SlideShare una empresa de Scribd logo
1 de 19
Descargar para leer sin conexión
Modelado para estudio de brotes epidemicos usando un
         Automata Celular Estocastico Global.

               Autores: Hector Cuesta-Arvizu, Angel Bravo-Salgado
                   Armin R. Mikler y Adrian Trueba-Espinosa




                             Centro Universitario UAEM Texcoco
   Center for Computational Epidemiology and Response Analysis - University of North Texas



Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   1 / 19
Presentado en:




Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   2 / 19
Contenido


      Introduccion.

      Modelo Epidemiologico SEIR.

      Modelado Matematico para representar el SEIR.

      Automata Celular.

      Modelo Epidemiolgico Estocstico Global.

      Simulador de Brotes Epidemiologicos.

      Estrategias de Vacunacion.

      Conclusiones.


Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   3 / 19
Introduccion


Motivacion

      Los Epidemiologos y los sistemas de salud publica utilizan modelos
      para estudiar la propagacion de enfermedades infecciosas durante un
      brote epidemico.

      Dichos Modelos incluyen: Modelos Matematicos, Estadisticos y
      Computacionales.

      Simulando dichos modelos es una forma en la que se puede observar
      diferentes evoluciones en diferentes ecenarios que en otro caso no se
      podria ya que puede ser muy costoso, no etico o simplemente no
      existen los medios para reproucir el ecenario.

      Otra ventaja de la simulacion es el tener la capaidad de crear
      estrategias de intervencion que permitan manipular el contexto de la
      epidemia.

Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   4 / 19
Modelado de Enfermedades Infecciosas


Modelado de Enfermedades Infecciosas

SEIR Susceptibles-Expuestos-Infectados-Recuperados
    El Modelo Epidemiologico SEIR mantiene el ciclo de vida de una
    enfermedad infecciosa a travez de cuatro estados: Susceptible (S),
    Expuesto (E), Infectado (I), Recuperado o removido(R). Cada uno de
    esos estados representa el numero de individuos en dicho grupo.




Hector Cuesta-Arvizu (UAEM-UNT)     Modelado para estudio de brotes epidemicos   November 22, 2011   5 / 19
Modelado de Enfermedades Infecciosas


Modelado de Enfermedades Infecciosas


Modelado Matematico para SEIR
      El Modelo SEIR se puede representar con el siguiente sistema de
      Equaciones Diferenciales:
      dS
          = −β ∗ S ∗ I
      dt
      dE
          =β∗S ∗I −σ∗E
      dt
      dI
         =σ∗E −γ∗I
      dt
      dR
          =γ∗I
      dt


Hector Cuesta-Arvizu (UAEM-UNT)     Modelado para estudio de brotes epidemicos   November 22, 2011   6 / 19
Modelado de Enfermedades Infecciosas


Modelado de Enfermedades Infecciosas


Modelado Matematico para SEIR
      Se realizo la simulacion en el sistema de equaciones diferenciales
      en Lenguaje R:




      En la grafica se observa la curva de un brote epidemico.


Hector Cuesta-Arvizu (UAEM-UNT)     Modelado para estudio de brotes epidemicos   November 22, 2011   7 / 19
Automata Celular


Automata Celular

Que es un Automata Celular?
    Modelo Discreto estudiado en teoria de la computacion y
    matematicas. Para problemas no lineales.
    Facts:
             Consiste en un numero infinito de celulas en un grid regular donde cada
             celula tiene un numero de estados finitos.
             El grid puede constar de cualquier numero finito de dimensiones.
             Cada celula representa a un individuo de la poblacion.




Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   8 / 19
Automata Celular


Automata Celular
Vecindarios
    El vecindario es una seleccion de celulas relativas a cierta celula
    especifica cuya posicion en el Grid no cambia.
      Cada celula tiene el mismo set de reglas para actualizar su estado
      basado en los valores de su vecindario.
      Cada vez que las reglas son aplicadas a todos las celulas del grid una
      nueva generacion es producida.




