El documento presenta un modelo matemático estructurado por grupos de edad para predecir el impacto de diferentes estrategias de vacunación contra el COVID-19 en la ciudad de Nueva York. El modelo dividió la población en 5 grupos y utilizó datos sobre la prevalencia del virus en cada grupo para calibrarse. Los resultados mostraron que asignar vacunas a los grupos de edad más jóvenes y mayores reduciría tanto las nuevas infecciones como las muertes acumuladas, y que efectos mayores se lograrían al asignar vac
4. 04 Soluciones y conclusiones
03 Aplicación del modelo
02 Problema de investigación
01 Título del artículo
Contenido
5. 01
Epidemia de COVID-19 en la ciudad de Nueva York:
desarrollo de un modelo matemático específico del
grupo de edad para predecir el resultado de varias
estrategias de vacunación.
Título
7. Covid 19
Prevalencia del
Covid-19.
New York
• Epicentros de la pandemia.
• Gran número de contagios
Asignación de vacunas
• Escasez de vacunas.
• Asignación de vacunas covid-
19 a diferentes grupos de edad.
Vacunas para diferentes grupos, para
mantener un balance.
Figura I. Problema de Investigación
Nota. Síntesis del problema de investigación. Tomado de: Scopus. 2022.
8. Objetivo No 1
• Impacto, vacunación, edades, prevalencia, COVID-19.
• Estrategias, vacunación.
Objetivo No 2
Figura II. Objetivos Principales de la Investigación
Nota. Se relacionan los objetivos principales del artículo. Tomado de: Scopus.
2022.
10. Company development timeline
Modelo matemático estructurado por edad
Grupo 1
(0 – 17 años)
Grupo 2
(18 – 44 años)
Grupo 4
( 65 – 74 años)
Grupo 3
(45 – 64 años)
Grupo 5
(75 – 100 años)
Figura III. Grupos de Edad
Nota. El modelo estructuro o dividió cinco grupos de edad. Tomado de: Scopus. 2022.
11. Nota. Diagrama de flujo del modelo matemático estructurado por edad para Covid-19.
Tomado de: Scopus. 2022
Figura IV. Representación del Modelo
12. Calibración del modelo
Se empleó el modelo de Markov Chain Monte Carlo (MCMC) para:
Estimar los parámetros desconocidos
Modelo estructural por edad sin
vacunación.
Modelo estructural por edad con
vacunación.
13. Modelo estructurado por edad con vacunación
P(t) =
𝒑𝒎𝒂𝒙𝑷𝟎
𝒑𝟎−(𝒑𝟎−𝒑𝒎𝒂𝒙)𝐞𝐱𝐩(−𝒓𝒕)
p0 = tasa de vacunación inicial.
1 P(t) = tasa de cobertura.
2 Pmax = tasa de cobertura de vacunación máxima.
3 r = tasa de vacunación.
4
15. 3.
2.
1.
Estrategias de Asignación de vacunas
• Optimización matemática para determinar la
asignación de vacunas por vacunación
específica por edad .
Reducción de nuevas infecciones
• Grupos de edad más joven reduciría más
las nuevas infecciones (60%).
Reducción de muertes acumuladas
• Grupos de edad media y avanzada
reduciría más las muertes (40%)
17. La vacunación prioritaria de ancianos y
adolescentes minimizaría tanto las muertes
como los nuevos contagios.
El efecto de la asignación de vacunas fue
acumulativo cuando se asignaron vacunas
adicionales a más de un grupo de edad.
Las vacunas eficientes y seguras se consideran la mejor
herramienta para controlar la pandemia de COVID-19.
18. 06
Referencias Li, M., Zu, J., Zhang, Y., Ma, L., Shen, M., Li, Z., & Ji, F.
(2022). COVID-19 epidemic in New York City:
development of an age group-specific mathematical
model to predict the outcome of various vaccination
strategies. Virology Journal, 19(1).
https://doi.org/10.1186/s12985-022-01771-9.
