se ha leído el artículo
array:24 [ "pii" => "S032575412100078X" "issn" => "03257541" "doi" => "10.1016/j.ram.2021.04.004" "estado" => "S300" "fechaPublicacion" => "2022-04-01" "aid" => "470" "copyright" => "Asociación Argentina de Microbiología" "copyrightAnyo" => "2021" "documento" => "article" "crossmark" => 1 "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/" "subdocumento" => "fla" "cita" => "Rev Argent Microbiol. 2022;54:81-94" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "itemSiguiente" => array:19 [ "pii" => "S032575412100050X" "issn" => "03257541" "doi" => "10.1016/j.ram.2021.03.002" "estado" => "S300" "fechaPublicacion" => "2022-04-01" "aid" => "460" "copyright" => "Asociación Argentina de Microbiología" "documento" => "article" "crossmark" => 1 "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/" "subdocumento" => "fla" "cita" => "Rev Argent Microbiol. 2022;54:95-9" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "en" => array:14 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Brief report</span>" "titulo" => "Improvement of the enrichment used in the EMJH medium (Ellinghausen–McCullough–Johnson–Harris) for the cultivation of <span class="elsevierStyleItalic">Leptospira</span> spp." "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:3 [ 0 => "en" 1 => "en" 2 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "95" "paginaFinal" => "99" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Mejora del enriquecimiento utilizado en el medio Ellinghausen-McCullough-Johnson-Harris (EMJH) para el cultivo de <span class="elsevierStyleItalic">Leptospira</span> spp." ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figure 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 538 "Ancho" => 1255 "Tamanyo" => 143072 ] ] "descripcion" => array:1 [ "en" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Leptospira <span class="elsevierStyleItalic">interrogans</span> serovar Autumnalis grown in EMJH with adapted enrichment (A), and original enrichment (B), after 4 days of incubation. Red arrow indicates cells with a spirochete shape. Dark field microscopy – 20×.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Israel Barbosa Guedes, Gisele Oliveira de Souza, Juliana Fernandes de Paula Castro, Matheus Burilli Cavalini, Antônio Francisco de Souza Filho, Juliana Aizawa, Adriana Cortez, Marcos Bryan Heinemann" "autores" => array:8 [ 0 => array:2 [ "nombre" => "Israel Barbosa" "apellidos" => "Guedes" ] 1 => array:2 [ "nombre" => "Gisele Oliveira de" "apellidos" => "Souza" ] 2 => array:2 [ "nombre" => "Juliana Fernandes de Paula" "apellidos" => "Castro" ] 3 => array:2 [ "nombre" => "Matheus Burilli" "apellidos" => "Cavalini" ] 4 => array:2 [ "nombre" => "Antônio Francisco de Souza" "apellidos" => "Filho" ] 5 => array:2 [ "nombre" => "Juliana" "apellidos" => "Aizawa" ] 6 => array:2 [ "nombre" => "Adriana" "apellidos" => "Cortez" ] 7 => array:2 [ "nombre" => "Marcos Bryan" "apellidos" => "Heinemann" ] ] ] ] "resumen" => array:1 [ 0 => array:3 [ "titulo" => "Highlights" "clase" => "author-highlights" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">•</span><p id="par0005" class="elsevierStylePara elsevierViewall">The original formulation of the EMJH medium enrichment was adapted.</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">•</span><p id="par0010" class="elsevierStylePara elsevierViewall">This improved enrichment was efficient in the cultivation of <span class="elsevierStyleItalic">Leptospira</span> spp.</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">•</span><p id="par0015" class="elsevierStylePara elsevierViewall">Other laboratories can use this enrichment in their routines.</p></li></ul></p></span>" ] ] ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S032575412100050X?idApp=UINPBA00004N" "url" => "/03257541/0000005400000002/v2_202206160255/S032575412100050X/v2_202206160255/en/main.assets" ] "itemAnterior" => array:19 [ "pii" => "S0325754121000766" "issn" => "03257541" "doi" => "10.1016/j.ram.2021.06.001" "estado" => "S300" "fechaPublicacion" => "2022-04-01" "aid" => "468" "copyright" => "Asociación Argentina de Microbiología" "documento" => "article" "crossmark" => 1 "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/" "subdocumento" => "fla" "cita" => "Rev Argent Microbiol. 2022;54:74-80" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "en" => array:14 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original article</span>" "titulo" => "<span class="elsevierStyleItalic">Campylobacter fetus</span> releases S-layered and immunoreactive outer membrane vesicles" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:4 [ 0 => "en" 1 => "en" 2 => "en" 3 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "74" "paginaFinal" => "80" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "<span class="elsevierStyleItalic">Campylobacter fetus</span> secreta vesículas de membrana externa inmunorreactivas que conservan la capa S" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0025" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 515 "Ancho" => 1333 "Tamanyo" => 53066 ] ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Pablo Farace, Silvio Cravero, Catalina Taibo, Julián Diodati, Claudia Morsella, Fernando Paolicchi, Julia Sabio y García, Andrea Gioffré" "autores" => array:8 [ 0 => array:2 [ "nombre" => "Pablo" "apellidos" => "Farace" ] 1 => array:2 [ "nombre" => "Silvio" "apellidos" => "Cravero" ] 2 => array:2 [ "nombre" => "Catalina" "apellidos" => "Taibo" ] 3 => array:2 [ "nombre" => "Julián" "apellidos" => "Diodati" ] 4 => array:2 [ "nombre" => "Claudia" "apellidos" => "Morsella" ] 5 => array:2 [ "nombre" => "Fernando" "apellidos" => "Paolicchi" ] 6 => array:2 [ "nombre" => "Julia" "apellidos" => "Sabio y García" ] 7 => array:2 [ "nombre" => "Andrea" "apellidos" => "Gioffré" ] ] ] ] "resumen" => array:2 [ 0 => array:3 [ "titulo" => "Graphical abstract" "clase" => "graphical" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0025"></elsevierMultimedia></p></span>" ] 1 => array:3 [ "titulo" => "Highlights" "clase" => "author-highlights" "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall"><ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">•</span><p id="par0005" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Campylobacter fetus</span> produces spontaneously outer membrane vesicles <span class="elsevierStyleItalic">in vitro</span>.</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">•</span><p id="par0010" class="elsevierStylePara elsevierViewall">S-layer is preserved on the surface of the outer membrane vesicles of <span class="elsevierStyleItalic">C. fetus</span>.</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">•</span><p id="par0015" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">C. fetus</span>-outer membrane vesicles are antigenic structures that could modulate the immune response.</p></li><li class="elsevierStyleListItem" id="lsti0020"><span class="elsevierStyleLabel">•</span><p id="par0020" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">C. fetus</span>-outer membrane vesicles can be considered as good candidates for vaccine design.</p></li></ul></p></span>" ] ] ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0325754121000766?idApp=UINPBA00004N" "url" => "/03257541/0000005400000002/v2_202206160255/S0325754121000766/v2_202206160255/en/main.assets" ] "es" => array:22 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">ORIGINAL</span>" "titulo" => "Evaluación de intervenciones durante la pandemia COVID-19: desarrollo de un modelo basado en subpoblaciones con distintas tasas de contacto" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "81" "paginaFinal" => "94" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "Nicolás Morando, Mauricio Sanfilippo, Francisco Herrero, Matías Iturburu, Ariel Torti, Daniel Gutson, María A. Pando, Roberto Daniel Rabinovich" "autores" => array:8 [ 0 => array:3 [ "nombre" => "Nicolás" "apellidos" => "Morando" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 1 => array:3 [ "nombre" => "Mauricio" "apellidos" => "Sanfilippo" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 