Please use this identifier to cite or link to this item: https://publicaciones.fctunca.edu.py/jspui/handle/123456789/108
Title: Estimación bayesiana de parámetros para modelos epidemiológicos
Authors: Bogado Machuca, Juan Vicente
Stalder Díaz, Diego Herbin
Gómez-Guerrero, Santiago
Schaerer, Christian
Keywords: Dengue
inferencia bayesiana
modelo SIR
Issue Date: 7-Nov-2019
Publisher: Sociedad Científica del Paraguay
Series/Report no.: Encuentro de Investigadores;2019
Abstract: La enfermedad del dengue se considera un problema de salud pública en las regiones tropicales por su característica endémica. Los modelos epidemiológicos se utilizan para predecir la evolución de la enfermedad. En este contexto, la estimación de parámetros de los modelos a partir de las observaciones utilizando funciones de verosimilitud permite obtener solamente valores puntuales (de máxima verosimilitud). Sin embargo, las herramientas estadísticas modernas basadas en la inferencia Bayesiana permiten obtener información más detallada sobre las distribuciones de probabilidad de cada parámetro. El objetivo de este trabajo es utilizar estadística bayesiana para estimar la distribución de los parámetros que definen las ecuaciones que modelan epidemias como el dengue. Para ello se utiliza la herramienta PyMC3 que permite especificar y ajustar modelos aplicando la estadística bayesiana, utilizando algoritmos de muestreo de tipo Montecarlo basados en cadenas múltiples de Markov (MCMC). Este trabajo considera el modelo SIR que utiliza un sistema de ecuaciones diferenciales ordinarias, donde intervienen variables como: el número de individuos susceptibles, el número de infectados, el número de recuperados, el total de la población, la tasa de transmisión (ϐ) y la tasa de recuperación (γ). Pero, para realizar predicciones basadas en observaciones necesitamos estimar ϐ y γ a partir de los datos de vigilancia. Se realiza la inferencia en ϐ y γ, asumiendo distribuciones a priori y funciones de verosimilitud basadas en el estado del arte. Como resultados se obtuvo que, utilizando datos del departamento de Caaguazú en el periodo 2013-15 y el modelo SIR, se consiguió estimar la distribución de los parámetros ϐ y γ aplicando un algoritmo MCMC. Con esto se espera estimar un intervalo de confianza para el número de casos previstos por el modelo. En conclusión la estimación de parámetros bayesiana en modelos tipo SIR, se puede utilizar por cada departamento del Paraguay, para predecir la evolución de casos infectados y estimar la incertidumbre asociada a cada previsión.
Description: Resumen publicado en el libro de resúmenes del IV Encuentro de la Sociedad Científica del Paraguay, página 145: https://encuentroinvestigadores.com/storage/app/media/uploaded-files/RESUMENES_B_2019_final.pdf
URI: https://publicaciones.fctunca.edu.py/jspui/handle/123456789/108
ISBN: 978-99967-753-2-1
Appears in Collections:IV ENCUENTRO DE INVESTIGADORES 2019

Files in This Item:
File Description SizeFormat 
Poster_SCPy_JVB.pdfPoster Inferencia Bayesiana 2019413,69 kBAdobe PDFView/Open


Licencia de Creative Commons
Todos los trabajos están bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional