DISEÑO E IMPLEMENTACIÓN DE UN MODELO MATEMÁTICO DEL …
Transcript of DISEÑO E IMPLEMENTACIÓN DE UN MODELO MATEMÁTICO DEL …
DISEÑO E IMPLEMENTACIÓN DE UN MODELO MATEMÁTICO DEL CICLO
SILVESTRE DE LA TRANSMISIÓN DE LA ENFERMEDAD DE CHAGAS
JOAN SEBASTIÁN GALLEGO MURILLO
Universidad de los Andes
Facultad de Ingeniería
Departamento de Ingeniería Civil y Ambiental
Bogotá D.C.
2012
DISEÑO E IMPLEMENTACIÓN DE UN MODELO MATEMÁTICO DEL CICLO
SILVESTRE DE LA TRANSMISIÓN DE LA ENFERMEDAD DE CHAGAS
JOAN SEBASTIÁN GALLEGO MURILLO
Proyecto de grado para optar el título de:
Ingeniero Ambiental
Asesor:
JUAN MANUEL CORDOVEZ ÁLVAREZ
Universidad de los Andes
Facultad de Ingeniería
Departamento de Ingeniería Civil y Ambiental
Bogotá D.C.
2012
AGRADECIMIENTOS
Agradezco especialmente a mi asesor, el profesor Juan Manuel Cordovez por todo
el apoyo dado para la realización de este proyecto, y a los estudiantes de la
Universidad de los Andes Daniel Arbaláez y Lina Rendón, quienes colaboraron
activa y decididamente en el desarrollo de este estudio. También agradezco al
Centro de Investigaciones en Microbiología y Parasitología Tropical (CIMPAT) de
la Universidad de los Andes por la información otorgada que indudablemente
permitió llevar a cabo una parte decisiva en la obtención y análisis de los
resultados.
TABLA DE CONTENIDO
Introducción ....................................................................................................................... 1
Antecedentes ................................................................................................................. 1
Justificación del trabajo .................................................................................................. 1
Objetivos ........................................................................................................................ 2
Objetivo general.......................................................................................................... 2
Objetivos específicos .................................................................................................. 2
Métodología ....................................................................................................................... 4
Identificación de las formas de transmisión de la enfermedad ........................................ 4
Introducción a los modelos epidemiológicos de compartimentos .................................... 5
Planteamiento del modelo .............................................................................................. 5
Dinámicas vitales ........................................................................................................ 6
Tasas de transmisión .................................................................................................. 8
Ecuaciones del modelo ............................................................................................. 14
Estudio analítico ........................................................................................................... 16
Implementación en MATLAB ........................................................................................ 17
Resultados ....................................................................................................................... 18
Parámetros del modelo ................................................................................................ 18
Dinámicas vitales ...................................................................................................... 19
Coeficientes de transmisión ...................................................................................... 21
Análisis en estado estacionario .................................................................................... 27
Estabilidad de los puntos estacionarios ........................................................................ 33
Análisis de sensibilidad ................................................................................................ 40
Número reproductivo .................................................................................................... 49
Adimensionalización del modelo para futuros trabajos ................................................. 54
Discusión ......................................................................................................................... 59
Puntos estacionarios y estabilidad ............................................................................... 59
Significado del número reproductivo ............................................................................ 60
Análisis de sensibilidad ................................................................................................ 61
Fracción de hospederos infectados en el equilibrio ...................................................... 63
Control de la enfermedad: estrategias efectivas. .......................................................... 64
Posibilidades de mejorar el modelo .............................................................................. 65
Conclusiones ................................................................................................................... 67
Bibliografía ....................................................................................................................... 69
Anexo: Códigos de MATLAB ........................................................................................... 71
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
1
INTRODUCCIÓN
ANTECEDENTES
La enfermedad de Chagas es una zoonosis causada por el parásito Trypanosoma cruzi
que actualmente afecta a un estimado de 10 millones de personas a lo largo de todo el
mundo, la mayoría en Latinoamérica; sin embargo, más de 25 millones se encuentran en
riesgo de contraer la enfermedad [1]. Cerca del 30% de los infectados desarrollan
problemas cardíacos que incluso pueden llevar a la muerte. La enfermedad es transmitida
por insectos vectores, principalmente Triatoma infestans y Rhodnius prolixus, siendo este
último bastante común en zonas tropicales Colombianas y el más difícil de erradicar
mediante técnicas convencionales de fumigación debido a que continuamente hay un flujo
de estos insectos entre el ciclo silvestre y el domiciliario. Teniendo en cuenta la
inefectividad del uso de insecticidas, es necesario buscar nuevas estrategias de control
para reducir las tasas de infección. Sumado a este hecho, a pesar de que se tiene
conocimiento de los procesos biológicos involucrados en la transmisión de la enfermedad,
no se conoce con certeza cómo afectan los diferentes factores en las tasas de infección,
cuáles son de mayor relevancia y cómo interactúan entre ellos.
Por lo tanto se plantea la posibilidad de desarrollar un modelo matemático de la
transmisión de la enfermedad en el ciclo silvestre para entender cómo se comportan las
tasas de infección de los hospederos D. marsupialis ante diferentes cambios en los
factores de transmisión, es decir, para tener un mayor conocimiento en el funcionamiento
de la epidemiología de la enfermedad. Con este modelo también será posible plantear
estrategias de control efectivas para el caso colombiano que realmente disminuyan las
tasas de infección que serán de utilidad para las diferentes autoridades de salud del país.
JUSTIFICACIÓN DEL TRABAJO
La modelación matemática de la epidemiología de diferentes enfermedades se ha venido
realizando desde hace años. Gracias a esta herramienta se ha podido comprender de una
mejor manera la epidemiología de enfermedades como la viruela, la malaria, el síndrome
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
2
respiratorio agudo severo (SARS), el dengue e incluso el VIH [2]. Estos modelos no sólo
permiten tener un mejor entendimiento de la enfermedad sino que también han sido
usados para definir estrategias de control claras para reducir las tasas de infección. Sin
embargo, pocos estudios de este tipo se han realizado en torno a la enfermedad de
Chagas, la cual afecta según la Organización Mundial de la Salud, a más de 10.000.000
de personas [1]. Sólo en Latinoamérica causa unas 43.000 muertes al año, siendo una de
las causas de mortalidad más importantes [3]. Para el caso de Colombia, se tenía que en
el 2007 el estimado de infectados con la enfermedad era de 1.300.000 [3], y a pesar de
que se han venido desarrollando programas de control vectorial, los resultados no han
sido satisfactorios, en parte porque las estrategias tradicionales de fumigación no son del
todo efectivas para combatir la transmisión vectorial por R. prolixus ya que estos insectos
presentan un ciclo peridomiciliario que posibilita la rápida reinfestación luego de las
fumigaciones. Un modelo de la transmisión de la enfermedad no sólo permitiría el análisis
de la dinámica del sistema sino que también les permitiría a las autoridades de salud
tomar decisiones de vigilancia y control epidemiológico específicas que realmente sean
efectivas para reducir la infectividad de la enfermedad.
OBJETIVOS
OBJETIVO GENERAL
Desarrollar e implementar un modelo matemático compartimental del ciclo silvestre de la
transmisión de la enfermedad de Chagas en Colombia, centrado en el estudio del vector
R. prolixus y del hospedero D. marsupialis.
OBJETIVOS ESPECÍFICOS
1. Estimar los rangos en los que deberán estar los parámetros del modelo para
asegurar que los resultados tengan viabilidad biológica y hacer un análisis de
sensibilidad de los mismos para determinar qué factores son más relevantes en el
modelo.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
3
2. Analizar de manera teórica usando los conceptos de la epidemiología matemática
las diferentes condiciones estacionarias predichas por el modelo, específicamente
su estabilidad.
3. Calcular el número reproductivo para la enfermedad, el cual permitirá estimar el
grado de infectividad de la misma.
4. Analizar el efecto del aumento de cultivos de palma de aceite (refugio de los
hospederos) en las tasas de infección de la enfermedad.
5. Implementar el modelo usando herramientas computacionales teniendo en cuenta
como requerimientos principales permita el cálculo de elementos como el número
reproductivo o la fracción de hospederos infectados y que pueda ser acoplado con
un futuro modelo del ciclo domiciliario de la enfermedad.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
4
MÉTODOLOGÍA
IDENTIFICACIÓN DE LAS FORMAS DE TRANSMISIÓN DE LA
ENFERMEDAD
La principal forma de transmisión de la enfermedad a los hospederos (D. marsupialis) es
por la vía vectorial, que depende exclusivamente de la picadura del triatomino R. prolixus
conocido en Colombia como pito. Para que la infección se dé satisfactoriamente es
necesario que las heces del insecto entren en contacto con la herida resultante de la
picadura. De esta manera, el parásito T. cruzi llega al torrente sanguíneo del hospedero,
contrayendo éste la enfermedad. De igual manera, un vector puede adquirir el parásito
luego de una picadura a un hospedero infectado, siendo en este caso necesario que la
forma infectante del parásito presente en la sangre pase al tracto digestivo del insecto.
Se tienen reportes de otras formas de transmisión en D. marsupialis como la vertical, que
consiste en el paso del parásito de la sangre de la madre al hijo, ya sea en su gestación o
en la etapa del nacimiento. Igualmente se presenta la posibilidad de transmisión por vía
oral, en la que el hospedero se alimenta del vector y adquiere así el parásito durante la
ingesta. Sin embargo, hay que tener en cuenta que este tipo de alimentación se da
usualmente de manera oportunista, es decir, el hospedero sólo lo hará si el vector está
disponible directamente para ser ingerido. Por último, también se puede presentar la
transmisión del parásito entre estos hospederos por vía anal: D. marsupialis, al igual que
otros didélfidos, presenta glándulas odoríferas anales. En situaciones de gran estrés
pueden expeler el contenido de las glándulas, en las cuales se ha reportado que puede
haber presencia de T. cruzi [4]. De esta manera, si esa emisión entra en contacto con
regiones vulnerables para la entrada del parásito en otro hospedero, como ojos o heridas
abiertas, podría llevar a la transmisión de la enfermedad.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
5
INTRODUCCIÓN A LOS MODELOS EPIDEMIOLÓGICOS DE
COMPARTIMENTOS
Los modelos epidemiológicos de compartimentos se basan en separar a las poblaciones
en diferentes grupos dependiendo de su estado: susceptibles, infectados, expuestos (para
enfermedades en las que hay un periodo de tiempo entre ser susceptible y poder
transmitir la enfermedad), removidos (por ejemplo, para enfermedades que confieren
resistencia), en cuarentena, entre otros. Los flujos entre estos grupos o compartimentos
dependen de las suposiciones que se realicen en el modelo en cuanto a transmisión de la
enfermedad.
En algunos casos se incluyen dinámicas vitales en estos modelos, es decir, términos que
involucren el nacimiento y la muerte de individuos en los diferentes compartimentos. La
adición de estos términos puede llevar a un aumento considerable en la complejidad del
modelo pero pueden ser necesarios para analizar de manera correcta enfermedades en
periodos de tiempo largos comparados con la vida media de los individuos ya que en
estos casos el tamaño de las poblaciones puede estar variando de manera considerable.
Es común encontrar en la literatura modelos de compartimentos determinísticos. Sin
embargo, este tipo de modelos admite el análisis estocástico: es posible incluir funciones
de probabilidad en los diferentes mecanismos de transmisión de la enfermedad de tal
manera que se pueda tener en cuenta la incertidumbre en las diferentes variables
involucradas como tasas de transmisión, de nacimiento y de muerte. Usualmente esta
aleatoriedad se maneja mediante cadenas de Markov, es decir, con una discretización
temporal.
PLANTEAMIENTO DEL MODELO
En el caso del modelo que se plantea para la enfermedad de Chagas en su ciclo silvestre,
se supone que sólo hay dos especies involucradas: los hospederos (D. marsupialis) y los
vectores (R. prolixus). Ambos se separarán en dos compartimentos: los susceptibles que
son los que aún no han adquirido la enfermedad, y los infectados. Debido a que se busca
realizar un análisis a largo plazo de la enfermedad, es necesario involucrar dinámicas
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
6
vitales en el modelo. Un primer esquema de los compartimentos y los flujos asociados a
los mismos se puede observar en la Figura 1.
Figura 1: Esquema de los compartimentos y de los flujos para el modelo de la enfermedad de Chagas que
involucra las cuatro formas de transmisión (vectorial, vertical, oral, anal).
De esta manera, los hospederos se representan por la letra H mientras que los vectores,
por la letra V. Las poblaciones totales de ambos en el área de estudio son y
respectivamente. Estas dos poblaciones se dividieron en dos grupos: los susceptibles (S)
y los infectados (I). De esta manera, en el modelo se manejan cuatro diferentes
compartimentos entre los cuales se presentan flujos correspondientes a las diferentes
formas de transmisión de la enfermedad previamente mencionadas: vectorial, vertical,
anal y oral.
DINÁMICAS VITALES
Se inicia entonces suponiendo un crecimiento logístico de la población tanto para
hospederos como vectores. Según esta suposición, el número de nuevos individuos en
una población está dado por la ecuación en donde r es la tasa de crecimiento
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
7
intrínseco, K es la capacidad de carga y N es el tamaño total de la población. Aplicando
esto para los diferentes compartimentos se tendría:
- Nacimiento de hospederos no infectados de madres hospederas no infectadas:
(
)
- Nacimiento de hospederos no infectados de madres hospederas infectadas:
(
)
Donde p es la fracción de hijos de madres infectadas que resultan susceptibles.
- Nacimiento de hospederos infectados de madres hospederas infectadas
(transmisión vertical):
(
)
Donde q es la fracción de hijos de madres infectadas que resultan infectados (lo
que implica que se cumple la igualdad ).
- Nacimiento de vectores (no se reporta transmisión vertical en este caso):
(
)
En cuanto a la muerte de individuos, se suponen que la tasa de muerte per cápita para
infectados y susceptibles es la misma, tanto para vectores como para hospederos. Esto
implica que se está suponiendo que un hospedero o vector infectado tendrá un tiempo de
vida medio en promedio igual al de los susceptibles o no infectados. De esta manera, la
tasa de muerte para los cuatro compartimentos sería:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
8
TASAS DE TRANSMISIÓN
Todas las tasas de transmisión se pueden plantear de la siguiente forma [2]:
(
)
Donde:
- Un miembro promedio de la población hace contacto suficiente con miembros
por unidad de tiempo. Estos contactos son los adecuados para la transmisión de la
enfermedad.
- La probabilidad de que el miembro con el que se haya tenido el contacto sea
susceptible (es decir, que sí se haya transmitido la enfermedad) es .
- es el número de miembros de la población que están infectados.
También se pueden expresarse de la siguiente forma, la cual resulta de mayor practicidad
en algunas ocasiones:
(
)
Donde:
- La probabilidad de que el miembro con el que se haya tenido el contacto sea
infectado (es decir, que sí haya adquirido la enfermedad) es .
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
9
- es el número de miembros de la población que son susceptibles.
Entonces, planteándolo para las diferentes formas de transmisión involucradas:
1. Para la transmisión vectorial de vectores a hospederos (HV):
Con como la tasa de contacto de un vector con hospederos para picaduras
(contactos efectivos para transmitir la enfermedad de un vector infectado a un
hospedero susceptible).
2. Para la transmisión vectorial de vectores a hospederos (VH):
Con como la tasa de contacto de un hospedero con vectores para picaduras
(contactos efectivos para transmitir la enfermedad de un hospedero infectado a un
vector susceptible).
Sin embargo, resulta más conveniente para cálculos posteriores dejar expresada
esta tasa de transmisión en términos de tasa de contacto de un vector con
hospederos, como el caso de la transmisión HV:
Con como la tasa de contacto de un vector con hospederos para picaduras
(contactos efectivos para transmitir la enfermedad de un hospedero infectado a un
vector susceptible).
3. Para la transmisión oral (e por ‘eating’):
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
10
Con como la tasa de contacto de un vector con hospederos para alimentación
(contactos efectivos para transmitir la enfermedad de un vector infectado a un
hospedero susceptible por la vía oral).
Sin embargo, resulta más conveniente para cálculos posteriores dejar expresada
esta tasa de transmisión en términos de tasa de contacto de un hospedero con
vectores:
Con como la tasa de contacto de un hospedero con vectores para
alimentación (contactos efectivos para transmitir la enfermedad de un vector
infectado a un hospedero susceptible por la vía oral).
4. Para la transmisión anal (a por ‘anal’):
Con como la tasa de contacto de un hospedero con otros hospederos para
transmisión anal (contactos efectivos para transmitir la enfermedad de un
hospedero infectado a un hospedero susceptible por la vía anal).
Cabe decir que ya que a pesar de que son tasas de contacto entre un vector
con hospederos por picaduras, estos contactos deben ser efectivos para transmitir la
enfermedad y la efectividad de dicha transmisión es diferente si se trata de hospedero a
vector (VH) o de vector a hospedero (HV). Esto puede entenderse mejor si se tiene en
cuenta que para la transmisión de hospedero a vector se requiere que el excremento del
pito entre en contacto con la herida, lo cual intuitivamente debe ser más complicado que
la infección de un vector por picadora, que sólo requiere que sangre infectada sea
ingerida por el pito.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
11
Obsérvese que para todas las transmisiones que involucra contacto entre vector y
hospedero, el término C es función del tamaño de las poblaciones de ambas especies.
Sin embargo, como en la transmisión anal sólo se presenta entre hospederos, es natural
que sólo dependa de .
Si se supone que las tasas de contacto son proporcionales al tamaño de la población, es
decir, suponiendo ley de acción de masas, se puede definir un coeficiente de transmisión
como [5]:
Si se despeja de esta ecuación el término C se puede observar que efectivamente es
directamente proporcional al tamaño de la población:
1. Para la transmisión vectorial de vectores a hospederos (HV):
Entonces:
2. Para la transmisión vectorial de hospederos a vectores (VH):
Entonces:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
12
3. Para la transmisión oral:
Entonces:
4. Para la transmisión anal:
Entonces
Una alternativa es no usar la ley de acción de masas sino tener en cuenta la posible
saturación en las formas de transmisión vectoriales. Una manera de hacer esto es tomar
la dependencia entre la tasa de contacto y el tamaño de la población como una cinética
de saturación (Michaelis-Menten) [2]:
Donde a es la tasa máxima de contacto que puede haber y b es una constante que indica
qué tan rápido se llega a la saturación llamada usualmente “constante de afinidad” (entre
más grande sea b, más lentamente se llega a la saturación, y viceversa). La Figura 2
ilustra el comportamiento del término C a medida que aumenta el tamaño de la población.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
13
Figura 2: Comportamiento de la ecuación de Michaelis-Menten, una ecuación usada para tener en cuenta la
saturación de enzimas con sustrato. En esta gráfica, [A] representa la concentración de sustrato y v, la
velocidad de reacción. En el caso de la aplicación a tasas de transmisión, el eje horizontal correspondería a
una población, y el eje vertical al coeficiente de transmisión. Tomada de [6].
Esta alternativa sería útil para tener en cuenta que se puede llegar a un punto en el que el
tamaño de la población es tan grande (es decir, se está en la zona de saturación) que
ante un aumento de la misma un miembro promedio seguiría teniendo aproximadamente
el mismo número de encuentros por unidad de tiempo. Esto tendría sentido para la
transmisión vectorial, en la que un aumento de la población de hospederos cuando ésta
ya es suficientemente grande no implicaría un aumento en el número de encuentros que
tendría con un vector (se puede interpretar como una saturación de los pitos, en la que
éstos ya han conseguido todo el alimento que requieren y no realizarán más piquetes aún
si hay una gran disponibilidad del mismo). Por otra parte, no sería aplicable a la
transmisión oral ya que la ingesta de pitos por parte de hospederos se puede considerar
de tipo oportunista, es decir, no tendría sentido hablar de saturación.
1. Para la transmisión vectorial de vectores a hospederos (HV):
Entonces
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
14
2. Para la transmisión vectorial de hospederos a vectores (VH):
Entonces:
El principal inconveniente con ésta forma de expresar las tasas de transmisión vectoriales
es que requiere de un parámetro más que al usar la ley de acción de masas. Como son
dos vías vectoriales (de hospedero a vector y viceversa) se tendrían entonces dos
parámetros más que deberían ser determinados experimentalmente o encontrados en
literatura. Además, puede que la dinámica antes de la saturación no sea de gran
importancia ya que la mayor parte de los análisis a realizar serán en el estado
estacionario, donde el tamaño de la población ya es constante y se encuentra en un valor
cercano a la capacidad de carga.
ECUACIONES DEL MODELO
Ya teniendo definidas las dinámicas vitales de hospederos y vectores, además de las
tasas de transmisión de la enfermedad, es posible escribir las ecuaciones que describen
el modelo. Éstas son ecuaciones diferenciales que describen el cambio del tamaño de
cada una de las cuatro clases tenidas en cuenta (infectados y susceptibles de vectores y
hospederos):
(
) (
)
(
)
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
15
(
)
Con:
Los parámetros del modelo serían son:
p: Fracción de los hijos de madres hospederas infectadas que nacen susceptibles.
q: Fracción de los hijos de madres hospederas susceptibles que nacen infectados.
: Tasas de crecimiento intrínsecos de hospederos y vectores (para el crecimiento
logístico).
: Capacidades de carga de hospederos y vectores (para el crecimiento logístico).
: Tasa de muerte de hospederos y vectores.
Coeficiente de transmisión vectorial de vectores a hospederos.
Coeficiente de transmisión vectorial de hospederos a vectores.
Coeficiente de transmisión oral.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
16
Coeficiente de transmisión anal.
Se tienen entonces doce parámetros, una relación adicional ( ), cuatro incógnitas
( ) y cuatro ecuaciones diferenciales de primer orden no lineales.
Figura 3: Modelo de los compartimentos y de los flujos para el modelo de la enfermedad de Chagas que
involucra las cuatro formas de transmisión (vectorial, vertical, oral, anal).
ESTUDIO ANALÍTICO
Luego del planteamiento del modelo se prosiguió a realizar un análisis del mismo,
centrándose no sólo en aspectos matemáticos como la determinación de los puntos
estacionarios y de su estabilidad sino también en la epidemiología de la enfermedad para
lo cual se halló la expresión algebraica correspondiente al número reproductivo. También
se realizó un estudio de los parámetros del modelo, iniciando con una revisión
bibliográfica para encontrar estimados de sus valores y finalmente llevando a cabo un
análisis de sensibilidad para determinar cuáles eran los que tenían mayor efecto en la
proporción de hospederos infectados.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
17
IMPLEMENTACIÓN EN MATLAB
El modelo se implementó en MATLAB para realizar un análisis tanto en estado
estacionario como de la evolución de la enfermedad a lo largo del tiempo. El elemento
temporal se resolvió usando un ODE solver (código para resolver ecuaciones
diferenciales ordinarias de forma simultánea), mientras que para la sección de estado
estacionario se escribió el código que permitiera calcular elementos como el número
reproductivo, la fracción de hospederos infectados, la sensibilidad de dicha fracción ante
los diferentes parámetros (medida mediante un índice llamado número de condición). La
mayoría de las figuras que se presentarán en las siguientes secciones se obtuvieron
mediante esta herramienta. Cabe decir que todo el código usado se encuentra anexo a
este documento.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
18
RESULTADOS
PARÁMETROS DEL MODELO
La estimación de los parámetros del modelo se realizó a partir de información bibliográfica
acerca del ciclo vital de las dos especies y de las diferentes cuatro diferentes formas de
transmisión. La Tabla 1 contiene el compilado de los valores de los parámetros obtenidos
a partir de las diferentes fuentes usadas. En muchas de estas fuentes se tienen valores
máximos y mínimos para los diferentes valores usados en las estimaciones de los
parámetros, por lo que se tomaron en general los valores medios.
Tabla 1: Parámetros usados en el modelo de compartimentos. Obsérvese que para los parámetros
relacionados con las dinámicas vitales se tienen valores únicos, mientras que para los coeficientes de
transmisión vertical se maneja un rango de diferentes órdenes de magnitud.
Par. Definición Unidades Estimado Referencias
Tasa reproductiva de D. marsupialis
⁄ 6,4 [7], [8], [9]
Tasa de mortalidad de D. marsupialis
⁄ 0,4 [8], [9]
Capacidad de carga de D. marsupialis
1,6 [7], [8], [9]
Tasa reproductiva de los R. prolixus
⁄ 77,76 [10], [11], [12]
Tasa de mortalidad de R. prolixus
⁄ 0,5 [11], [12]
Capacidad de carga del vector R. prolixus en el ciclo silvestre
140,91 [10], [11], [12]
Coeficiente de transmisión vectorial de vector a hospedero
⁄ 10
-3,5
(10-5
- 10-2
) [13]
Coeficiente de transmisión vectorial de hospedero a vector
⁄ 10
-0,5
(10-1
– 1) [13]
Coeficiente de transmisión oral
⁄
Coeficiente de transmisión anal
⁄
Fracción de los hijos de madres hospederas infectadas que nacen infectados (transmisión vertical)
-
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
19
DINÁMICAS VITALES
Se comenzó con los parámetros relacionados con las dinámicas vitales de ambas
especies. Tanto para hospederos como para vectores, teniendo en cuenta las
suposiciones de crecimiento logístico y tasa de muerte proporcional al tamaño de la
población, se cumple la ecuación:
(
)
Donde es la tasa de crecimiento intrínseco, es la capacidad de carga y es la tasa de
muerte per cápita.
Hospederos
Para los hospederos, el cálculo de se realizó teniendo en cuenta que: en promedio los
didélfidos se reproducen 2 veces al año [8] [13], las madres son capaces de dar a luz y
mantener a una camada de siete crías [7] [9], tienen una expectativa de vida de 2.5 años
en los cuales 2 son de madurez sexual completa:
Para la tasa de muerte per cápita, se tomó la siguiente relación:
Ya con la tasa de muerte per cápita y la tasa de crecimiento intrínseco, se puede
determinar el valor de la capacidad de carga evaluando la población en estado
estacionario:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
20
(
)
Donde es la población de hospederos en el equilibrio. Si se trabaja con la densidad de
hospederos (usualmente se encuentra uno o dos didélfidos por palma, por lo que en
promedio es 1.5) [14]:
Vectores
En cuanto a los vectores, se realizó un procedimiento similar, aunque para el cálculo de
se tuvo en cuenta que: una hembra puede depositar aproximadamente 600 huevos por
año de madurez sexual, la expectativa de vida es de 2 años en los cuales 1.44 son
capaces de reproducirse [10] [11] [12], el 60% de los huevos eclosionan y sólo el 60% de
éstos llegan a la vida adulta [14]:
Para la tasa de muerte per cápita, se volvió a usar la siguiente relación:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
21
Ya con la tasa de muerte per cápita y la tasa de crecimiento intrínseco, se puede
determinar el valor de la capacidad de carga evaluando la población en estado
estacionario:
(
)
Donde es la población de vectores en el equilibrio. Si se trabaja con la densidad de
vectores, teniendo en cuenta que en promedio se encuentran entre 80 y 200 vectores en
una palma [14] (valor medio de 140):
COEFICIENTES DE TRANSMISIÓN
En cuanto a las formas de transmisión, se inició con la estimación de los coeficientes de
transmisión vectorial de hospederos a vectores y viceversa. Posteriormente, se determinó
el parámetro relativo a la transmisión vertical y finalmente se realizó un estimativo del
coeficiente de transmisión oral y anal.
Transmisión vectorial
Para la determinación de los dos coeficientes correspondientes a la transmisión vectorial,
se usaron las siguientes expresiones:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
22
Donde:
: indicador del número de encuentros entre un vector y un hospedero en la forma de
picaduras. Es una medición de la eficacia del vector buscando al hospedero.
: indicador de la probabilidad de que un encuentro entre un vector infectado con un
hospedero susceptible resulte en la infección de este último (por vía vectorial, es decir,
picadura y contacto de las heces del vector con la herida).
: indicador de la probabilidad de que un encuentro entre un vector susceptible con un
hospedero infectado resulte en la infección del vector, lo cual se presenta cuando con la
picadura el parásito que se encuentra en la sangre del didélfido entra al tracto digestivo
del insecto.
Si se hace un análisis dimensional de y , se obtiene que deben tener las
siguientes unidades:
[
] [ ]
[ ]
[ ]
[
] [ ]
[ ]
[ ]
Teniendo en cuenta estas unidades y el significado de , y , se plantaron las
dimensiones de estos tres parámetros:
[ ]
[ ]
[ ]
El planteamiento de las dimensiones de estos parámetros facilita enormemente la
estimación de los coeficientes y ya que de esta manera se puede tener una guía
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
23
de lo que debe calcularse a partir de la información presente en la bibliografía. El
parámetro más sencillo de calcular es o el indicador de encuentros entre vector y
hospedero para picaduras: se ha reportado que un vector puede sobrevivir sin alimentarse
hasta seis semanas y que la tasa de alimentación promedio de los mismos es de uno
cada tres semanas [14]. Por lo tanto:
Para y , es decir, los indicadores de eficiencia de transmisión de la enfermedad con
la picadura, la estimación se realiza determinando el número de picaduras que serán
necesarios para transmitir la enfermedad de un vector a un hospedero y viceversa. Estos
valores no se encuentran en la literatura investigada sino que fueron estimados usando
órdenes de magnitud a criterio del autor teniendo en cuenta factores como la gran
dificultad de trasmitir la enfermedad de vector a hospedero versus la relativa facilidad de
la transmisión hospedero a vector: en la primera, es necesario que las heces del insecto
entren en contacto con la herida, mientras que en la segunda, sólo se requiere que la
sangre ingerida por el vector contenga al parásito.
Entonces, para se supuso que se requerían entre 1000 y 100000 piquetes para que un
hospedero resultara infectado, reflejando así la dificultad propia de esta vía de
transmisión. En cuanto a , se esperaría que su valor fuera en todo caso menor al de :
se estimó que se necesitarían entre 10 y 100 piquetes para que el hospedero infectara al
insecto. De esta manera:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
24
Por lo tanto, los coeficientes de transmisión serán:
Teniendo en cuenta la gran incertidumbre en la estimación de estos coeficientes, se dejan
expresados sólo en términos de sus órdenes de magnitud:
Para los cálculos realizados posteriormente en los que era necesario tomar un valor fijo
de estos coeficientes de transmisión se tomó el punto medio logarítmico, es decir:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
25
Transmisión vertical
Los dos parámetros que se utilizan en el modelo para tener en cuenta esta forma de
transmisión son p y q, los cuales cumplen la relación . representa la fracción
de los hijos de una hembra hospedera infectada que resultan infectados en el nacimiento.
A pesar de que en algunas referencias bibliográficas se menciona esta forma de
transmisión, en ninguna se tienen resultados concretos de mediciones de hijos infectados
e hijos susceptibles para camadas de didélfidos.
Transmisión anal y oral
Finalmente, para los últimos dos coeficientes de transmisión correspondientes a las
formas de transmisión anal y oral ( y ), se realizó un procedimiento similar
separando dicho coeficiente en dos términos relacionados con la probabilidad del
encuentro y con la probabilidad de la transmisión:
En donde:
: indicador del número de encuentros que tiene un hospedero con vectores para
alimentarse de ellos.
: indicador del número de encuentros entre dos hospederos que lleven a que uno de
ellos expela el contenido de sus glándulas anales (condiciones de gran estrés).
: indicador de la probabilidad de que un encuentro entre un hospedero susceptible con
un vector infectado resulte en la infección del primero por la vía oral, es decir, que el
didélfido consuma al insecto y el parásito pase del tracto digestivo al torrente sanguíneo.
: indicador de la probabilidad de que un encuentro entre dos hospederos, uno de ellos
infectado y el otro susceptible, se dé teniendo en cuenta que dicho encuentro debe ser de
gran estrés (como lucha por el territorio).
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
26
El principal problema con estos parámetros es que no se encontró ninguna referencia
científica en la que se tuvieran resultados experimentales para poder estimarlos. Sin
embargo, se deja enunciado a continuación un procedimiento para poder determinar
aunque sea el orden de magnitud en el que se encuentran a partir de mediciones en
campo futuras:
Al igual que con la forma de transmisión vectorial, lo más conveniente es determinar las
dimensiones que deben tener los coeficientes de transmisión y los parámetros en los que
se separaron:
[
] [ ]
[ ]
[ ]
[ ]
[ ]
[
] [ ]
[ ]
[ ]
[ ]
[ ]
Los valores de , , y se estimarían así:
1. es el número de vectores que un hospedero ingiere por unidad de tiempo.
2. es el número de encuentros que tiene un hospedero con otro hospedero que
resultan en una condición de estrés bajo la cual se expela el contenido de las
glándulas anales.
3. es el inverso del número de vectores infectados que deberá ingerir un
hospedero susceptible para que éste resulte infectado.
4. es el inverso del número de encuentros entre dos hospederos (uno infectado y
otro susceptible) que son necesarios para que bajo la condición de estrés el
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
27
infectado transmita la enfermedad al susceptible mediante los fluidos expelidos por
las glándulas anales.
Teniendo en cuenta que de las cuatro formas de transmisión que se incluyen en el modelo
sólo de la vertical se tiene cierto nivel de certeza en la estimación de sus parámetros, se
continuará el análisis del modelo teniéndola en cuenta únicamente. Es decir, para lo que
resta del presente documento se supondrá que . Por lo tanto, las
ecuaciones resultantes del modelo son:
(
)
(
)
ANÁLISIS EN ESTADO ESTACIONARIO
La determinación de los puntos estacionarios se realiza igualando las cuatro ecuaciones
diferenciales del modelo a 0 y resolviendo el sistema no lineal resultante. Como se había
dicho anteriormente, las ecuaciones que se usarán son en las que no se tienen en cuenta
las formas de transmisión vertical, oral y anal:
(
)
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
28
(
)
Si se suman las dos primeras ecuaciones, es decir, las correspondientes a los
hospederos:
(
)
[ (
) ]
De acá se obtienen dos posibles soluciones:
1. , que no es de interés realmente ya que implicaría que no hay hospederos.
2. (
)
(
)
Donde:
Por otra parte, si se suman las ecuaciones correspondientes a los vectores:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
29
(
)
(
)
[ (
) ]
De acá se obtienen dos posibles soluciones:
1. , que no es de interés realmente ya que implicaría que no hay vectores.
2. (
)
(
)
Donde:
Retomando la ecuación correspondiente a
:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
30
Pero :
De acá se obtienen diferentes soluciones:
1. Si
Es decir, si
cuando , o si cuando ( o
):
2. Si
Es decir, si
cuando , o si cuando ( o
). En este caso se tendría que:
Donde se obtienen tres diferentes soluciones.
2.1. Si :
Lo que se cumple si o si (o ambas).
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
31
2.2. Si :
Lo que se cumple si o si (o ambas).
2.3. Si :
De acá se obtienen entonces 2 soluciones:
2.3.1. Si
2.3.2. Si
Es decir, si
cuando , o si cuando
( o ).
Por último, retomando la ecuación correspondiente a
:
Pero :
1. Si , entonces
:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
32
[ ]
De acá se tiene que:
1.1.
1.2.
1.2.1. Si , es decir si :
Entonces se debe cumplir que:
1.2.2. Si , es decir, si
Entonces:
De estos puntos estacionarios, el de verdadero interés es este último, es decir:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
33
Sin embargo, también sería de interés el otro encontrado, que corresponde a una
población de vectores y hospederos libre de la enfermedad:
Sólo se tienen en cuenta estos dos porque los otros determinados en el proceso
algebraico consideran condiciones que no se cumplen en la naturaleza, como tasas de
muerte, coeficientes de transmisión, tasas de crecimiento intrínseco y capacidades de
carga negativas o iguales a 0. Cabe decir que si se tuvieran en cuenta las otras formas de
transmisión, se tendría una ecuación de segundo orden a la hora de determinar el valor
de (es decir, de la forma ) debido específicamente a la forma de
transmisión anal, en la que interactúan los dos compartimentos de los hospederos.
También, es importante destacar que a partir de los valores de e se puede
determinar por completo todo el modelo, ya que:
Donde:
(
) (
)
ESTABILIDAD DE LOS PUNTOS ESTACIONARIOS
Para determinar la estabilidad de los dos puntos estacionarios de interés, se analiza la
matriz Jacobiana del sistema:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
34
(
)
Donde los términos y no son más que las dos ecuaciones a las que se reduce el
sistema luego de que se supone estado estacionario:
En vez de remplazar las derivadas de estas ecuaciones en la definición de la matriz , lo
que se realizará es un análisis general para cualquier matriz que represente un sistema
autónomo lineal 2 x 2 como el que se tiene en el modelo de la enfermedad. Por lo tanto,
se define una matriz general que será igual a:
(
)
La estabilidad de los puntos estacionarios del sistema representado con la matriz puede
determinarse evaluando los valores propios de dicha matriz en dicho punto. Dependiendo
de las características de estos valores propios se puede establecer si un punto
estacionario es:
1. Estable: si todos los valores propios tienen parte real negativa. Los puntos que
cumplen con esta condición se conocen también como sumideros o “sinks”.
2. Inestable: si alguno de los valores propios tiene parte real positiva. En este caso,
estos puntos se conocen como fuentes o “sources”.
También es posible determinar cómo es el comportamiento de dichos sumideros o fuentes
usando los valores propios:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
35
1. Espiral: si los valores propios tienen parte compleja diferente a 0. Esto indica que
el sistema se acerca o aleja del punto estacionario (dependiendo si es un
sumidero o una fuente, respectivamente) con oscilaciones.
2. Real: si los valores propios son reales. En este caso, el sistema se acerca o aleja
del punto estacionario (dependiendo si es un sumidero o una fuente,
respectivamente) sin oscilaciones sino de manera directa.
Los valores propios de esta matriz se definen como los valores que cumplen con la
igualdad:
Donde es la matriz identidad. Aplicando esta definición a la matriz se pueden calcular
los valores de que hacen que esta igualdad se cumpla:
(
)
Pero y corresponden a la traza ( ) y al determinante ( ) de la matriz
respectivamente, por lo que:
( √ )
De este resultado se pueden obtener conclusiones importantes como:
1. La suma de los dos valores propios es igual a la traza de la matriz original.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
36
( √ √ )
2. El producto de los dos valores propios es igual al determinante de la matriz
original:
( √ ) ( √ )
Ya con una ecuación que permite calcular los valores propios a partir de parámetros como
el determinante y la traza de la matriz, se puede plantear un ‘diccionario’ o guía que
describa por completo los posibles comportamientos de estos sistemas lineales
autónomos 2 x 2 [15]:
1. Si , entonces los dos valores propios tienen parte imaginaria diferente
a 0, es decir, son complejos. La parte real es
, por lo que:
{
2. Si , entonces los dos valores propios son reales diferentes:
{
{
{
3. Si , entonces los valores propios son reales repetidos
Una posible representación gráfica de esta clasificación se puede realizar en el plano
traza-determinante, como se puede observar en la Figura 4.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
37
Figura 4: Plano traza-determinante con el que es posible clasificar un punto estacionario de un sistema que se
pueda reducir a autónomo lineal 2 x 2. Tomado de [15].
Por lo tanto, lo que se desea es clasificar en lo posible los dos puntos estacionarios en
alguna de las categorías descritas arriba. En general, para el sistema de interés la matriz
Jacobiana, construida con las derivadas de y , es:
(
)
(
)
La traza y el determinante de esta matriz son:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
38
Lo primero que se observa es que para cualquier condición de parámetros factible
biológicamente la traza siempre es negativa. Esto reduce inmediatamente el
comportamiento de los puntos estacionarios a sumideros (sinks) y sillas. Ahora, se
calculará la expresión para :
[ ] [
]
[
]
[ ]
De esta expresión, el primer término es positivo (es un número elevado al cuadrado) y el
segundo también ya que en ningún momento la población de infectados será mayor a la
población total tanto para vectores como para hospederos. Por lo tanto, al ser una suma
de dos números positivos, debe ser también un número positivo. Esto implica que
los valores propios del sistema son reales diferentes y que no hay un comportamiento
oscilatorio en el sistema.
Lo que queda entonces es evaluar los dos puntos estacionarios en las expresiones de y
para así clasificar a cada uno en una silla o en un sumidero. Por ejemplo, para el punto
estacionario de :
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
39
Esto ya se había demostrado anteriormente, ya que en general, para cualquier condición
con significado biológico, es mayor a 0 siempre. En cuanto a :
Para determinar si el signo de se siguió la siguiente aproximación:
Tómese un punto estacionario cualquiera que sea diferente de y que sea
posible en la naturaleza, es decir, que cumpla con . Para este punto se tiene que:
Se puede evaluar el límite de esta expresión cuando tiende a 0 por la derecha (por la
izquierda se tendrían valores de negativos, lo cual no tiene sentido alguno):
Como el denominador en todo caso es mayor que cero, se requiere entonces que para
que se cumpla la igualdad D sea negativo a medida que tienda a 0 (esto se deduce
teniendo en cuenta la dirección en la que se aproxima a 0). Por lo tanto, se puede afirmar
así que para este primer punto estacionario el comportamiento es de silla ( ,
).
Un análisis similar se puede realizar para el segundo punto estacionario (el de real
interés, ya que es en el que se tienen infectados de vectores y hospederos), obteniendo
que , es decir, que se comporta como un sumidero o “sink”. Esto indica que el
verdadero punto estacionario de interés es este último ya lo que se busca es estudiar el
caso real en el que la enfermedad perdura en el tiempo y la silla es un “disease free
equilibrium”.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
40
ANÁLISIS DE SENSIBILIDAD
El análisis de sensibilidad tiene como objetivo hallar expresiones que cuantifiquen y
permitan comprar entre sí los cambios que tendría la población infectada ante variaciones
de los parámetros del modelo. El procedimiento se inició partiendo de la ecuación para
en el estado estacionario:
De esta ecuación se puede obtener la fracción de hospederos infectados como:
Para llevar a cabo el análisis de sensibilidad se calcula el aporte en el valor de ⁄ al
tener un cambio de un parámetro. Como en el modelo los parámetros se encuentran por
parejas ( ), se podrían comprar estos dos aportes para
determinar en cada uno cuál de las especies tiene un mayor efecto en la proporción de
hospederos infectados. Por lo tanto, se inicia buscando una expresión general que mida el
cambio relativo de ante un cambio de un parámetro cualquiera k:
Primero, usando una de las definiciones básicas en derivadas parciales aplicada a ⁄
y al parámetro k:
(
) (
)
Para facilitar la escritura de las siguientes ecuaciones, se define ⁄ :
Pasando de derivadas a una discretización:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
41
Se realiza la reorganización de la ecuación, obteniéndose:
Se define el número de condición del parámetro k ( ) como:
Por lo que se tendría que:
Es decir, este número de condición compara el cambio relativo que tiene la proporción de
hospederos infectados con el cambio relativo realizado sobre el parámetro k, que era lo
que se buscaba. Ahora, se pueden comparar los efectos de dos parámetros comparando
sus números de condición. Para dos parámetros y :
Se puede calcular la razón de estos dos números de condición para determinar cuál de
los dos parámetros produce un cambio relativo en mayor al cambiarlos en la misma
magnitud. Se define esa razón como :
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
42
Si , se tendría que es mucho más sensible a cambios de , por lo que dicho
parámetro requerirá mucha más precisión en su determinación. Por el contrario, tendría
mayor flexibilidad ya que variaciones en su valor no tendrían tanto efecto en la proporción
de infectados como .
Entonces, lo que se debe realizar con el modelo de la enfermedad es calcular el número
de condición para los ocho parámetros que se tienen y posteriormente calcular las
razones que comparar dichos números de condición. Para facilidades de cálculo en
esta etapa se define:
Donde:
A continuación se encuentran los resultados del cálculo de los números de condición y de
las razones entre ellos. Teniendo en cuenta la extensión de la demostración de estas
expresiones, sólo se adjunta el procedimiento para los parámetros de mayor interés que
son las tasas de transmisión vectorial. También se presentan las gráficas obtenidas en
MATLAB de estos números de condición para los ocho diferentes parámetros.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
43
1. Análisis de sensibilidad para las tasas de transmisión:
(
)
(
)
(
)
Figura 5: Número de condición del coeficiente de transmisión para diferentes valores de dicho parámetro.
El rango de análisis de comprende el límite mínimo y máximo obtenido en el proceso de estimación
llevado a cabo. El valor de los otros parámetros es el que se encuentra en la Tabla 1.
(
)
( )
(
)
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01-40
-20
0
20
40
60
80
100
120Number condition of Bhv (INBhv) vs. Bhv for Bvh=10e-0.5=0.31623 1/year/host
Bhv (1/year/vector)
Rela
tive e
ffect
of
Bhv in I
H/N
H o
r IN
Bhv
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
44
Figura 6: Número de condición del coeficiente de transmisión para diferentes valores de dicho parámetro.
El rango de análisis de comprende el límite mínimo y máximo obtenido en el proceso de estimación
llevado a cabo. El valor de los otros parámetros es el que se encuentra en la Tabla 1.
(
)
(
) (
)
(
)(
)
(
)
0 1 2 3 4 5 6 7 8 9 10-300
-250
-200
-150
-100
-50
0
50Number condition of Bvh (INBvh) vs. Bvh for Bhv=10e-3.5=0.00031623 1/year/vector
Bvh (1/year/host)
Rela
tive e
ffect
of
Bvh in I
H/N
H o
r IN
Bvh
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
45
Figura 7: Valores de para diferentes combinaciones de los coeficientes de transmisión vectorial. De nuevo,
ambos parámetros se analizaron en los rangos estimados anteriormente.
2. Análisis de sensibilidad para las tasas de crecimiento intrínseco:
(
)
Figura 8: Número de condición de la tasa de crecimiento intrínseco de los hospederos para diferentes
valores de dicho parámetro. El rango de análisis de va desde 0 (valor mínimo posible, que implica
población nula de hospederos) hasta 10 veces el valor estimado. El valor de los otros parámetros es el que se
encuentra en la Tabla 1.
(
)
5
5
5
5
5
10
10
10
10
15
15
15
20
20
Ratio of INbhv to INbvh vs. Bhv and Bvh (INBhv/INBvh)
Bhv (1/year/vector)
Bvh (
1/y
ear/
host)
1 2 3 4 5 6 7 8 9 10
x 10-3
1
2
3
4
5
6
7
8
9
10
0 10 20 30 40 50 60 7010
-7
10-6
10-5
10-4
10-3
Number condition of rh (INrh) vs. rh for rv=77.76 1/year
rh (1/year)
Rela
tive e
ffect
of
rh in I
H/N
H o
r IN
rh
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
46
Figura 9: Número de condición de la tasa de crecimiento intrínseco de los vectores para diferentes valores
de dicho parámetro. El rango de análisis de va desde 0 (valor mínimo posible, que implica población nula
de hospederos) hasta 10 veces el valor estimado. El valor de los otros parámetros es el que se encuentra en
la Tabla 1.
3. Análisis de sensibilidad para las tasas de muerte:
[ (
)]
Figura 10: Número de condición de la tasa de muerte de los hospederos para diferentes valores de dicho
parámetro. El rango de análisis de va desde 0 (valor mínimo posible, que implica que no hay muertes en la
población) hasta el valor estimado de (si la tasa de muerte es mayor a la tasa de crecimiento intrínseco, la
población de hospederos nunca crecería). El valor de los otros parámetros es el que se tiene en la Tabla 1.
0 100 200 300 400 500 600 700 80010
-4
10-3
10-2
10-1
Number condition of rv (INrv) vs. rv for rh=6.4 1/year
rv (1/year)
Rela
tive e
ffect
of
rv in I
H/N
H o
r IN
rv
0 1 2 3 4 5 6 7-1.8
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0Number condition of dh (INdh) vs. dh for dv=0.5 1/year
dh (1/year)
Rela
tive e
ffect
of
dh in I
H/N
H o
r IN
dh
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
47
[
(
)]
Figura 11: Número de condición de la tasa de muerte de los vectores para diferentes valores de dicho
parámetro. El rango de análisis de va desde 0 (valor mínimo posible, que implica que no hay muertes en la
población) hasta el valor estimado de (si la tasa de muerte es mayor a la tasa de crecimiento intrínseco, la
población de vectores nunca crecería). El valor de los otros parámetros es el que se encuentra en la Tabla 1.
(
)
(
)
4. Análisis de sensibilidad para las capacidades de carga:
0 10 20 30 40 50 60 70 80-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0x 10
5 Number condition of dv (INdv) vs. dv for dh=0.4 1/year
dv (1/year)
Rela
tive e
ffect
of
dv in I
H/N
H o
r IN
dv
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
48
Figura 12: Número de condición de la capacidad de carga de los hospederos para diferentes valores de
dicho parámetro. El rango de análisis de va desde 0 (valor mínimo posible, que implica población nula de
hospederos) hasta 10 veces el valor estimado. El valor de los otros parámetros es el que se encuentra en la
Tabla 1.
(
)
Figura 13: Número de condición de la capacidad de carga de los vectores para diferentes valores de dicho
parámetro. El rango de análisis de va desde 0 (valor mínimo posible, que implica población nula de
vectores) hasta 10 veces el valor estimado. El valor de los otros parámetros es el que se encuentra en la
Tabla 1.
( )
0 2 4 6 8 10 12 14 16-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4Number condition of Kh (INKh) vs. Kh for Kv=140.91 vectors/palm
Kh (hosts/palm)R
ela
tive e
ffect
of
Kh in I
H/N
H o
r IN
Kh
0 500 1000 15000
5
10
15
20
25
30
35
40
45Number condition of Kv (INKv) vs. Kv for Kh=1.6 hosts/palm
Kv (vectors/palm)
Rela
tive e
ffect
of
Kv in I
H/N
H o
r IN
Kv
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
49
NÚMERO REPRODUCTIVO
El número reproductivo es tal vez uno de los resultados más buscados en un análisis
matemático epidemiológico ya que es una medida de la infectividad de la enfermedad. Es
un número adimensional que indica qué tan rápido aumentará el número de infectados
cuando se introduce uno a una población completamente sana. Hay diferentes maneras
de entender el significado de este número pero todas comparten la noción que hay un
límite o “threshold” por encima del cual se podrá presentar una epidemia de la
enfermedad. Este límite es 1: por encima de este valor, el infectado introducido a la
población transmitirá la enfermedad a más de otro individuo; por el contrario, si es menor
a 1, la enfermedad desaparecerá sin presentar un aumento en la población infectada.
Para el cálculo del número reproductivo se sigue el método de la siguiente generación,
[2]. Desde esta aproximación se comienza evaluando el “disease free equilibrium”, es
decir, la condición de equilibrio en la que no hay infectados en ninguna de las
poblaciones. Esto se puede calcular en el modelo haciendo en las
expresiones resultantes de igualar a 0 las ecuaciones diferenciales del modelo. De esta
manera se puede calcular una expresión tanto para como para en dicho equilibrio.
Para diferenciar este punto de los otros determinados anteriormente, se usará un
subíndice ‘0’ para las diferentes variables involucradas.
Al hacer
:
(
)
Pero :
(
)
[ (
) ]
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
50
De acá se tienen dos posibles soluciones:
1. Que lo cual no es de real interés ya que implica que , es decir, que
no hay hospederos.
2. Que (
) , lo cual al despejar lleva a que (
)
Ahora, al hacer
:
(
)
Pero :
(
)
[ (
) ]
De acá se tienen dos posibles soluciones:
1. Que lo cual no es de real interés ya que implica que , es decir, que
no hay vectores.
2. Que (
) , lo cual al despejar lleva a que (
)
Por lo tanto, el punto de “free disease equilibrium” es (
) (
).
Posteriormente, se separan de las tasas de cambio de infectados de hospederos y
vectores (es decir, de las ecuaciones diferenciales de
y
) los términos que suman y
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
51
que restan. La función que tiene los términos que suman se llama y la que tiene los que
restan se llama . Para los hospederos:
Para los vectores:
El siguiente paso es la construcción de dos matrices F y V que se definen como:
[
]
[
]
Estas dos matrices no son más que evaluar el cambio que tendrían las funciones y al
realizar un cambio sobre las condiciones de “disease free equilibrium” (obsérvese que
tienen una forma similar a la matriz Jacobiana). Entonces, remplazando los resultados de
las funciones y :
[
]
[
]
[
]
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
52
[
]
[
]
[
]
Finalmente se construye otra matriz K, que se define como:
Por lo tanto, es necesario determinar la inversa de la matriz V, que es:
[
]
Entonces, la matriz K será:
[
]
[
]
[
]
El valor propio positivo de esta matriz K no es más que el número reproductivo del
modelo. Por lo tanto, siguiendo un procedimiento similar al de la determinación de la
estabilidad de los puntos estacionarios, se puede usar la siguiente ecuación para calcular
los valores propios:
( √ )
Donde T y D son la traza y el determinante de la matriz K, respectivamente:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
53
Por lo tanto:
( √
)
Sólo tomando el valor propio positivo y agrupando los términos de hospederos y vectores
se tendría el número reproductivo :
√
√
Se pueden remplazar las expresiones calculadas de y pero no se presenta mayor
simplificación algebraica:
√
(
)
(
)
√ (
) (
)
La dependencia de este número con los dos coeficientes de transmisión puede
observarse en la Figura 14, en la que se varió y dentro de los rangos previamente
descritos.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
54
Figura 14: Número reproductivo del modelo planteado de la enfermedad de Chagas (sólo transmisión
vectorial) para las diferentes combinaciones posibles de los coeficientes de transmisión vectorial estimados
previamente. Todo punto de esta gráfica tiene un número reproductivo mayor a 1.
ADIMENSIONALIZACIÓN DEL MODELO PARA FUTUROS TRABAJOS
Una posibilidad para reducir la complejidad del modelo para futuros estudios es
adimensionalizarlo, es decir, expresar las ecuaciones diferenciales en términos de
variables que no tengan dimensiones físicas. Esto se puede realizar usando los siguientes
factores de escala:
- Las capacidades de carga para las poblaciones:
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
- Tasa de crecimiento intrínseco de los hospederos para el tiempo:
0
0.002
0.004
0.006
0.008
0.01
02
46
810
0.5
1
1.5
2
2.5
3
3.5
Bhv (1/year/vector)
Reproductive number vs. Bhv and Bvh
Bvh (1/year/host)
Repro
ductive n
um
ber
1
1.5
2
2.5
3
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
55
[
] [ ]
Se definen entonces las variables adimensionalizadas (en letras minúsculas):
En donde:
[ ] [ ] [ ] [ ] [ ] [ ] [ ]
Entonces, remplazando en las ecuaciones del modelo:
(
) (
)
(
) (
) (
)
(
)
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
56
(
) (
)
(
)
(
) (
)
(
)
Entonces, el modelo adimensionalizado será:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
57
Luego de realizar esta adimensionalización, es posible reducir los grados de libertad, es
decir, disminuir el número de parámetros necesarios para determinar de manera completa
el modelo. Si se definen los siguientes nuevos parámetros:
Finalmente se tendría:
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
58
De esta manera se redujo el número de parámetros de doce a nueve. Igualmente se
tendrían las siguientes relaciones adicionales:
El principal problema de tener este modelo con los grados de libertad reducidos es que el
significado físico de los parámetros se pierde, siendo más complicado leer las ecuaciones
del modelo y extraer su significado directamente.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
59
DISCUSIÓN
Uno de los principales problemas que se tuvo con el modelo original que involucraba las
cuatro formas de transmisión es que no sólo aumentaban la complejidad del mismo
(específicamente, como en la transmisión anal interactúan los dos compartimentos de los
hospederos, la ecuación resultante para en el equilibrio es de segundo orden, por lo
que sería necesario llevar a cabo un análisis de la viabilidad de las raíces, ya que sólo
interesarían las que son reales positivas) sino que también llevó a problemas a la hora de
especificar los parámetros del mismo. Esto se debe a que no se encontró reporte
cuantitativo de las formas de transmisión vertical, anal y oral. En general, se encontró que
sí hacen mención de estos mecanismos de transmisión del parásito pero carecen de
mediciones experimentales que soporten dichas observaciones. Es por esto que el
análisis se realizó sobre el modelo simplificado, en el que sólo se tiene en cuenta la forma
de transmisión vertical.
