Metodologia para encontrar um modelo matemático de mobilidade humana em tempos de COVID 19, usando modelos SEIR
DOI:
https://doi.org/10.34117/bjdv9n1-026Keywords:
análisis estadístico, COVID-19, mobilidad humana, modelos compartimentalesAbstract
No presente trabalho foi gerado conhecimento sobre padrões de mobilidade, levando em consideração os pontos com maior demanda a serem visitados. Para o que foi levado em consideração, os aspectos culturais, sociais, econômicos e de transporte, ou seja, os pontos geográficos de interesse, para avaliação, produção e execução de medidas direcionadas de restrição de mobilidade. Isso para reduzir a taxa de incidência de COVID-19 no cantão de Loja. Estes, por sua vez, fornecem ferramentas como taxas de infectividade e risco de contágio em determinadas áreas, que podem ser tecnicamente aplicadas pelas autoridades competentes. O que servirá para gerenciar melhor a crise de saúde no cantão de Loja e que pode ser replicado em outros ambientes com características particulares. Além disso, a análise de mobilidade permitiu obter e avaliar a informação necessária, sobre como uma população acede a serviços e locais, permitindo assim a geração de áreas de interesse, numa rede interligada de localidades.
References
Changruenngam, S., Bicout, D. J., & Modchang, C. (2020). How the individual human mobility spatio-temporally shapes the disease transmission dynamics. Scientific Reports, 10(1), 1–13. https://doi.org/10.1038/s41598-020-68230-9
Charaudeau, S., Pakdaman, K., & Boëlle, P. Y. (2014). Commuter mobility and the spread of infectious diseases: Application to influenza in France. PLoS ONE, 9(1). https://doi.org/10.1371/journal.pone.0083002
COE Nacional. Recuperado del sitio: https://www.gestionderiesgos.gob.ec/coe-nacional/, Quito-Ecuador 2022
Eames, K. T. D., & Keeling, M. J. (2003). Contact tracing and disease control. Proceedings of the Royal Society B: Biological Sciences, 270(1533), 2565–2571. https://doi.org/10.1098/rspb.2003.2554.
Alexander Guevara. Análisis Temprano de la Dinámica del COVID-19 en Loja-Ecuador. Vacuna contra COVID-19. recuperado do site: https://www.youtube.com/watch?v=tNWuxiua6KU, Loja-Ecuador 2020.
Hernández-Orallo, E., & Armero-Martínez, A. (2021). How human mobility models can help to deal with covid-19. Electronics (Switzerland), 10(1), 1–24. https://doi.org/10.3390/electronics10010033
Keramat Jahromi, K., Zignani, M., Gaito, S., & Rossi, G. P. (2016). Simulating human mobility patterns in urban areas. Simulation Modelling Practice and Theory, 62, 137–156. https://doi.org/10.1016/j.simpat.2015.12.002.
Leung, K., Wu, J. T., & Leung, G. M. (2021). Real-time tracking and prediction of COVID-19 infection using digital proxies of population mobility and mixing. Nature Communications, 12(1), 1–8. https://doi.org/10.1038/s41467-021-21776-2
Li, M. Y. (2018). An Introduction to Mathematical Modeling of Infectious Diseases. An Introduction to Mathematical Modeling of Infectious Diseases. https://doi.org/10.1007/978-3-319-72122-4
David Montoya. Máquinas de Estado en MATLAB®/Simulink. recuperado do site: https://www.youtube.com/watch?v=TCMMNDDI87A.2018.
Edwin Rodríguez, ESSS Virtual, recuperado do site: https://es.esssvirtual.com/ng/student/courses/curso-de-innovacion-en-la-ingenieria 2022/lectures/63164144d6b47c03acd29080/contents/63164144d6b47c03acd29083/ .2022
Ruktanonchai, N. W., Ruktanonchai, C. W., Floyd, J. R., & Tatem, A. J. (2018). Using Google Location History data to quantify fine-scale human mobility. International Journal of Health Geographics, 17(1), 1–13. https://doi.org/10.1186/s12942-018-0150-z
Velasco, E. (2018). Disease detection, epidemiology and outbreak response: the digital future of public health practice. Life Sciences, Society and Policy, 14(1). https://doi.org/10.1186/s40504-018-0071-4