2 => array:3 [ "nombre" => "Francisco" "apellidos" => "Herrero" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 3 => array:3 [ "nombre" => "Matías" "apellidos" => "Iturburu" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 4 => array:3 [ "nombre" => "Ariel" "apellidos" => "Torti" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 5 => array:3 [ "nombre" => "Daniel" "apellidos" => "Gutson" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 6 => array:4 [ "nombre" => "María A." "apellidos" => "Pando" "email" => array:1 [ 0 => "mpando@fmed.uba.ar" ] "referencia" => array:2 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 7 => array:3 [ "nombre" => "Roberto Daniel" "apellidos" => "Rabinovich" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] ] "afiliaciones" => array:2 [ 0 => array:3 [ "entidad" => "CONICET-Universidad de Buenos Aires. Instituto de Investigaciones Biomédicas en Retrovirus y Sida (INBIRS), Buenos Aires, Argentina" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Fundación para el Desarrollo de la Programación en Acidos Nucleicos (FuDePAN), Córdoba, Argentina" "etiqueta" => "b" "identificador" => "aff0010" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Evaluation of interventions during the COVID-19 pandemic: development of a model based on subpopulations with different contact rates" ] ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0020" "etiqueta" => "Figura 4" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr4.jpeg" "Alto" => 1767 "Ancho" => 1675 "Tamanyo" => 188910 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Ajuste del modelo SEIR-HL a los datos reportados de nuevas infecciones de COVID-19 en Argentina. (A) «Cuarentena + relajamiento»: modelo ajustado en tres secciones: 09/03/2020-19/03/2020 (una población, <span class="elsevierStyleItalic">C</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>20), 20/03/2020-10/05/2020 (dos subpoblaciones: 75% con , 25% con ), 11/05/2020-22/06/2020 (dos subpoblaciones: 75% con <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2, 34, 25% con <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2, 85). «Cuarentena»: modelo ajustado en dos secciones: 09/03/2020-19/03/2020 (una población, ), 20/03/2020-10/05/2020 (dos subpoblaciones: 75% con <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 5, 25% con ), se extrapolaron las nuevas infecciones para el período del 11/05/2020-22/06/2020 suponiendo que la población mantenía los parámetros del segundo ajuste. (B) Se presentan los mismos modelos ajustados que en A, junto con el modelo «Sin cuarentena» (modelo ajustado para el período 09/03/2020-19/03/2020 (una población, ) y extrapolado para el período 20/03/2020-22/06/2020 suponiendo que la población mantenía los parámetros de este ajuste. Parámetros fijos: , y ). El eje vertical se muestra en escala logarítmica para facilitar la comparación.</p>" ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">Introducción</span><p id="par0415" class="elsevierStylePara elsevierViewall">En diciembre de 2019 se registró en la ciudad de Wuhan, provincia de Hubei, China, un brote de neumonía de etiología desconocida. Rápidamente se logró identificar como el agente causal a un nuevo betacoronavirus, posteriormente nombrado SARS-CoV-2<a class="elsevierStyleCrossRef" href="#bib0440"><span class="elsevierStyleSup">47</span></a>, en tanto la enfermedad causada por este nuevo virus se denominó COVID-19. Hasta el 6 de diciembre de 2020, se han reportado 66.818.756 casos de COVID-19 y 1.533.018 muertes por COVID-19 en 191 países y territorios. En Argentina se han reportado 1.459.832 casos y 39.632 muertes por COVID-19<a class="elsevierStyleCrossRef" href="#bib0250"><span class="elsevierStyleSup">6</span></a>.</p><p id="par0035" class="elsevierStylePara elsevierViewall">El SARS-CoV-2 está estrechamente emparentado con los virus responsables de la epidemia de SARS (síndrome respiratorio agudo severo), ocurrida en los años 2002-2004, y la epidemia de MERS (síndrome respiratorio del Medio Oriente), reportada por primera vez en Arabia Saudita en 2012<a class="elsevierStyleCrossRefs" href="#bib0255"><span class="elsevierStyleSup">7,23,44,46</span></a>. Los síntomas y signos más comunes de COVID-19 al inicio de la enfermedad son fiebre, tos seca, fatiga, mialgia, anosmia y ageusia; otros síntomas menos comunes incluyen disnea, producción de esputo, cefalea, hemoptisis y diarrea. El síndrome de dificultad respiratoria aguda constituye la complicación más común<a class="elsevierStyleCrossRefs" href="#bib0235"><span class="elsevierStyleSup">3,8,15,40</span></a>. Se estima que alrededor del 80% de los casos presentan enfermedad leve, si bien la tasa de letalidad general es del 2,3%, esta asciende al 8% en individuos de 70 a 79 años y al 14,8% en mayores de 80 años<a class="elsevierStyleCrossRef" href="#bib0420"><span class="elsevierStyleSup">43</span></a>.</p><p id="par0040" class="elsevierStylePara elsevierViewall">Los países de ingresos medios y bajos son particularmente vulnerables frente a la pandemia de COVID-19, debido a los desafíos económicos y logísticos que supone aumentar la capacidad del sistema de salud<a class="elsevierStyleCrossRef" href="#bib0485"><span class="elsevierStyleSup">39</span></a>. Es por esto que muchos de estos países han recurrido a medidas de distanciamiento social en gran escala, con el objetivo de reducir la morbilidad causada por COVID-19 y la consecuente demanda de recursos sanitarios, y de darle tiempo al sistema de salud para adaptarse<a class="elsevierStyleCrossRef" href="#bib0475"><span class="elsevierStyleSup">32</span></a>.</p><p id="par0045" class="elsevierStylePara elsevierViewall">Se han realizado numerosos intentos de modelar la evolución de la pandemia de COVID-19. La mayoría de estos esfuerzos estuvieron dirigidos al desarrollo de un modelo matemático, al ajuste de los parámetros del modelo utilizando datos reales recolectados a nivel nacional, regional o global durante un período de tiempo determinado (a partir de reportes de número de casos confirmados, número de fallecimientos, información de movilidad a partir de datos de teléfonos móviles, etc.) y, sobre la base de dicha información, intentar predecir cualitativamente el curso de la pandemia y el efecto sobre esta de distintos tipos de intervenciones<a class="elsevierStyleCrossRefs" href="#bib0225"><span class="elsevierStyleSup">1,12,31,38</span></a>. Si bien estos modelos proveen información muy útil, suelen estar diseñados para propósitos muy acotados temporal y geográficamente. Por otro lado, su uso puede ser engorroso para personas sin conocimiento técnico complejo.</p><p id="par0050" class="elsevierStylePara elsevierViewall">Rainisch et al.<a class="elsevierStyleCrossRef" href="#bib0475"><span class="elsevierStyleSup">32</span></a> notaron esta deficiencia y desarrollaron una herramienta más amigable para estimar el impacto futuro de la pandemia de COVID-19 sobre la demanda de recursos sanitarios en jurisdicciones de interés y para examinar los costos y beneficios de diferentes estrategias de intervención. Dicha herramienta se basó en el modelo SEIR, separando el compartimento R (removidos) en individuos recuperados y fallecidos, y utilizando dos tasas de letalidad, una menor cuando el sistema de salud tiene la capacidad de tratar a todos los infectados, y una mayor cuando el número de infectados activos supera esta capacidad. El programa considera cinco estrategias de intervención, desde el simple aislamiento de casos hasta la cuarentena total; el efecto de cada estrategia sobre la evolución de la pandemia es introducido en el modelo mediante la reducción del valor del número básico de reproducción (<span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>), según porcentajes basados en reportes previos. Para cada escenario (que puede incluir la combinación secuencial de las distintas estrategias), la herramienta estima el número de infectados y hospitalizados, y la demanda de camas comunes, camas de terapia intensiva y de ventiladores, entre otros factores, a distintos tiempos. Si bien se trata de una herramienta valiosa, presenta dos limitaciones: la simpleza del modelo en que se basa y el número limitado de intervenciones que permite modelar.