PUNTOS ESTACIONARIOS Y ESTABILIDAD
El modelo cuenta con dos puntos estacionarios, uno que es una silla y otro que es un
sumidero (o “sink”). La silla corresponde al equilibrio en el que no hay presencia de la
enfermedad ni en hospederos ni en vectores, también llamado “disease free equilibrium”.
En general, un punto de silla es aquel en el que la primera derivada es igual a cero y el
signo de la segunda derivada depende de la dirección en la que se evalúe. Esto implica
que si las condiciones iniciales del modelo son libres de enfermedad (es decir, cero
hospederos y vectores infectados), a lo largo del tiempo se mantendrá esta condición si
no se presentan perturbaciones, como la introducción de un individuo infectado al
ambiente.
Por el contrario, si en las condiciones iniciales se tienen infectados o si se presenta una
de estas perturbaciones, el sistema abandonará este punto de equilibrio. Ya que el otro
punto es un sumidero, las soluciones del modelo se dirigirán a él. Esto quiere decir que
como sólo hay dos puntos de equilibrio y uno de ellos es una silla que corresponde al
“disease free equilibrium”, todas las soluciones en las que haya presencia de infectados
deberán tender al sumidero a medida que avanza el tiempo.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
60
Como el verdadero interés en el modelo es utilizarlo para estudiar un ambiente con
presencia de la enfermedad, es claro que el sumidero es el punto de real interés. Es por
esto que los siguientes análisis se realizaron sobre la expresión de correspondiente a
éste.
SIGNIFICADO DEL NÚMERO REPRODUCTIVO
Recordando, el número reproductivo ( ) es una “medida del potencial de una
enfermedad para propagarse en una población” [2]. Desde el punto de vista matemático,
lo que busca describir este número es si luego de introducir un individuo infectado a una
población sana en el tiempo se tendrá en un mayor número de infectados. En
general, si es menor a 1, nunca podrá ocurrir una epidemia de la enfermedad. Por el
contrario, un mayor a 1 implica que en promedio un individuo transmite la enfermedad
en promedio a más de un individuo susceptible, es decir, que al introducir al infectado a la
población sana, el número de infectados aumentará inmediatamente [2].
Se obtuvo analíticamente que el número reproductivo de la enfermedad para el modelo
usado es:
√
√ (
) (
)
Se observa que depende de todos los parámetros del modelo y que es proporcional a los
coeficientes de transmisión y a las capacidades de carga. Esto implica que a medida que
se aumenta el número de individuos máximo de hospederos o vectores que puede haber
en el área de estudio (por ejemplo, si se está analizando un área específica y se siembran
más palmas), habrá una mayor tendencia a que se forme una epidemia de la enfermedad.
En la Figura 14 se observa el valor de para el rango de valores de los dos coeficientes
de transmisión, obteniéndose el mayor cuando ambos parámetros son máximos.
Bajo ninguna combinación de ambos coeficientes que se encuentre dentro de estos
rangos estimados anteriormente se obtiene un número reproductivo menor a 1. Esto
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
61
implica que aún con los menores valores de y , la introducción de un individuo
infectado (hospedero o vector) a una población libre de enfermedad llevará a una
epidemia.
ANÁLISIS DE SENSIBILIDAD
En cuanto al análisis de sensibilidad, cuyas expresiones fueron calculadas usando el
concepto del número de condición, se pueden realizar las siguientes observaciones:
1. Para las tasas de crecimiento intrínseco: se observa en las Figuras 8 y 9 que,
tanto para vectores ( ) como para hospederos ( ), el número de condición es
positivo en los rangos analizados (desde hasta un orden de magnitud mayor
al valor estimado anteriormente, es decir, hasta ), lo que significa que el
efecto de aumentar para las dos especies es un incremento de la fracción de
hospederos infectados. Sin embargo, la magnitud de esta respuesta disminuye
cuando se tienen valores muy grandes de la tasa de crecimiento intrínseco:
variaciones de la misma cuando tiene valores cercanos al límite superior del rango
analizado llevarán a cambios más pequeños que aquellos que se obtendrían si se
estuviera en el límite inferior del rango. Es importante destacar que aunque el
comportamiento es similar, el número de condición de es hasta dos ordenes de
magnitud superior que el de ( ). Esto implica que
será necesaria mucha más precisión a la hora de determinar para los vectores
que para los hospederos.
2. Para las tasas de muerte: en este caso, los rangos usados para y van desde
cero hasta los valores de y estimados respectivamente, ya que si estuvieran
por encima de dichos valores, la población tanto de vectores como de hospederos
tendería a cero con el tiempo (resultado directo de la suposición de crecimiento
logístico). A diferencia del punto anterior, se observa en las Figuras 10 y 11 que
para las dos especies, el número de condición es negativo en los rangos
analizados. Esto quiere decir que un aumento en una tasa de muerte implica una
disminución en la fracción de infectados (en general, se tendría una respuesta en
la dirección inversa al cambio realizado sobre el parámetro). La magnitud del
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
62
número de condición para ambas especies es bastante similar, aunque con se
pueden llegar a valores de de hasta -10, mientras que con el valor máximo
de calculado fue de aproximadamente -1.8. De las figuras también se puede
apreciar que el comportamiento es diferente: aunque el número de condición
disminuye a medida que aumenta la tasa de muerte en ambos casos, para la
dependencia con es aproximadamente lineal, mientras que para se
presentan cambios más fuertes en cuando se tienen valores de cercanos
al valor límite del rango analizado (es decir, ). Esto implica que entre más
pequeñas sean las tasas de muerte comparadas con las tasas de crecimiento
intrínseco, menor efecto tendría la incertidumbre de su determinación en el
resultado final del modelo.
3. Para las capacidades de carga: los rangos analizados de estos dos parámetros
también se basaron en órdenes de magnitud, usando como límite inferior el cero y
como límite superior diez veces más el valor estimado a partir de la información
bibliográfica encontrada. En las Figuras 12 y 13 se observa que para , el
número de condición es cero excepto cuando toma el valor de cero hospederos
por palma (una indeterminación matemática en el modelo logístico). Por el
contrario, para el número de condición es positivo y aumenta a medida que se
aumenta , indicando así que para valores grandes del parámetro, una variación
en el mismo tendrá mucho más efecto en la proporción de hospederos infectados
que cuando el parámetro tome valores más pequeños. La magnitud del número de
condición para varía entre 0 y 45 por lo que hasta ahora es el parámetro con
mayor efecto en la razón ⁄ .
4. Para los coeficientes de transmisión: para estos parámetros ya se tenían
estimados los rangos en los que se podían encontrar. Al realizar el análisis de
sensibilidad en estos intervalos, se encontró que para ambos hay una
discontinuidad que separa una parte positiva de una parte negativa (Figuras 5 y 6).
Para , la sección positiva se encuentra a la derecha de la discontinuidad, es
decir, para valores grandes del parámetro. Por el contrario, para el número de
condición es positivo cuando los valores del parámetro son menores al valor en el
que se encuentra la discontinuidad. Cabe decir que en puntos alejados de esa
disrupción, se tienen en general valores del número de condición bajos,
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
63
encontrándose en su mayor parte entre -5 y 5. Esto refleja la complejidad de la
dependencia de la fracción de hospederos infectados con los coeficientes de
transmisión, habiendo valores para los cuales la dirección de la variación de dicha
fracción es igual (IN positivo) o contraria (IN negativo) a la del parámetro. En
cuanto a la magnitud de los efectos de cada uno, se puede observar en la Figura X
que en general la magnitud del número de condición de es superior al de .
Esta gráfica se obtuvo a partir de la expresión de , es decir, de la razón entre
⁄ : para todas las combinaciones en los rangos estimados de ambos
parámetros esta razón era mayor a 1. Esto indica que se requiere de una mayor
precisión en la determinación de (la incertidumbre de su valor, por más baja
que sea, tendría un impacto mayor al que tendría una incertidumbre de la misma
magnitud para ).
FRACCIÓN DE HOSPEDEROS INFECTADOS EN EL EQUILIBRIO
Uno de los objetivos de este documento era verificar con el modelo si era posible explicar
sólo con la forma de transmisión vectorial un porcentaje de infección de D. marsupialis del
80% observado en visitas de campo realizadas por el CIMPAT. Esto se puede verificar
evaluando la expresión de ⁄ en los rangos de y estimados anteriormente. El
resultado de este cálculo se tiene en la Figura 15, que es una gráfica de ⁄ vs.
parametrizada para . En esta se observa que incluso con la combinación máx.-máx.
de los dos parámetros, es imposible alcanzar el 80% de infección. También se observa
que para el valor mínimo de no se obtienen resultados con significado biológico (esta
combinación corresponde a la curva de color rojo, la cual no aparece en la gráfica debido
a que corresponde únicamente a valores negativos de la fracción de hospederos
infectados). Claramente, la suposición principal en este punto analizado es que el 80%
observado en campo corresponde a una condición de equilibrio.
Otro aspecto importante de este cálculo fue observar que a medida que se aumenta ,
su efecto va disminuyendo. A pesar de que esto no se evidencia en gran medida en la
Figura 15, en las simulaciones realizadas usando valores de más altos que el valor
máximo estimado a partir de la revisión bibliográfica se observó que las curvas
correspondientes a dichos valores se acercaban más y más a una curva que se
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
64
encontraba muy cercana a la de color azul. Esto quiere decir que, aunque en general una
variación de tenga mayor efecto en ⁄ que una de , para valores muy grandes
de un aumento en su magnitud no tendrá un efecto significativo en la fracción de
hospederos infectados. Además, esto implicaría la existencia de una cota superior en
⁄ cuando sólo se está variando en el modelo.
Figura 15: Proporción de hospederos infectados para diferentes valores de los dos coeficientes de transmisión
vectorial. El valor de los otros parámetros es el indicado en la Tabla 1.
CONTROL DE LA ENFERMEDAD: ESTRATEGIAS EFECTIVAS.
Ya con el análisis de sensibilidad realizado, es sencillo plantear estrategias para el control
de la enfermedad, debido a que se conocen cuáles parámetros deberán ser disminuidos o
aumentados para reducir el nivel de infección en la población de hospederos. En general,
lo que se busca es alterar los parámetros relacionados con las dinámicas reproductivas
de las especies ya que alterar los coeficientes de transmisión es realmente complicado
teniendo en cuenta que están fuertemente relacionadas con la biología de ambas
especies.
Para las tasas de crecimiento intrínseco ( y ), se encontró que tenían números de
condición positivos para los rangos analizados, por lo que deberían ser reducidos para
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Proportion of infected host for different values of Bhv and Bvh
Bhv = [1 to 10 encounters/year] * [1/100 to 1/100000 bites for transmission] (1/year/vector)
Pro
port
ion o
f in
fecte
d h
ost
IH/N
H
0.01 1/year/host
0.1 1/year/host
1 1/year/host
10 1/year/host
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
65
disminuir ⁄ . Sin embargo, teniendo en cuenta que el número de condición de era
aproximadamente 100 veces mayor que el de se recomendaría centrar los esfuerzos
en el primero. Una forma de reducir este parámetro en campo es el uso de insecticidas
que disminuyan el número de huevos que eclosionan o el porcentaje de estos huevos que
llega a la vida adulta.
El uso de insecticidas también puede llevar a un aumento de la tasa de muerte de los
vectores, . En el análisis de sensibilidad se había encontrado que el número de
condición de ambas tasas de muerte es negativo, indicando que aumentar sus valores
lleva a la reducción de la razón ⁄ . Claramente, también se puede buscar un aumento
en la tasa de muerte de los hospederos, pero en general su efecto es bajo comparado con
el de los vectores (como se vio en las Figuras 10 y 11, la magnitud de puede llegar a
ser 10 veces mayor que la de ).
Otra técnica es reducir la capacidad de carga del vector, , ya que su número de
condición es el más alto entre los parámetros relacionados con las dinámicas vitales de
ambas especies. Teniendo en cuenta que las hembras de estos insectos depositan sus
huevos en la parte alta de las palmas, se podría disminuir la fracción infectada de
hospederos reduciendo la densidad de estas plantas en la zona de interés. Por otro lado,
este resultado confirma la hipótesis de que se debería detener el remplazo de la
vegetación nativa por palma africana para la obtención de aceite de palma y biodiesel, ya
que con esta práctica se estaría aumentando la capacidad de carga de los vectores.
POSIBILIDADES DE MEJORAR EL MODELO
A pesar de que el modelo planteado inicialmente incluye cuatro formas de transmisión de
la enfermedad entre D. marsupialis y R. prolixus que han sido reportadas en la literatura,
cuando se cuente con estimados de los parámetros correspondientes a la transmisión
oral, anal y vertical se podrían hacer simplificaciones en el modelo, descartando las que
virtualmente no tengan un efecto considerable con respecto a las otras. Esto reduciría la
complejidad del modelo, llevando igualmente a resultados satisfactorios. Por ejemplo, al
tener en cuenta la transmisión anal la ecuación para calcular resulta ser de segundo
orden, lo que implica que para determinar los puntos estacionarios con sentido biológico
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
66
sería necesario realizar un análisis que descartara no solo los valores negativos de sino
también los completos. Por lo tanto, si se observa que la forma de transmisión anal no es
muy relevante para describir la proporción de infectados, el modelo se simplificaría
enormemente ya que se pasaría de tener una ecuación de segundo orden a una de
primer orden para calcular .
También es posible mejorar el modelo planteándolo nuevamente pero sin usar la ley de
acción de masas a la hora de determinar las tasas de infección en vectores y hospederos.
Una posibilidad es usar aproximaciones como la de Michaelis-Menten, como se sugirió en
la sección de metodología, aunque usualmente éstas requieren de una mayor cantidad de
parámetros.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
67
CONCLUSIONES
El modelo planteado para la transmisión de la enfermedad de Chagas en su ciclo silvestre
involucró a la especie hospedera D. marsupialis y al vector R. prolixus. El modelo inicial
incluyó cuatro formas de transmisión diferentes: vectorial, vertical, anal y oral. Sin
embargo, teniendo en cuenta que no se encontró información cuantitativa que describiera
las tres últimas formas, se simplificó el modelo para su análisis teniendo en cuenta sólo la
vectorial. Se obtuvo que el número reproductivo de la enfermedad es mayor a 1 en los
rangos posibles de los dos coeficientes de transmisión. También se encontró que el
modelo tiene dos puntos de equilibrio: una silla que es un “disease free equilibrium” y un
sumidero o “sink”. Teniendo en cuenta estos dos resultados, se puede afirmar que la
introducción de un vector o de un hospedero infectado en el área de estudio llevará al
inicio de una epidemia, la cual perdurará en el tiempo.
Para responder a la pregunta de si era posible predecir un 80% de infección en los
hospederos sólo con la forma de transmisión vectorial se evaluó la fracción de
hospederos infectados para los diferentes rangos de los coeficientes de transmisión. Se
encontró que ni siquiera en la combinación máx.-máx. de los dos parámetros era posible
alcanzar dicho porcentaje. Esto sugiere que otras formas de transmisión a parte de la
vectorial tienen un papel en la naturaleza que no debería ser ignorado.
En cuanto al control de la enfermedad, se realizó primero un análisis de sensibilidad de
los parámetros, obteniendo así que los que tienen mayor efecto en la proporción de
hospederos infectados son aquellos relacionados con las dinámicas vitales de los
vectores: tasa de crecimiento intrínseco, capacidad de carga y tasa de muerte de R.
prolixus. Específicamente, la fumigación intensiva con insecticidas (reducción de y
aumento de ) y dejar de remplazar la vegetación nativa por plantas que sirvan como
hábitat para los insectos como las palmas de cera (reducción de ) son dos estrategias
que de forma acoplada llevarían según el modelo a una reducción significativa en el
porcentaje de infección de vectores y hospederos.
Sin embargo, cabe destacar el hecho de que es necesario como trabajo de investigación
futuro acoplar este modelo con uno que involucre el ciclo domiciliario de la enfermedad,
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
68
es decir, que tenga en cuenta a los seres humanos, a los pitos que se encuentren en el
domicilio y en el peridomicilio, y posiblemente a animales domésticos como perros. De
esta manera se tendría un modelo completo de la enfermedad que permitiría tomar
medidas más precisas para reducir la infección humana con el parásito. Este modelo
debería reflejar el problema enunciado al inicio del documento de programas de
fumigación no efectivos debido a que los vectores permanecen en el peridomicilo.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
69
BIBLIOGRAFÍA
[1] World Health Organization, «Chagas Disease (American trypanosomiasis),» WHO
Media Centre, 2010.
[2] F. Brauer, P. van der Driessche y J. Wu, Mathematical Epidemiology, Berlin: Springer,
2008.
[3] F. Guhl, «Epidemiología de la enfermedad de Chagas en Latinoamérica y Colombia,»
de Enfermedad de Chagas, Bogotá D.C., 2007, pp. 7-14.
[4] J. C. Araujo Carreira, A. M. Jansen, M. d. N. Meirelles, F. Costa e Silva y H. Leonel
Lenzi, «Trypanosoma cruzi in the Scent Glands of Didelphis marsupialis: The Kinetics
of Colonization,» Experimental Parasitology, p. 129–140, 2001.
[5] J. Zhou y H. W. Hethcote, «Population size dependent incidence in models for
diseases without immunity,» Journal of Mathematical Biology, pp. 809-834, 1994.
[6] H. Bisswanger, Enzyme Kinetics: Principles and Methods, Second edition ed., Wiley-
VCH, 2008.
[7] S. Telford Jr y R. Tonn, «Dinamica de Trypanosoma cruzi en poblaciones de un
reservorio primario, Didelphis marsupialis, en los llanos altos de Venezuela,» Boletín
de la Oficina Sanitaria Panamericana, vol. 93, pp. 341-364, 1982.
[8] N. Schweigmann, S. Pietrokosky, V. Botazzi, O. Conti y C. Wisvinesky-Colli, «Estudio
de la prevalencia de la infección por Trypanosoma cruzi en zarigüeyas (Didelphis
albiventris) en Santiago del Estero, Argentina.,» 1999.
[9] A. Reyes y J. Arrivillaga, «Fauna Mammalia asociada a los focos de leishmaniasis
neotropical: Situación en Venezuela,» Boletín de Malariología y Salud Ambiental, vol.
49, nº 1, pp. 35-52, Junio 2009.
[10] P. Buxton, «The biology of a blood-sucking bug, Rhodnius prolixus,» Transactions of
the Royal Entomological Society of London, vol. 78, nº 2, pp. 227-256, 1930.
[11] P. Pennington, C. Beard y J. Anderson, «Care, maintenance, and handling of infected
triatomines,» In WC Marquardt, Biology of disease vectors, pp. 717-725, 2005.
[12] A. Arevalo, J. Carranza, F. Guhl, J. Clavijo y G. Vallejo, «Comparison of feeding and
defecation patterns of Rhodnius colombiensis and Rhodnius prolixus (Hempitera,
Reduviidae, Triatominae) under laboratory conditions,» Biomédica: Revista del
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
70
Instituto Nacional de Salud, vol. 27, nº 1, pp. 101-109, Enero 2007.
[13] K. Redford y J. Eisenberg, Mammals of the Neotropics, the Southern Cone, Chicago:
University of Chicago Press, 1992.
[14] CIMPAT, (Mediciones de campo aún en proceso de publicación), Bogotá: Universidad
de los Andes.
[15] M. W. Hirsch, S. Smale y R. L. Devaney, Differential Equations, Dynamical Systems &
An Introduction to Chaos, San Diego: Elsevier, 2004, pp. 61-64.
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
71
ANEXO: CÓDIGOS DE MATLAB
Se crearon dos scripts en MATLAB, uno que inicializa los valores de los parámetros y otro en el que
se generan todas las gráficas correspondientes al análisis de sensibilidad y al número reproductivo.
