection: Origin, transmission, and characteristics of human coronaviruses. J Adv Res [Internet]. 2020;24:91-98. Available from: https://doi.org/10.1016/j.jare.2020.03.005
Ghinai I, McPherson TD, Hunter JC, Kirking HL, Christiansen D, Joshi K, et al. First known person-to-person transmission of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) in the US. The Lancet [Internet]. 2020;395(10230):1137-1144. Available from: https://doi.org/10.1016/S0140-6736(20)30607-3
Lai CC, Shih TP, Ko WC, Tang HJ, Hsueh PR. Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and coronavirus disease-2019 (COVID-19): The epidemic and the challenges. Int J Antimicrob Agents [Internet]. 2020;55(3):105924. Available from: https://doi.org/10.1016/j.ijantimicag.2020.105924
Luk HKH, Li X, Fung J, Lau SPK, Woo PCY. Molecular epidemiology, evolution, and phylogeny of SARS coronavirus. Infect Genet Evol [Internet]. 2019;71(Jul):21-30. Available from: https://doi.org/10.1016/j.meegid.2019.03.001
Ramadan N, Shaib H. Middle East respiratory syndrome coronavirus (MERS-CoV): A review. Germs [Internet]. 2019;9(1):35-42. Available from: https://dx.doi.org/10.18683%2Fgerms.2019.1155
Law S, Leung AW, Xu C. Severe Acute Respiratory Syndrome (SARS) and Coronavirus disease-2019 (COVID-19): From Causes to Preventions in Hong Kong. Int J Infect Dis [Internet]. 2020;94:156-163. Available from: https://doi.org/10.1016/j.ijid.2020.03.059
Wong ACP, Li X, Lau SKP, Woo PC. Global Epidemiology of Bat Coronaviruses. Viruses [Internet]. 2019; 11(2):174. Available from: https://doi.org/10.3390/v11020174
Lin Q, Zhao S, Gao D, Lou Y, Yang S, Musa SS, He D. A conceptual model for the coronavirus disease 2019 (COVID-19) outbreak in Wuhan, China with individual reaction and governmental action. Int J Infect Dis [Internet]. 2020; 93:211-216. Available from: https://doi.org/10.1016/j.ijid.2020.02.058
Shatnawi M, Lazarova-Molnar S, Zaki N. Modeling and simulation of epidemic spread: Recent advances. In: 9th International Conference on Innovations in Information Technology (IIT) [Internet]. Abu Dhabi: IEEE; 2013:118-123. Available from: https://doi.org/10.1109/Innovations.2013.6544404
Ershkov SV, Christianto V, Rachinskaya A., Prosviryakov EY. A nonlinear heuristic model for estimation of Covid-19 impact to world. Roma Rep Phys [Internet]. 2020;72:1-16. Available from: http://www.rrp.infim.ro/2020/AN72605.pdf
Cooper I, Mondal A, Antonopoulos CG. A SIR model assumption for the spread of COVID-19 in different communities. Chaos Soliton Fract [Internet]. 2020; 139:110057. Available form: https://doi.org/10.1016/j.chaos.2020.110057
He S, Peng Y, Sun K. SEIR modeling of the COVID-19 and its dynamics. Nonlinear Dyn [Internet]. 2020; 101:1667–1680. Available from: https://doi.org/10.1007/s11071-020-05743-y
Brauer F, Castillo-Chávez C. Discrete population models. In: Mathematical models in population biology and epidemiology [Internet]. New York: Springer; 2001. 51-94p. Available from: https://doi.org/10.1007/978-1-4757-3516-1_2
Agrawal A, Tenguria A, Modi G. MATLAB Programming for Simulation of an SIR Deterministic Epidemic Model. IJMTT [Internet]. 2017;50(1):71-73. Available from: https://doi.org/10.14445/22315373/IJMTT-V50P509
Al-Sheikh SA. Modeling and Analysis of an SEIR Epidemic Model with a Limited Resource for Treatment. GJSFR Mathematics and Decision Sciences [Internet]. 2012; 12(14):56-66. Available from: https://globaljournals.org/GJSFR_Volume12/5-Modeling-and-Analysis-of-an-SEIR-Epidemic.pdf
Agrawal A, Tenguria A, Modi G. Global analysis of an SEIRS epidemic model with saturated incidence and saturated treatment. AJOMCOR [Internet]. 2017;22(2):43-56. Available from: https://www.ikprress.org/index.php/AJOMCOR/article/view/1150
Yan P, Liu S. SEIR epidemic model with delay. ANZIAM J [Internet]. 2006;48(1):119-134. Available from: https://doi.org/10.1017/S144618110000345X
Stehlé J, Voirin N, Barrat A, Cattuto C, Colizza V, Isella L, Vanhems P. Simulation of an SEIR infectious disease model on the dynamic contact network of conference attendees. BMC Med [Internet]. 2011;9:87. Available from: https://doi.org/10.1186/1741-7015-9-87
Siriprapaiwan S, Moore EJ, Koonprasert S. Generalized reproduction numbers, sensitivity analysis and critical immunity levels of an SEQIJR disease model with immunization and varying total population size. Math Comput Simul [Internet]. 2018;146:70-89. Available from: https://doi.org/10.1016/j.matcom.2017.10.006
McGee J. MathWorks. Coronavirus Tracker - Country Modeling [Internet]. 2020; Available from: https://github.com/joshmcgee24/coronavirustracker
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Revista mexicana de ingeniería biomédica.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Una vez que el artículo es aceptado para su publicación en la RMIB, se les solicitará al autor principal o de correspondencia que revisen y firman las cartas de cesión de derechos correspondientes para llevar a cabo la autorización para la publicación del artículo. En dicho documento se autoriza a la RMIB a publicar, en cualquier medio sin limitaciones y sin ningún costo. Los autores pueden reutilizar partes del artículo en otros documentos y reproducir parte o la totalidad para su uso personal siempre que se haga referencia bibliográfica al RMIB. No obstante, todo tipo de publicación fuera de las publicaciones académicas del autor correspondiente o para otro tipo de trabajos derivados y publicados necesitaran de un permiso escrito de la RMIB.