  Vecindarios Locales y Globales, Vecindarios de Von Neumann y Moore.
Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   9 / 19
Modelo


Modelo




Idealizacin para el Estudio
      Se asume para este modelo de contagio (SEIR) lo siguiente:
             Se supone una poblacion cerrada (que no cambia a traves del tiempo).
             Una mezcla homognea de contactos entre individuos de la poblacion.
             Cada individuo tiene en promedio el mismo numero de contactos.
             No se consideran las variables demograficas o distancias geograficas
             como factores para este modelo.




Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   10 / 19
Modelo


Modelo

El Modelo de Contacto Estocastico Global
    El objetivo de este modelo es describir la dinamica de una enfermedad
    infecciosa en una poblacion cerrada.
      Es un modelo Global de Interaccion Humano-Humano
      Su proposito es el simular la dinamica de contacto entre individuos de
      la poblacion. Facilitando el analisis de la propagacion de cierta
      enfermedad.




           El Automata Celular es representado en un grafo de cayley que
                       muestra la interaccion entre celulas.
Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   11 / 19
Modelo


Modelo

Interaccion de Contacto Global
     Contactos por generacion (Time Step):
                                                           CR∗N
                                                  C=         2
      Total de contactos en el evento:
                        Ctot = Σtπ CR∗N donde te = (1, 2, 3, ..., n)
                                t=1 2
      C = Numero de interacciones por generacion.
      CR = Promedio de Contacto.
      N = Numero de individuos en la poblacion.
      tπ = Numero de generaciones.
      π = Restriccion de Termino, cuando E + I = 0
      Ctot = Numero total de interacciones en el evento.

Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   12 / 19
Software de Simulacion


Simulador de Brotes Epidemicos
Opciones tecnologicas en el Simulador
    La mayor contribucion de el presente trabajo es el desarrollo de un
    software para simular brotes epidemicos incorporando un modelo de
    automata celular estocastico global.
      The main contribution of this work is to present a software system
      that incorporates a global stochastic cellular automata model.
      Opciones Tecnologicas:
             C# .NET (como lenguaje de programacion)
             WindowsForms y MonoDesktop (para crear interfaces graficas
             multiplataforma)
             Background Worker (Algoritmo de paralelizacion, sincronizando un
             pool de hilos)
      Modulos:
             Modulo de especificacion.
             Modulo de simulacion.
             Modulo de visualizacion.
Hector Cuesta-Arvizu (UAEM-UNT)     Modelado para estudio de brotes epidemicos   November 22, 2011   13 / 19
Software de Simulacion


Simulador de Brotes Epidemicos
Modulos de Especificacion y Simulacion




Hector Cuesta-Arvizu (UAEM-UNT)     Modelado para estudio de brotes epidemicos   November 22, 2011   14 / 19
Software de Simulacion


Simulador de Brotes Epidemicos


Modulo de Visualizacion
   En la Figura A podemos observar la curva de una epidemia tipo SEIR.




                                                                                 (A)



Hector Cuesta-Arvizu (UAEM-UNT)     Modelado para estudio de brotes epidemicos   November 22, 2011   15 / 19
Estrategias de Intervencion


Estrategias de Vacunacion



Modelo de Vacunacion




                       Figure A.- Modelo de Vacunacion para SEIR




Hector Cuesta-Arvizu (UAEM-UNT)    Modelado para estudio de brotes epidemicos   November 22, 2011   16 / 19
Estrategias de Intervencion


Estrategias de Vacunacion

Tipos de Estrategias de Vacunacion
    Vacunacion programada.
      Vacunacion disparada por picos en la poblacion infectada.




         Figure C.- Grafica de la estrategia de vacunacion programada.

Hector Cuesta-Arvizu (UAEM-UNT)    Modelado para estudio de brotes epidemicos   November 22, 2011   17 / 19
Conclusiones


Conclusiones y Trabajo Futuro


Conclusiones y Trabajo Futuro
    La Simulacion ayuda a entender la propagacion de una enfermedad
    infecciosa.
      Se puede observar diferentes salidas en ecenarios donde se aplican
      estrategias de intervencion.
      Trabajo Futuro:
             Usar diferentes tipos de modelos de contacto.
             Extender el modelo a SEIRS (Donde la poblacion Recuperada pierde
             despues de cierto periodo su resistencia y regresa a ser Susceptible)
             Integrar Estacionalidad.
             Integrar Aspectos Demograficos y Geograficos.




Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   18 / 19
Conclusiones


Preguntas?




Preguntas?




Hector Cuesta-Arvizu (UAEM-UNT)   Modelado para estudio de brotes epidemicos   November 22, 2011   19 / 19

Más contenido relacionado

Similar a Presentacion simulaepirocc2011

Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...
Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...
Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...Hector Cuesta Arvizu
 
Pca. 3. componentes biológicos en un proces...
Pca. 3. componentes biológicos en un proces...Pca. 3. componentes biológicos en un proces...
Pca. 3. componentes biológicos en un proces...SINAVEF_LAB
 
Actividad_15_LCKD
Actividad_15_LCKDActividad_15_LCKD
Actividad_15_LCKDdanielaC37
 
SEGUNDA UNIAD ECONOMETRIA.pdf
SEGUNDA UNIAD ECONOMETRIA.pdfSEGUNDA UNIAD ECONOMETRIA.pdf
SEGUNDA UNIAD ECONOMETRIA.pdfDIANA KL
 
Practica. 3. componentes biológicos en un proces...
Practica. 3. componentes biológicos en un proces...Practica. 3. componentes biológicos en un proces...
Practica. 3. componentes biológicos en un proces...SINAVEF_LAB
 
El negacionismo climático (4). Francisco Heras
El negacionismo climático (4). Francisco HerasEl negacionismo climático (4). Francisco Heras
El negacionismo climático (4). Francisco HerasEcologistas en Accion
 
La Biomecánica del Impacto aplicada al accidente de tráfico
La Biomecánica del Impacto aplicada al accidente de tráficoLa Biomecánica del Impacto aplicada al accidente de tráfico
La Biomecánica del Impacto aplicada al accidente de tráficoJuan José Alba López
 
Descripción cuantitativa de enfermedades de las plantas
Descripción cuantitativa de enfermedades de las plantasDescripción cuantitativa de enfermedades de las plantas
Descripción cuantitativa de enfermedades de las plantasCarina Caceres
 
08 Poblacion_y_Muestra_Presentación.docx
08 Poblacion_y_Muestra_Presentación.docx08 Poblacion_y_Muestra_Presentación.docx
08 Poblacion_y_Muestra_Presentación.docxLorenaHuamn
 
InvestigaciòN Estadistica
InvestigaciòN EstadisticaInvestigaciòN Estadistica
InvestigaciòN Estadisticaguestf78e1
 
Tema 5 procesos temporales clase
Tema 5  procesos temporales claseTema 5  procesos temporales clase
Tema 5 procesos temporales claseSINAVEF_LAB
 
Simulació Social per l'anàlisi demogràfic
Simulació Social per l'anàlisi demogràficSimulació Social per l'anàlisi demogràfic
Simulació Social per l'anàlisi demogràficinLabFIB
 
8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt
8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt
8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.pptJhoelQM1
 
Simulación- Universidad Bicentenaria de Aragua Yaniris carrasquero
Simulación- Universidad Bicentenaria de Aragua Yaniris carrasqueroSimulación- Universidad Bicentenaria de Aragua Yaniris carrasquero
Simulación- Universidad Bicentenaria de Aragua Yaniris carrasqueroYanirisCarrasquero
 
El_Cuaderno_38 bioestadistica.pdf
El_Cuaderno_38 bioestadistica.pdfEl_Cuaderno_38 bioestadistica.pdf
El_Cuaderno_38 bioestadistica.pdfang325
 

Similar a Presentacion simulaepirocc2011 (19)

Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...
Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...
Simulación De Enfermedades Infecciosas En Grandes Poblaciones A Través De Un ...
 
Pca. 3. componentes biológicos en un proces...
Pca. 3. componentes biológicos en un proces...Pca. 3. componentes biológicos en un proces...
Pca. 3. componentes biológicos en un proces...
 
Actividad_15_LCKD
Actividad_15_LCKDActividad_15_LCKD
Actividad_15_LCKD
 
SEGUNDA UNIAD ECONOMETRIA.pdf
SEGUNDA UNIAD ECONOMETRIA.pdfSEGUNDA UNIAD ECONOMETRIA.pdf
SEGUNDA UNIAD ECONOMETRIA.pdf
 
Practica. 3. componentes biológicos en un proces...
Practica. 3. componentes biológicos en un proces...Practica. 3. componentes biológicos en un proces...
Practica. 3. componentes biológicos en un proces...
 
El negacionismo climático (4). Francisco Heras
El negacionismo climático (4). Francisco HerasEl negacionismo climático (4). Francisco Heras
El negacionismo climático (4). Francisco Heras
 
La Biomecánica del Impacto aplicada al accidente de tráfico
La Biomecánica del Impacto aplicada al accidente de tráficoLa Biomecánica del Impacto aplicada al accidente de tráfico
La Biomecánica del Impacto aplicada al accidente de tráfico
 
Descripción cuantitativa de enfermedades de las plantas
Descripción cuantitativa de enfermedades de las plantasDescripción cuantitativa de enfermedades de las plantas
Descripción cuantitativa de enfermedades de las plantas
 
08 Poblacion_y_Muestra_Presentación.docx
08 Poblacion_y_Muestra_Presentación.docx08 Poblacion_y_Muestra_Presentación.docx
08 Poblacion_y_Muestra_Presentación.docx
 
Complejidad en el Cambio Tecnológico
Complejidad en el Cambio TecnológicoComplejidad en el Cambio Tecnológico
Complejidad en el Cambio Tecnológico
 
simulación
simulación simulación
simulación
 
InvestigaciòN Estadistica
InvestigaciòN EstadisticaInvestigaciòN Estadistica
InvestigaciòN Estadistica
 
Tema 5 procesos temporales clase
Tema 5  procesos temporales claseTema 5  procesos temporales clase
Tema 5 procesos temporales clase
 
Introduccion a los métodos de muestreo
Introduccion a los métodos de muestreoIntroduccion a los métodos de muestreo
Introduccion a los métodos de muestreo
 
Simulació Social per l'anàlisi demogràfic
Simulació Social per l'anàlisi demogràficSimulació Social per l'anàlisi demogràfic
Simulació Social per l'anàlisi demogràfic
 
8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt
8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt
8.- ASPECTOS ESTADISTICOS PARA EL ANALISIS DE LA INFORMACION.ppt
 
La Estadistica no engaña
La Estadistica no engañaLa Estadistica no engaña
La Estadistica no engaña
 
Simulación- Universidad Bicentenaria de Aragua Yaniris carrasquero
Simulación- Universidad Bicentenaria de Aragua Yaniris carrasqueroSimulación- Universidad Bicentenaria de Aragua Yaniris carrasquero
Simulación- Universidad Bicentenaria de Aragua Yaniris carrasquero
 
El_Cuaderno_38 bioestadistica.pdf
El_Cuaderno_38 bioestadistica.pdfEl_Cuaderno_38 bioestadistica.pdf
El_Cuaderno_38 bioestadistica.pdf
 

Más de Hector Cuesta Arvizu

Más de Hector Cuesta Arvizu (8)

Ia for fintech
Ia for fintechIa for fintech
Ia for fintech
 
Coursera_MachineLearning
Coursera_MachineLearningCoursera_MachineLearning
Coursera_MachineLearning
 
Presentation rvp imagesimilarity
Presentation rvp imagesimilarityPresentation rvp imagesimilarity
Presentation rvp imagesimilarity
 
