Académique Documents
Professionnel Documents
Culture Documents
[1]
para el perodo 2015-2020, adems se calcula la probabilidad de que una persona susceptible muera
a causa de la enfermedad dadas las condiciones particulares colombianas.
Metodologa
Una cadena de Markov es un proceso estocstico que cumple con la propiedad de prdida de la
memoria, es decir que el estado actual del sistema es independiente de su pasado. La cadena muestra
las probabilidades de encontrarse en un estado i, y luego de un perodo de tiempo determinado, estar
en el estado j. Gracias a esta caracterstica particular es posible a travs de este mtodo desarrollar
los pronsticos con la expansin de la ecuacin 1, donde V es un vector de incidencias iniciales, P la
matriz de transicin y n el nmero de perodos a analizar. Entonces es relevante comprender el
desarrollo de la enfermedad para as conocer cmo ser la transicin entre los diferentes estados del
sistema. As, se tiene que un sujeto cualquiera de la muestra (para este caso la poblacin colombiana)
se podr encontrar en uno y solo uno de los siguientes estados: sano (S - estado 0), infectado (I estado 1), enfermo (E - estado 2) y muerto (M - estado 3).
Pr = = 1, , 5
Ecuacin 1: Cantidad de sujetos en el tiempo n
El sujeto sano es aquel que no posee el virus del VIH, pero dada la situacin en la que se contagie
cambiar al estado siguiente que es infectado, es decir que es portador del virus de la inmunodeficiencia
humana. Con el pasar del tiempo la persona desarrollar la enfermedad del sida y posteriormente
morir a causa de esta. Lo descrito anteriormente es una adaptacin sencilla del modelo de estudio de
esta epidemia que permite conocer las diferentes etapas por las que una persona pasa una vez
adquiere el virus (Kaneene, 1993).
Ya conocidas las etapas de la enfermedad es posible determinar la transicin entre los diferentes
estados del sistema. La Figura 1 muestra la situacin descrita, que a su vez forma la base para la
elaboracin de la cadena de Markov a estudiar. Se observa que los estados S, I y E son estados
transitorios, puesto que una vez son abandonados no se puede regresar a ellos y por otro lado el estado
M es absorbente pues claramente no se puede salir de l una vez se ha establecido all.
P12
P11
P22
I
P23
P34
P44
M
P33
casos de VIH, sida y mortalidad a causa de la enfermedad. De tal manera, P12 (probabilidad de pasar
de estar sano a infectado) estara dado por los nuevos casos de infectados con el virus sobre el total
de la poblacin colombiana y para P11 sera el complemento probabilstico asociado (ya que la suma de
probabilidades para cada fila debe ser igual a 1), es decir 1-P12, las dems transiciones se igualan a
cero por las consideraciones del modelo referidas anteriormente. Ahora P23 se calcula como la cantidad
de nuevos casos encontrados de sida sobre el total de personas infectadas con VIH, puesto que solo
de all pueden provenir los que desarrollen la enfermedad y P22 se calcula como 1-P23. De manera
similar a las anteriores P34 est dada por la cantidad de personas que mueren a causa de la enfermedad
sobre el total de personas con sida y P33 es igual al complemento. Finalmente P44 es igual a 1, puesto
que este es un estado absorbente y no existe probabilidad de salir de l.
Es necesario aclarar respecto a las probabilidades de transicin que estas deben ser estacionarias, por
tanto no cambian a medida que transcurre el tiempo, por lo cual el modelo propuesto para el anlisis
de la enfermedad es vlido bajo los siguientes supuestos necesarios para garantizar tal condicin:
Por ltimo, las cadenas de Markov permiten conocer informacin importante acerca del sistema que se
est analizando, tales como tiempos de primera pasada, que es el tiempo esperado para que ocurra la
transicin del estado i al estado j, o la probabilidad de terminar en el estado absorbente. En el caso
estudiado interesa conocer el tiempo promedio de vida de una persona que ha desarrollado ya el sida
y la probabilidad de morir a causa de la enfermedad. Esta informacin se puede obtener a travs de
las ecuaciones 2 y 3 respectivamente.
= 1 +
Ecuacin 2: Tiempos de primera pasada
=
=0
Ecuacin 3: Probabilidad de absorcin
Resultados
Una vez se ha obtenido los datos correspondientes a la enfermedad se procede a realizar los pasos
mostrados en el apartado anterior. As se obtiene la cadena de Markov que representa el
comportamiento del VIH en Colombia. La Figura 2 muestra las probabilidades de transicin entre los
estados del sistema. Se observa, por ejemplo, que la probabilidad de estar sano y seguir igual en un
perodo de un ao es de 0.999896. Se establecen transiciones anuales , puesto que la informacin
recolectada se encuentra limitada en este marco temporal y tanto esta como aquella deben coincidir
para que tengan validez dentro de los anlisis realizados.
[3]
0.999896
0
= (
0.000104
0.992053
0
0
0
0
0.007947
0
)
0.923044 0.076956
0
1
As el tiempo promedio de vida sera 23 , es decir, el tiempo esperado de pasar del estado 2 al 3 (tener
sida y morir por tal causa). Entonces una persona infectada con VIH que ha desarrollado sida logra
vivir, en promedio, aproximadamente 13 aos. Adems la probabilidad de morir a causa de esta
enfermedad en Colombia es de aproximadamente el 3%, lo que es igual a tres muertes cada 100
habitantes.
Discusiones
De acuerdo con los resultados obtenidos, se evidencia entonces que si bien actualmente en Colombia
se encuentran implementados los tratamientos antirretrovirales de gran actividad (TARGA) an se
presentan situaciones alarmantes como puede apreciar en el caso de las muertes a causa de la
epidemia VIH/sida, en donde en un lapso de cinco aos se espera que las muertes por esta sean 4.4
veces mayores que en la actualidad. Sin embargo no todo es negativo, puesto que si se compara con
cifras pasadas, el tiempo de vida para las personas infectadas es mucho mayor, ya que incluso una
vez han llegado a la etapa del sida su esperanza de vida sera de 13 aos, lo que son aproximadamente
11 aos ms de lo que se esperaba anteriormente cuando apenas se estaba empezando a conocer la
enfermedad y los tratamientos existentes tenan poca efectividad sobre su control. Tambin es
necesario aclarar que el modelo presentado presenta limitaciones debido a los supuestos bajo los que
se encuentra regido, ya que si se presentar un cambio circunstancial en la manera en la cual la
enfermedad se est controlando, los resultados obtenidos podran alejarse de la realidad respecto a la
situacin de la enfermedad en Colombia.
Conclusiones
Si bien actualmente existen diversos tipos de mtodos para la realizacin de pronsticos en aspectos
de produccin, reproduccin, mortalidad entre otros, se debe reconocer que muchos se limitan a ofrecer
una informacin numrica que podran resultar de poca utilidad o limitada aplicabilidad, pues no solo
se requiere conocer el comportamiento de una nica variable, sino que se desea tambin conocer como
es su interaccin con otras variables relacionadas que alteran el comportamiento global del sistema de
estudio. Es entonces cuando se hace necesario incorporar mtodos ms dinmicos como las cadenas
de Markov, que adems de permitir conocer comportamientos futuros, brinda informacin que podra
ser de inters para el desarrollo, por ejemplo, de avances en la comprensin de epidemias que han
tenido fuerte impacto en la historia de la humanidad. Finalmente es posible establecer una conexin
entre las ciencias biolgicas y las matemticas, donde estas brindan informacin importante para que
aquellas puedan comprender ampliamente el comportamiento de las enfermedades enfocando
esfuerzos en la prevencin y posible erradicacin de los mismos.
Agradecimientos
Quiero agredecer especialmente la ayuda recibida por el profesor Antonio Hoyos de la Universidad de
Antioquia, quien estuvo al tanto del estudio realizado y aport su conocimiento en el rea de la
investigacin de operaciones para el artculo presente. Tambin agradezco a mis compaeras de
estudio Ana Ardila y Alison Builes que ayudaron en el proceso de la toma y depuracin de los datos
necesarios para este proyecto. Finalmente le doy las gracias al profesor Stiven Rios quien corrigi y
present sus sugerencias respecto a la redaccin y elaboracin de este trabajo. A todos ellos muchas
gracias.
[5]
Referencias
Basharin, G., Langville, A., & Naumov, V. (2004). The ife and work of A.A. Markov. Elsevier, 3-26.
Kaneene, J. (1993). The application of simulation models and systems analysis in Epidemiology: A review.
Preventive Veterinary Medicine, 81-99.
Lindsey, J. (2004). Statical analysis of stochastic processes in time. Cambridge University Press, 338.
Ministerio de Salud . (2013). Boletin epidemiolgico. Situacin del VIH/sida en Colombia 2013. Bogot: s.e.
Ocaa, R. (2009). Modelos de Markov aplicados a la investigacin en ciencias de la salud. Interciencia , 157162.
ONUSIDA. (09 de Mayo de 2015). unaids. Obtenido de http://www.unaids.org/es
Shumwey, R. (2011). Time series Analysis and its applications . New York: Springer.
Velez, H. (2006). Manual del VIH/sida y otras infecciones de transmisin sexual. Bogot: Corporacin para
Investigaciones Biolgicas.
[6]