Script para inicializar:
% Script to initialize the values of the parameters p.q = 0.8; p.rh = 6.4; %1/year p.rv = 77.76; %1/year p.kh = 1.6; %hosts/palm p.kv = 140.91; %vectors/palm p.dh = 0.4; %1/year p.dv = 0.5; %1/year p.bhv = 8.8e-3; %1/(year*vect) p.bvh = 876; %1/(year*host) p.bhe = 2e-2; %1/(year*vect) p.bha = 1e-4; %1/(year*vect) p.options = odeset('AbsTol',1e-3,'RelTol',1e-3); p.IC = [3 0 20 1];%Initial values for [Sh,Ih,Sv,Iv]
Script de cálculos:
%% Reproductive number for different values of betahv and betavh p = initialize; bhv = linspace(1e-5,1e-2); bvh = linspace(1e-1,1e1);
Nh=p.kh.*(1-p.dh./p.rh); Nv=p.kv.*(1-p.dv./p.rv); Ro=zeros(100,100); for i=1:100 for j=1:100 Ro(i,j) = ((p.q*p.rh/(p.q*p.rh+(1-p.q)*p.dh))+((p.q*p.rh/(p.q*p.rh+(1-
p.q)*p.dh))^2+(4*Nv*Nh*bvh(j)*bhv(i))/(p.dv*(p.q*p.rh+(1-p.q)*p.dh)))^(1/2))/2; end end figure surf(bhv,bvh,Ro,'EdgeColor','none') title('Reproductive number vs. Bhv and Bvh') xlabel('Bhv (1/year/vector)') ylabel('Bvh (1/year/host)') zlabel('Reproductive number')
figure [C,H]=contour(bhv,bvh,Ro);
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
72
clabel(C,H) title('Reproductive number vs. Bhv and Bvh') xlabel('Bhv (1/year/vector))') ylabel('Bvh (1/year/host)')
%% Effect of betahv and betavh on the proportion of infected hosts (IH/NH). % Plot of IH/NH vs betahv parametrized by betavh p = initialize; bhv = linspace(1e-5,1e-2); bvh = [1e-2 1e-1 1e0 1e1]; color = {'r','g','k','b','m'}; PHI = zeros(4,100); Nh=p.kh.*(1-p.dh./p.rh); Nv=p.kv.*(1-p.dv./p.rv); figure for i=1:4 num=Nv*Nh.*bvh(i).*bhv-p.dv*p.dh; den=Nh*bvh(i).*(p.dh+Nv.*bhv); PHI(i,:) = num./den; plot(bhv,PHI(i,:),color{i}) hold on end hold off title('Proportion of infected host for different values of Bhv and Bvh') xlabel('Bhv = [1 to 10 encounters/year] * [1/100 to 1/100000 bites for
transmission] (1/year/vector)') ylabel('Proportion of infected host IH/NH') legend(strcat(num2str(bvh(1)),' 1/year/host'),strcat(num2str(bvh(2)),'
1/year/host'),... strcat(num2str(bvh(3)),' 1/year/host'),strcat(num2str(bvh(4)),' 1/year/host')); axis([0 1e-2 -0.1 1])
%% Sensitivy analysis for r's. Analysis of the conditional number of rv and rh p = initialize; rh = linspace(0,10*p.rh); rv = linspace(0,10*p.rv);
for i=1:100 for j=1:100 Nv = p.kv*(1-(p.dv/rv(j))); Nh = p.kh*(1-(p.dh/rh(i))); num = (Nh*Nv*p.bvh*p.bhv - p.dv*p.dh); den = (Nh*p.bvh*(p.dh + Nv*p.bhv)); INrh(i,j) = p.kh*p.dh*p.bvh*(Nv*p.bhv/num-(p.dh+Nv*p.bhv)/den)/rh(i); INrv(i,j) = p.kv*p.dv*Nh*p.bhv*p.bvh*((1/num)-(1/den))/rv(j); end end figure surf(rh,rv,INrh./INrv,'EdgeColor','none') title('Ratio of INrh to INrv vs. rh and rv') xlabel('rh (1/year)') ylabel('rv (1/year)') zlabel('Relative effect of rh to rv in IH/NH or INrh/INrv')
for i=1:100 Nv = p.kv*(1-(p.dv/p.rv));
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
73
Nh = p.kh*(1-(p.dh/rh(i))); num = (Nh*Nv*p.bvh*p.bhv - p.dv*p.dh); den = (Nh*p.bvh*(p.dh + Nv*p.bhv)); listINrh(i) = p.kh*p.dh*p.bvh*(Nv*p.bhv/num-(p.dh+Nv*p.bhv)/den)/rh(i); end figure semilogy(rh,listINrh); title(strcat('Number condition of rh (INrh) vs. rh for rv=',num2str(p.rv),'
1/year')); xlabel('rh (1/year)'); ylabel('Relative effect of rh in IH/NH or INrh')
for j=1:100 Nv = p.kv*(1-(p.dv/rv(j))); Nh = p.kh*(1-(p.dh/p.rh)); num = (Nh*Nv*p.bvh*p.bhv - p.dv*p.dh); den = (Nh*p.bvh*(p.dh + Nv*p.bhv)); listINrv(j)= p.kv*p.dv*Nh*p.bhv*p.bvh*((1/num)-(1/den))/rv(j); end figure semilogy(rv,listINrv); title(strcat('Number condition of rv (INrv) vs. rv for rh=',num2str(p.rh),'
1/year')); xlabel('rv (1/year)'); ylabel('Relative effect of rv in IH/NH or INrv')
%% Sensitivy analysis for deltas. Analysis of the conditional number of deltav and
deltah. p = initialize; dh = linspace(0,p.rh); dv = linspace(0,p.rv); INdh=zeros(100,100); INdv=zeros(100,100); for i=1:100 for j=1:100 Nv = p.kv*(1-(dv(j)/p.rv)); Nh = p.kh*(1-(dh(i)/p.rh)); num = Nh*Nv*p.bvh*p.bhv - dv(j)*dh(i); den = Nh*p.bvh*(dh(i) + Nv*p.bhv); INdh(i,j) = dv(j)*p.kh*(num*den-
den*(num+dv(j)*dh(i)+dv(j)*Nh*p.rh/p.kh))/(num*den*p.rh*Nh); INdv(i,j) = dv(j)*(num*(num+dv(j)*dh(i))*p.kv/(Nv*p.rv)-
den*(p.kv*(num+dv(j)*dh(i))/(p.rv*Nv)+dh(i))); end end figure surf(dh,dv,INdh./INdv,'EdgeColor','none') title('Ratio of INdh to INdv vs. dh and dv') xlabel('dh (1/year)') ylabel('dv (1/year)') zlabel('Relative effect of dh to dv in IH/NH or INdh/INdv')
for i=1:100 Nv = p.kv*(1-(p.dv/p.rv)); Nh = p.kh*(1-(dh(i)/p.rh)); num = Nh*Nv*p.bvh*p.bhv - p.dv*dh(i);
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
74
den = Nh*p.bvh*(dh(i) + Nv*p.bhv); listINdh(i) = p.dv*p.kh*(num*den-
den*(num+p.dv*dh(i)+p.dv*Nh*p.rh/p.kh))/(num*den*p.rh*Nh); end figure plot(dh,listINdh); title(strcat('Number condition of dh (INdh) vs. dh for dv=',num2str(p.dv),'
1/year')); xlabel('dh (1/year)'); ylabel('Relative effect of dh in IH/NH or INdh')
for j=1:100 Nv = p.kv*(1-(dv(j)/p.rv)); Nh = p.kh*(1-(p.dh/p.rh)); num = Nh*Nv*p.bvh*p.bhv - dv(j)*p.dh; den = Nh*p.bvh*(p.dh + Nv*p.bhv); listINdv(j)= dv(j)*(num*(num+dv(j)*p.dh)*p.kv/(Nv*p.rv)-
den*(p.kv*(num+dv(j)*p.dh)/(p.rv*Nv)+p.dh)); end figure plot(dv,listINdv); title(strcat('Number condition of dv (INdv) vs. dv for dh=',num2str(p.dh),'
1/year')); xlabel('dv (1/year)'); ylabel('Relative effect of dv in IH/NH or INdv')
%% Sensitivy analysis for carrying capacity. Analysis of the conditional number of
Kv and Kh. p = initialize; kh = linspace(0,p.kh*10); kv = linspace(0,p.kv*10); INkh=zeros(100,100); INkv=zeros(100,100); for i=1:100 for j=1:100 Nv = kv(j)*(1-(p.dv/p.rv)); Nh = kh(i)*(1-(p.dh/p.rh)); num = (Nh*Nv*p.bvh*p.bhv - p.dv*p.dh); den = (Nh*p.bvh*(p.dh + Nv*p.bhv)); INkh(i,j) = p.dv*p.dh/num; INkv(i,j) = kv(j)*(num+p.dh*p.dv)*((1/num)-(1/den)); end end figure surf(kh,kv,INkh./INkv,'EdgeColor','none') title('Ratio of INKh to INKv vs. Kh and Kv') xlabel('Kh (hosts/palm)') ylabel('Kv (vectors/palm)') zlabel('Relative effect of Kh to Kv in IH/NH')
for i=1:100 Nv = p.kv*(1-(p.dv/p.rv)); Nh = kh(i)*(1-(p.dh/p.rh)); num = (Nh*Nv*p.bvh*p.bhv - p.dv*p.dh); den = (Nh*p.bvh*(p.dh + Nv*p.bhv)); listINkh(i) = p.dv*p.dh/num;
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
75
end figure plot(kh,listINkh); title(strcat('Number condition of Kh (INKh) vs. Kh for Kv=',num2str(p.kv),'
vectors/palm')); xlabel('Kh (hosts/palm)'); ylabel('Relative effect of Kh in IH/NH or INKh');
for j=1:100 Nv = kv(j)*(1-(p.dv/p.rv)); Nh = p.kh*(1-(p.dh/p.rh)); num = (Nh*Nv*p.bvh*p.bhv - p.dv*p.dh); den = (Nh*p.bvh*(p.dh + Nv*p.bhv)); listINkv(j) = kv(j)*(num+p.dh*p.dv)*((1/num)-(1/den)); end figure plot(kv,listINkv); title(strcat('Number condition of Kv (INKv) vs. Kv for Kh=',num2str(p.kh),'
hosts/palm')); xlabel('Kv (vectors/palm)'); ylabel('Relative effect of Kv in IH/NH or INKv'),
%% Sensitivy analysis for betas. Analysis of the conditional number of betahv and
betavh p = initialize; bhv = linspace(1e-5,1e-2); bvh = linspace(1e-1,1e1); Nv = p.kv*(1-(p.dv/p.rv)); Nh = p.kh*(1-(p.dh/p.rh)); INbhv=zeros(100,100); INbvh=zeros(100,100); for i=1:100 for j=1:100 num = (Nh*Nv*bvh(j)*bhv(i) - p.dv*p.dh); den = (Nh*bvh(j)*(p.dh + Nv*bhv(i))); INbhv(i,j) = (num+p.dv*p.dh)*((1/num)-(1/den)); INbvh(i,j) = p.dv*p.dh/num; end end figure meshc(bhv,bvh,INbhv./INbvh) %surf(bhv,bvh,INbhv./INbvh,'EdgeColor','none') title('Ratio of INbhv to INbvh vs. Bhv and Bvh') xlabel('Bhv (1/year/vector)') ylabel('Bvh (1/year/host)') zlabel('Relative effect of Bhv to Bvh in IH/NH or INBhv/INBvh')
figure [C,H]=contour(bhv,bvh,INbhv./INbvh); clabel(C,H) title('Ratio of INbhv to INbvh vs. Bhv and Bvh (INBhv/INBvh)') xlabel('Bhv (1/year/vector)') ylabel('Bvh (1/year/host)')
centerbvh=10^-0.5; for i=1:100
Diseño e implementación de un modelo matemático del ciclo IAMB 201120 13 silvestre de la transmisión de la enfermedad de Chagas
76
num = (Nh*Nv*centerbvh*bhv(i) - p.dv*p.dh); den = (Nh*centerbvh*(p.dh + Nv*bhv(i))); listINbhv(i) = (num+p.dv*p.dh)*((1/num)-(1/den)); end figure plot(bhv,listINbhv); title(strcat('Number condition of Bhv (INBhv) vs. Bhv for Bvh=10e-
0.5=',num2str(centerbvh),' 1/year/host')); xlabel('Bhv (1/year/vector)'); ylabel('Relative effect of Bhv in IH/NH or INBhv')
centerbhv=10^-3.5; for j=1:100 num = (Nh*Nv*bvh(j)*centerbhv - p.dv*p.dh); den = (Nh*bvh(j)*(p.dh + Nv*centerbhv)); listINbvh(j) = p.dv*p.dh/num; end figure plot(bvh,listINbvh); title('INbvh vs. Bvv'); title(strcat('Number condition of Bvh (INBvh) vs. Bvh for Bhv=10e-
3.5=',num2str(centerbhv),' 1/year/vector')); xlabel('Bvh (1/year/host)'); ylabel('Relative effect of Bvh in IH/NH or INBvh')