Articulo de cuda
Articulo de cudaArticulo de cuda
Articulo de cuda
 
Patrones del Modelo de Dominio en el Paradigma Orientado a Objetos
Patrones del Modelo de Dominio en el Paradigma Orientado a ObjetosPatrones del Modelo de Dominio en el Paradigma Orientado a Objetos
Patrones del Modelo de Dominio en el Paradigma Orientado a Objetos
 
Outbreak Simulator First Presentation
Outbreak Simulator First PresentationOutbreak Simulator First Presentation
Outbreak Simulator First Presentation
 
LastWeekPresentation
LastWeekPresentationLastWeekPresentation
LastWeekPresentation
 
Cellular Automata- Dengue Fever
Cellular Automata- Dengue FeverCellular Automata- Dengue Fever
Cellular Automata- Dengue Fever
 

Presentacion simulaepirocc2011

  • 1. Modelado para estudio de brotes epidemicos usando un Automata Celular Estocastico Global. Autores: Hector Cuesta-Arvizu, Angel Bravo-Salgado Armin R. Mikler y Adrian Trueba-Espinosa Centro Universitario UAEM Texcoco Center for Computational Epidemiology and Response Analysis - University of North Texas Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 1 / 19
  • 2. Presentado en: Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 2 / 19
  • 3. Contenido Introduccion. Modelo Epidemiologico SEIR. Modelado Matematico para representar el SEIR. Automata Celular. Modelo Epidemiolgico Estocstico Global. Simulador de Brotes Epidemiologicos. Estrategias de Vacunacion. Conclusiones. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 3 / 19
  • 4. Introduccion Motivacion Los Epidemiologos y los sistemas de salud publica utilizan modelos para estudiar la propagacion de enfermedades infecciosas durante un brote epidemico. Dichos Modelos incluyen: Modelos Matematicos, Estadisticos y Computacionales. Simulando dichos modelos es una forma en la que se puede observar diferentes evoluciones en diferentes ecenarios que en otro caso no se podria ya que puede ser muy costoso, no etico o simplemente no existen los medios para reproucir el ecenario. Otra ventaja de la simulacion es el tener la capaidad de crear estrategias de intervencion que permitan manipular el contexto de la epidemia. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 4 / 19
  • 5. Modelado de Enfermedades Infecciosas Modelado de Enfermedades Infecciosas SEIR Susceptibles-Expuestos-Infectados-Recuperados El Modelo Epidemiologico SEIR mantiene el ciclo de vida de una enfermedad infecciosa a travez de cuatro estados: Susceptible (S), Expuesto (E), Infectado (I), Recuperado o removido(R). Cada uno de esos estados representa el numero de individuos en dicho grupo. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 5 / 19
  • 6. Modelado de Enfermedades Infecciosas Modelado de Enfermedades Infecciosas Modelado Matematico para SEIR El Modelo SEIR se puede representar con el siguiente sistema de Equaciones Diferenciales: dS = −β ∗ S ∗ I dt dE =β∗S ∗I −σ∗E dt dI =σ∗E −γ∗I dt dR =γ∗I dt Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 6 / 19
  • 7. Modelado de Enfermedades Infecciosas Modelado de Enfermedades Infecciosas Modelado Matematico para SEIR Se realizo la simulacion en el sistema de equaciones diferenciales en Lenguaje R: En la grafica se observa la curva de un brote epidemico. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 7 / 19
  • 8. Automata Celular Automata Celular Que es un Automata Celular? Modelo Discreto estudiado en teoria de la computacion y matematicas. Para problemas no lineales. Facts: Consiste en un numero infinito de celulas en un grid regular donde cada celula tiene un numero de estados finitos. El grid puede constar de cualquier numero finito de dimensiones. Cada celula representa a un individuo de la poblacion. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 8 / 19
  • 9. Automata Celular Automata Celular Vecindarios El vecindario es una seleccion de celulas relativas a cierta celula especifica cuya posicion en el Grid no cambia. Cada celula tiene el mismo set de reglas para actualizar su estado basado en los valores de su vecindario. Cada vez que las reglas son aplicadas a todos las celulas del grid una nueva generacion es producida. Vecindarios Locales y Globales, Vecindarios de Von Neumann y Moore. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 9 / 19
  • 10. Modelo Modelo Idealizacin para el Estudio Se asume para este modelo de contagio (SEIR) lo siguiente: Se supone una poblacion cerrada (que no cambia a traves del tiempo). Una mezcla homognea de contactos entre individuos de la poblacion. Cada individuo tiene en promedio el mismo numero de contactos. No se consideran las variables demograficas o distancias geograficas como factores para este modelo. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 10 / 19
  • 11. Modelo Modelo El Modelo de Contacto Estocastico Global El objetivo de este modelo es describir la dinamica de una enfermedad infecciosa en una poblacion cerrada. Es un modelo Global de Interaccion Humano-Humano Su proposito es el simular la dinamica de contacto entre individuos de la poblacion. Facilitando el analisis de la propagacion de cierta enfermedad. El Automata Celular es representado en un grafo de cayley que muestra la interaccion entre celulas. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 11 / 19
  • 12. Modelo Modelo Interaccion de Contacto Global Contactos por generacion (Time Step): CR∗N C= 2 Total de contactos en el evento: Ctot = Σtπ CR∗N donde te = (1, 2, 3, ..., n) t=1 2 C = Numero de interacciones por generacion. CR = Promedio de Contacto. N = Numero de individuos en la poblacion. tπ = Numero de generaciones. π = Restriccion de Termino, cuando E + I = 0 Ctot = Numero total de interacciones en el evento. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 12 / 19
  • 13. Software de Simulacion Simulador de Brotes Epidemicos Opciones tecnologicas en el Simulador La mayor contribucion de el presente trabajo es el desarrollo de un software para simular brotes epidemicos incorporando un modelo de automata celular estocastico global. The main contribution of this work is to present a software system that incorporates a global stochastic cellular automata model. Opciones Tecnologicas: C# .NET (como lenguaje de programacion) WindowsForms y MonoDesktop (para crear interfaces graficas multiplataforma) Background Worker (Algoritmo de paralelizacion, sincronizando un pool de hilos) Modulos: Modulo de especificacion. Modulo de simulacion. Modulo de visualizacion. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 13 / 19
  • 14. Software de Simulacion Simulador de Brotes Epidemicos Modulos de Especificacion y Simulacion Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 14 / 19
  • 15. Software de Simulacion Simulador de Brotes Epidemicos Modulo de Visualizacion En la Figura A podemos observar la curva de una epidemia tipo SEIR. (A) Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 15 / 19
  • 16. Estrategias de Intervencion Estrategias de Vacunacion Modelo de Vacunacion Figure A.- Modelo de Vacunacion para SEIR Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 16 / 19
  • 17. Estrategias de Intervencion Estrategias de Vacunacion Tipos de Estrategias de Vacunacion Vacunacion programada. Vacunacion disparada por picos en la poblacion infectada. Figure C.- Grafica de la estrategia de vacunacion programada. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 17 / 19
  • 18. Conclusiones Conclusiones y Trabajo Futuro Conclusiones y Trabajo Futuro La Simulacion ayuda a entender la propagacion de una enfermedad infecciosa. Se puede observar diferentes salidas en ecenarios donde se aplican estrategias de intervencion. Trabajo Futuro: Usar diferentes tipos de modelos de contacto. Extender el modelo a SEIRS (Donde la poblacion Recuperada pierde despues de cierto periodo su resistencia y regresa a ser Susceptible) Integrar Estacionalidad. Integrar Aspectos Demograficos y Geograficos. Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 18 / 19
  • 19. Conclusiones Preguntas? Preguntas? Hector Cuesta-Arvizu (UAEM-UNT) Modelado para estudio de brotes epidemicos November 22, 2011 19 / 19