Mostrar el registro sencillo del ítem

Spatio-Temporal Projection of Covid-19 in Pereira

Proyección espacio-temporal del Covid-19 en Pereira

dc.creatorGranada-Echeverri, Mauricio
dc.creatorMolina-Cabrera, Alexander
dc.creatorGranada-Echeverri, Patricia
dc.date2020-09-15
dc.identifierhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/1655
dc.identifier10.22430/22565337.1655
dc.descriptionThe current outbreak of coronavirus disease (COVID-19), which was first reported in Wuhan, China on December 31, 2019, has left a balance as of April 19, 2020 of more than 3500000 infected and 160000 deaths in 185 countries. In this work we use a model based on the Markov Microscopic Chain Approach (MMCA) to estimate the spread of COVID-19 in the city of Pereira (Risaralda-Colombia). This model incorporates important aspects of the population related to spatial location within the city which is discretized by communes, mobility between communes, stratification by age groups and separation of individuals into seven epidemiological compartments. This model is used to predict, in a timeline, the incidence of epidemics in geolocated populations, which translates into an indicator tool to take control measures. The data referring to COVID-19, from the municipality of Pereira, until April 20, 2020 are used to feed the model and obtain the spatio-temporal projections. The results presented consider multiple mobility scenarios, so that the flattening of the curves of the different epidemiological compartments can be visualized according to different confinement strategies. As it is a spatio-temporal model, the results of the model can easily be presented as heat over each of the epidemiological compartments, in order to facilitate decision-making processes.en-US
dc.descriptionEl brote actual de la enfermedad por coronavirus (COVID-19), que se informó por primera vez en Wuhan, China, el 31 de diciembre de 2019, ha dejado un saldo al 19 de abril de 2020 de más de 3500000 infectados y 160000 muertes en 185 países. En este trabajo utilizamos un modelo basado en el Método de Cadena Microscópica de Markov (MCMM, Markov Microscopic Chain Approach) para estimar la propagación del COVID-19 en la ciudad de Pereira (Risaralda-Colombia). Este modelo incorpora importantes aspectos de la población, relacionados con: ubicación espacial dentro de la ciudad discretizada por comunas, movilidad entre comunas, estratificación por grupos de edad y separación de individuos en siete compartimientos epidemiológicos. Este modelo se utiliza para predecir, en una línea de tiempo, la incidencia de epidemias en poblaciones geolocalizadas, lo que se traduce en una herramienta indicadora para tomar medidas de control. Así, el resultado de la metodología caracteriza la evolución en el tiempo y el espacio de la proporción de los individuos en cada uno de los compartimientos epidemiológicos y en cada grupo etario. Los datos que se refieren a COVID-19, desde la municipalidad de Pereira, hasta el 20 de abril de 2020, se utilizan para alimentar el modelo y obtener las proyecciones espacio-temporales. Los resultados presentados consideran múltiples escenarios de movilidad, de forma que el aplanamiento de las curvas de los diferentes compartimientos epidemiológicos pueda ser visualizados de acuerdo a diferentes estrategias de confinamiento. Por tratarse de un modelo espacio-temporal, los resultados del modelo pueden ser presentados fácilmente como mapas de calor sobre cada uno de los compartimientos epidemiológicos, a fin de facilitar los procesos de toma de decisiones.es-ES
dc.formatapplication/pdf
dc.formattext/xml
dc.formattext/html
dc.languagespa
dc.publisherInstituto Tecnológico Metropolitano (ITM)en-US
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/1655/1738
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/1655/1771
dc.relationhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/1655/1798
dc.relation/*ref*/S. Banisch, “Markov Chain Aggregation for Agent-Based Models” en Understanding Complex Systems, Springer, Switzerland, 2016. https://doi.org/10.1007/978-3-319-24877-6
dc.relation/*ref*/A. Arenas et al., “A mathematical model for the spatiotemporal epidemic spreading of COVID19,” medRxiv, pp. 1-13, Mar. 2020. https://doi.org/10.1101/2020.03.21.20040022