</p><p id="par0055" class="elsevierStylePara elsevierViewall">El objetivo de este trabajo fue desarrollar una herramienta accesible que permita estimar y comparar el efecto de distintas intervenciones dirigidas a limitar la propagación del SARS-CoV-2 en poblaciones determinadas. Entendemos el término «intervención» como cualquier medida o indicación de salud pública tendiente a modificar el curso natural de la pandemia. Al igual que Rainisch et al.<a class="elsevierStyleCrossRef" href="#bib0475"><span class="elsevierStyleSup">32</span></a>, partimos de un modelo SEIR modificado, al cual denominamos SEIR-HL. Sin embargo, nuestro modelo presenta ciertas ventajas por sobre el de los autores citados. En primer lugar, a diferencia de la mayoría de los modelos propuestos hasta el momento, con unas pocas excepciones<a class="elsevierStyleCrossRefs" href="#bib0330"><span class="elsevierStyleSup">22,31,34</span></a>, nuestro modelo no asume mezcla homogénea y permite clasificar a los individuos en subpoblaciones según sus tasas de contacto, pues considera que el concepto de mezcla homogénea es poco aplicable a poblaciones que se encuentran bajo diversas medidas de distanciamiento social. Por otro lado, la herramienta que se ofrece aquí no limita el número o tipo de intervenciones que se pueden simular, ya que le permite al usuario implementar las intervenciones que desee mediante la manipulación del número de individuos dentro de una subpoblación o de la tasa de contactos de una subpoblación. Finalmente, esta aplicación permite, además, estimar el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>, considerando no solo la presencia de varias subpoblaciones con distintas tasas de contacto, sino también la discriminación de estas tasas de contacto según distintos tipos o contextos de contagio, a fin de proveer una herramienta práctica al momento de optar entre distintas intervenciones posibles.</p><p id="par0060" class="elsevierStylePara elsevierViewall">Se ha demostrado que la intensidad de interacciones entre personas determina la transmisibilidad de enfermedades infecciosas y, en consecuencia, la efectividad de muchas intervenciones sanitarias. El conocimiento de la heterogeneidad en redes de contactos puede determinar si un patógeno se vuelve epidémico o endémico, ejercer presión selectiva para disminuir la virulencia del patógeno o determinar qué intervenciones pueden conducir a su mitigación o eliminación. Si bien los modelos que asumen mezcla homogénea son aptos para responder ciertos interrogantes, la incorporación de datos de contactos es necesaria para determinar la eficiencia de las intervenciones que tienen como blanco específico ciertas redes sociales<a class="elsevierStyleCrossRefs" href="#bib0290"><span class="elsevierStyleSup">14,28</span></a>. En particular, en el caso del SARS-CoV-2, se ha demostrado la relación entre ocupaciones con distintos grados de exposición y probabilidad de contagio<a class="elsevierStyleCrossRefs" href="#bib0230"><span class="elsevierStyleSup">2,11,20</span></a>. Dado esto, el modelo epidemiológico y la aplicación presentados aquí pueden ser de utilidad para la toma de decisiones en el contexto de la pandemia de COVID-19.</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Metodología</span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Antecedentes</span><p id="par0065" class="elsevierStylePara elsevierViewall">Uno de los modelos matemáticos más utilizados para representar epidemias se conoce como SIR<a class="elsevierStyleCrossRef" href="#bib0310"><span class="elsevierStyleSup">18</span></a>. Se trata de un modelo compartimental, ya que divide a la población en tres compartimentos homogéneos: <span class="elsevierStyleBold">S</span> (susceptibles), <span class="elsevierStyleBold">I</span> (infectados) y <span class="elsevierStyleBold">R</span> (resistentes), de manera que el tamaño de la población es <span class="elsevierStyleItalic">N</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">S</span><span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">I</span><span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">R</span>. La <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a> muestra el flujo entre estos compartimentos. Se asume que se trata de una población sin demografía, es decir, sin natalidad ni mortalidad basal, y que no hay movimiento de individuos hacia fuera ni hacia dentro de la población, por lo que el tamaño poblacional se mantiene constante.