Académique Documents
Professionnel Documents
Culture Documents
Instituto Politécnico (IPRJ), Campus Regional da UERJ, Nova Friburgo/RJ, Brasil. 03-05 nov. 2010.
Associação Brasileira de Engenharia e Ciências Mecânicas – ABCM
Resumo. Um dos grandes problemas ao longo dos séculos tem sido o estudo da dinâmica de
sistemas complexos. Um importante exemplo de sistema complexo atualmente tratado é o
comportamento evolutivo de uma epidemia. Nesse trabalho descreveremos o comportamento
evolutivo de uma epidemia através de uma abordagem matemática clássica feita a partir das
equações diferenciais em paralelo com uma abordagem computacional realizada através da
simulação computacional deste sistema. A abordagem matemática é realizada através de um
sistema de equações diferenciais, enquanto a abordagem computacional se apoia na idéia de
redes complexas, utilizando assim uma rede regular para o modelo SEIR, proposto por
Kermack e McKendrick (MURRAY,2002), o qual descreve a propagação de doenças
infecciosas de transmissão direta via contato pessoa à pessoa. Os resultados obtidos mostram
que o caráter estocástico do modelo computacional não parece influenciar (interferir) no
comportamento evolutivo do sistema.
1. INTRODUÇÃO
realizada com a utilização da simulação de uma doença se propagando em uma rede regular
utilizando um modelo epidemiológico conhecido como SEIR. O modelo descreve a dinâmica
de evolução de uma epidemia em uma população dividida em quatro classes, (S) que são os
indivíduos susceptíveis, ou seja, pessoas que ainda não foram contaminados pela doença, (E)
são os indivíduos expostos a presença de pessoas infectadas pela doença, (I) são os indivíduos
infectadas ou hospedeiras da doença e a última classe (R) são os indivíduos recuperados da
infecção do vírus. Toma-se como exemplo para estudo a evolução da patologia conhecida
como influenza (gripe), a qual é uma doença infecciosa que afeta grande parte da população
mundial.
A rede, como foi mencionada, é uma rede conhecida como rede regular e quadrada onde
os nós representam agrupamentos de indivíduos, e suas conexões representam os possíveis
“caminhos” pelos quais um indivíduo pode migrar. Em analogia com uma cidade, um nó da
rede regular representaria uma localidade (bairro, por exemplo) e suas conexões, as ruas e/ou
avenidas.
No processo de simulação, uma localidade e suas conexões com as localidades vizinhas
e cada nó obtêm uma quantidade populacional constante ao inicio do processo, como parte de
uma das classes dos modelos citados acima. Na rede regular as conexões são distribuídas
somente entre os vizinhos topológicos de cada vértice. Na figura 1 temos um exemplo de uma
rede regular quadrada com 25 nós e 50 arestas, onde cada nó está ligado com seus quatro
vizinhos mais próximos.
2. MODELOS MATEMÁTICOS
O modelo baseado nas hipóteses anteriores pode ser descrito da seguinte forma:
dS t
dt S t I t
dI t
S t I t I t (1)
dt
dRt I t
dt
dS t dI t dRt
0 S t I t Rt N cte (2)
dt dt dt
dI t
Epidemia I t cresce 0 (4)
dt
logo
dI t
S t I t I t S t I t 0 t 0 (5)
dt
S t
R0 (6)
dS t
dt E t I t Rt I t S t I t
dE t S t I t I t Rt E t
dt
(7)
dI t E t I t
dt
dRt
I t I t Rt
dt
Onde é a taxa de morte natural, é a taxa de morte causada pela a doença e o é a taxa
com que um indivíduo recuperado se torne exposto. De forma análoga ao modelo SIR, tem-se
que: S t E t I t R t N , então como se pode ver em Li (1999), o sistema de EDO
pode ser reduzido a:
XIII Encontro de modelagem Computacional
Instituto Politécnico (IPRJ), Campus Regional da UERJ, Nova Friburgo/RJ, Brasil. 03-05 nov. 2010.
Associação Brasileira de Engenharia e Ciências Mecânicas – ABCM
dS t
dt S t I t S t I t
dE t
S t I t I t I t S t I t E t I 2 t E t (8)
dt
dI t
dt E t I t
INÍCIO
Tpop Total ind. da população
Odeme Ordem da rede
, , γ,σ, δ, µ parâmetros
dias Iterações (dias)
iter 0.
Cria nós da rede (Odeme2 ) e arestas..
Inicializa suscetíveis, infectados e expostos.
Enquanto (iter < dias) Faça
Migração aleatória de indivíduos.
Transforma indivíduos (S) em (E).
Transforma indivíduos (E) em (I).
Transforma indivíduos (I) em (R).
Transforma indivíduos (R) em (E).
Transforma indivíduos (I) em (D).
iter iter + 1
Fim Enquanto
Exibe (susceptíveis, infectados, recuperados)
FIM
4. SIMULAÇÃO
12000 Pop.Total
Suscetíveis
Expostos
10000
Infectados
Recup.
8000 Inf. Mortos
Indivíduos
6000
4000
2000
0
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tempo (dias)
Figura 5 – Evolução patológica com migração (seed=52642876).
XIII Encontro de modelagem Computacional
Instituto Politécnico (IPRJ), Campus Regional da UERJ, Nova Friburgo/RJ, Brasil. 03-05 nov. 2010.
Associação Brasileira de Engenharia e Ciências Mecânicas – ABCM
12000 Pop.Total
Suscetíveis
10000 Expostos
Infectados
Recup.
8000 Inf. Mortos
Indivíduos
6000
4000
2000
0
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tempo (dias)
Figura 6 – Evolução patológica com migração (seed=61548624).
Outra característica que pode ser observada nos experimentos é quanto ao número de
indivíduos recuperados da infecção causada pela patologia, que dos resultados obtidos mostra
que no primeiro experimento o número de indivíduos recuperados não atinge o número de
XIII Encontro de modelagem Computacional
Instituto Politécnico (IPRJ), Campus Regional da UERJ, Nova Friburgo/RJ, Brasil. 03-05 nov. 2010.
Associação Brasileira de Engenharia e Ciências Mecânicas – ABCM
12000
Pop.Total
Suscetíveis
10000 Expostos
Infectados
Recup.
8000 Inf. Mortos
Indivíduos
6000
4000
2000
0
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Tempo (dias)
Figura 7 – Evolução patológica sem migração (seed=61548624).
5. CONCLUSÃO
Agradecimentos
Os autores Barbosa N. M. e Souza Lima Jr., C.A. agradecem a Fundação Carlos Chagas
Filho de Apoio e Amparo à Pesquisa do Estado do Rio de Janeiro (FAPERJ) e Coordenação
de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pelo suporte financeiro.
XIII Encontro de modelagem Computacional
Instituto Politécnico (IPRJ), Campus Regional da UERJ, Nova Friburgo/RJ, Brasil. 03-05 nov. 2010.
Associação Brasileira de Engenharia e Ciências Mecânicas – ABCM
REFERÊNCIAS
Abstract. A major problem over the centuries has been studying the dynamics of complex
systems. An important example of complex system is currently treated the evolutionary
behavior of an epidemic. In this paper we will describe the evolutionary behavior of an
epidemic through a classical mathematical approach made from the differential equations in
parallel with a computational approach performed through computer simulation of this
system. The mathematical approach is performed through a system of differential equations,
while the computational approach is based on the idea of complex networks, thus using a
regular network for the SEIR model proposed by Kermack and McKendrick (Murray, 2002),
which describes the spread of infectious disease transmission via direct contact person to
person. The results show that the stochastic character of the computer model does not seem to
influence (interfere) in the evolutionary behavior of the system.