dc.relation/*ref*/S. Gómez; A. Arenas; J. Borge-Holthoefer; S. Meloni; Y. Moreno, “Discrete-time Markov chain approach to contact-based disease spreading in complex networks”. EPL (Europhysics Letters), vol. 89, no. 3, pp. 1-6, Feb. 2010. https://doi.org/10.1209/0295-5075/89/38009
dc.relation/*ref*/Y. Chen; J. Cheng; Y. Jian; K. Liu, “A time delay dynamical model for outbreak of 2019-nCoV and the parameter identification”. Journal of Inverse and Ill-posed Problems, vol. 28, no. 2, pp. 243-250. Mar. 2020. https://doi.org/10.1515/jiip-2020-0010
dc.relation/*ref*/B. Cantó; C. Coll; E. Sánchez, “Estimation of parameters in a structured SIR model”. Advances in Difference Equations, vol. 1, no. 33, pp. 33, Jan. 2017. https://doi.org/10.1186/s13662-017-1078-5
dc.relation/*ref*/S. Ma. Stefan; Y. Xia, “Mathematical Understanding of Infectious Disease Dynamics” en Lecture Notes Series, Institute for Mathematical Sciences, National University of Singapore: vol. 16. 2008. https://doi.org/10.1142/7020
dc.relation/*ref*/C. Liu; G. Ding; J. Gong; L. Wang; K. Cheng; D. Zhang, “Studies on mathematical models for SARS outbreak prediction and warning” Chinese Sci Bull, vol. 49, no. 21, pp. 2245-2251, 2014. https://doi.org/10.1360/csb2004-49-21-2245.
dc.relation/*ref*/R. E. González, “Different scenarios in the Dynamics of SARS-Cov-2 Infection: an adapted ODE model”. Populations and Evolution, 2020. https://arxiv.org/abs/2004.01295
dc.relation/*ref*/Observatorio de movilidad vial en Pereira, Universidad Tecnológica de Pereira (UTP), Pereira, Risaralda, 2019. https://www.researchgate.net/profile/Mauricio_Granada-Echeverri/publication/342183390_PROYECCION_ESPACIO-TEMPORAL_DEL_COVID-19_EN_PEREIRA/data/5ee7caa692851ce9e7e47622/DatosCovidPereira.zip
dc.relation/*ref*/Departamento Administrativo Nacional de estadísticas, “Resultados Censo Nacional de población y Vivienda 2018”, 2019. https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/censo-nacional-de-poblacion-y-vivenda-2018
dc.relation/*ref*/Q. Li, et al., “Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia”, The New Engl J Med., no. 382, pp. 1199-1207, Mar. 2020. https://doi.org/10.1056/NEJMoa2001316
dc.relation/*ref*/J. M. Read; J. R. Bridgen; D. A. Cummings; A. Ho; C. P. Jewell, “Novel coronavirus 2019-nCoV: early estimation of epidemiological parameters and epidemic predictions,” MedRxiv, Jan. 2020. https://doi.org/10.1101/2020.01.23.20018549
dc.relation/*ref*/L. Danon; E. Brooks-Pollock; M. Bailey; M. J. Keeling. “A spatial model of CoVID-19 transmission in England and Wales: early spread and peak timing,” MedRxiv, pp. 1- 10, Feb. 2020. https://doi.org/10.1101/2020.02.12.20022566
dc.relation/*ref*/N. Wilson; A. Kvalsvig; L. T. Barnard; M. G. Baker. “Case-fatality risk estimates for covid-19 calculated by using a lag time for fatality,” Emerging Infectious Diseases, vol. 26, no. 6, Jun. 2020. https://dx.doi.org/10.3201/eid2606.200320
dc.relation/*ref*/H. Nishiura; N. M. Linton; A. R. Akhmetzhanov, “Serial interval of novel coronavirus (covid-19) infections,” International Journal of Infectious Diseases., vol. 93, pp. 284-286, Apr. 2020. https://doi.org/10.1016/j.ijid.2020.02.060
dc.rightsCopyright (c) 2020 TecnoLógicasen-US
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0en-US
dc.sourceTecnoLógicas; Vol. 23 No. 49 (2020); 129-146en-US
dc.sourceTecnoLógicas; Vol. 23 Núm. 49 (2020); 129-146es-ES
dc.source2256-5337
dc.source0123-7799
dc.subjectSpatio-temporal projectionen-US
dc.subjectspread of COVID-19en-US
dc.subjectMarkov Microscopic Chain Approachen-US
dc.subjectheat mapsen-US
dc.subjectCoronavirusen-US
dc.subjectProyección espacio-temporales-ES
dc.subjectpropagación del COVID-19es-ES
dc.subjectMétodo de Cadena Microscópica de Markoves-ES
dc.subjectmapas de calores-ES
dc.subjectCoronaviruses-ES
dc.titleSpatio-Temporal Projection of Covid-19 in Pereiraen-US
dc.titleProyección espacio-temporal del Covid-19 en Pereiraes-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeResearch Papersen-US
dc.typeArtículos de investigaciónes-ES


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem