Estudo de um modelo SIR com medidas de prevenção

através de uma abordagem numérica

Authors

  • Andrés D. B. Sánchez Universidade Tecnológica Federal do Paraná - UTFPR
  • Nara Bobko Universidade Tecnológica Federal do Paraná - UTFPR

DOI:

https://doi.org/10.5540/03.2025.011.01.0391

Keywords:

Epidemiologia Matemática, Modelo Compartimental, Comportamento Preventivo, Dinâmica Transiente

Abstract

Este trabalho apresenta, usando uma abordagem numérica, um estudo do modelo epidemiológico SIRp. O modelo SIRp é uma extensão do modelo SIR que incorpora à dinâmica o possível efeito do comportamento preventivo da população. No presente estudo são ilustradas numericamente algumas características de destaque do modelo SIRp. O modelo SIRp permite generalizar o modelo SIR, no que diz respeito às possibilidades de pontos de equilíbrio, mas também permite considerar uma gama mais ampla de pontos de equilíbrio e de comportamentos transitórios significativamente distintos. Também é explorado o fato de que, sob certas condições, o modelo SIRp permite a coexistência de diferentes pontos de equilíbrio localmente estáveis incluindo um ponto de equilíbrio estável livre de doença, mesmo numa situação em que a taxa básica de replicação (R0) excede o valor 1. Este estudo também considera algumas situações para ilustrar a influência das condições iniciais na determinação do comportamento a longo prazo.

Downloads

Download data is not yet available.

Author Biographies

Andrés D. B. Sánchez, Universidade Tecnológica Federal do Paraná - UTFPR

Pesquisador na área de modelos epidemiológicos.

Nara Bobko, Universidade Tecnológica Federal do Paraná - UTFPR

Pesquisadora na área de modelos epidemiológicos.

References

A. D. Báez-Sánchez e N. Bobko. “Effects of anti-infection behavior on the equilibrium states of an infectious disease.” Em: Advances in Mathematical Sciences & Applications 30.2 (2021). issn: 1343-4373.

C. T. Bauch. “Imitation dynamics predict vaccinating behaviour”. Em: Proceedings of the Royal Society B 272 (2005), pp. 1669–1675. doi: 10.1098/rspb.2005.3153.

C. Betsch. “How behavioural science data helps mitigate the COVID-19 crisis”. Em: Nature Human Behaviour (2020). doi: 10.1038/s41562-020-0866-1.

F. Brauer. “Mathematical epidemiology: Past, present, and future”. Em: Infect Dis Model 2.2 (2017), pp. 113–127. doi: 10.1016/j.idm.2017.02.001.

P. Crepey, H. Noël e S. Alizon. “Challenges for mathematical epidemiological modelling”. Em: Anaesthesia, Critical Care & Pain Medicine 41.2 (2022), p. 101053. doi: 10.1016/j.accpm.2022.101053.

S. Hsiang, D. Allen, S. Annan-Phan, K. Bell, I. Bolliger, T. Chong, H. Druckenmiller, L. Y. Huang, A. Hultgren, E. Krasovich, L. Peiley, L. Jaecheol, R. Esther, T. Jeanette e W. Tiffany. “The effect of large-scale anti-contagion policies on the COVID-19 pandemic”. Em: Nature 584.7820 (2020), pp. 262–267. doi: 10.1038/s41586-020-2404-8.

M. J. Keeling e P. Rohani. Modeling Infectious Diseases in Humans and Animals. Princeton University Press, 2011. isbn: 978-1-4008-4103-5.

P. Manfredi e A. d’Onofrio (Eds.). Modeling the Interplay Between Human Behavior and the Spread of Infectious Diseases. Springer, 2013. isbn: 978-1461454731.

J. W. Weibull. Evolutionary Game Theory. MIT Press, 1997. isbn: 0262731215.

Published

2025-01-20

Issue

Section

Trabalhos Completos