</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0070" class="elsevierStylePara elsevierViewall">Según el modelo SIR, un individuo solo puede pasar de un estado <span class="elsevierStyleBold">susceptible</span> (no infectado, <span class="elsevierStyleItalic">capaz</span> de infectarse) a un estado <span class="elsevierStyleBold">infectado</span>-infeccioso, y de un estado infectado-infeccioso a uno <span class="elsevierStyleBold">resistente</span> (no infectado, <span class="elsevierStyleItalic">incapaz</span> de infectarse). La categoría de «resistente» incluye a aquellos individuos que están inmunizados contra la infección y, según el uso que se desee hacer del modelo, puede incluir también a los individuos fallecidos (en este caso, se suele hablar de individuos «removidos» del sistema, ya que los individuos inmunizados, recuperados y fallecidos no contribuirían a la diseminación de la infección).</p><p id="par0075" class="elsevierStylePara elsevierViewall">Como se muestra en la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>, el modelo SIR se expresa mediante tres ecuaciones diferenciales ordinarias que muestran cómo varían <span class="elsevierStyleItalic">S</span>, <span class="elsevierStyleItalic">I</span> y <span class="elsevierStyleItalic">R</span> en el tiempo. En este modelo, el número de infectados crece por contacto entre personas infectadas y susceptibles. El número de individuos dentro de cada compartimento es una variable dinámica, es decir que varía con el tiempo, y, por lo tanto, estas variables pueden expresarse como funciones del tiempo: S(t), I(t), R(t). Sin embargo, a fin de facilitar la lectura, se ha simplificado la notación: S, I, R.</p><p id="par0080" class="elsevierStylePara elsevierViewall">En el modelo SIR hay dos parámetros a considerar: la <span class="elsevierStyleBold">tasa de contactos efectivos (β)</span>, que representa el número promedio de contactos en los que hay transmisión efectiva de la enfermedad, por unidad de tiempo; y la <span class="elsevierStyleBold">tasa de recuperación (γ)</span>, de manera que el período medio de recuperación es 1/γ. Esta «tasa de recuperación» contempla tanto la recuperación como la mortalidad.</p><p id="par0085" class="elsevierStylePara elsevierViewall">Un desarrollo posterior del modelo SIR incluye un estadio adicional que corresponde a la categoría de expuesto (E), y se refiere a individuos que ya han estado en contacto efectivo con infectados, pero aún no tienen la capacidad de infectar a un individuo susceptible. Este modelo es conocido como SEIR y constituye la base del modelo empleado en este trabajo.</p><p id="par0090" class="elsevierStylePara elsevierViewall">En este modelo, las categorías «expuesto» (E) e «infectado» (I) no se corresponden al uso habitual de estos términos. Los individuos de la categoría E ya son portadores del agente infeccioso y se transforman en infectados (I) cuando pueden infectar a sus contactos. En otras palabras, el compartimento <span class="elsevierStyleBold">E</span> corresponde, en realidad, a individuos <span class="elsevierStyleBold">infectados, pero no infecciosos</span>, mientras que los individuos del compartimento <span class="elsevierStyleBold">I</span> son <span class="elsevierStyleBold">infectados e infecciosos</span>. El número de infectados crece porque los expuestos adquieren luego de un cierto período de tiempo (el período de incubación) el carácter de infeccioso. Por lo tanto, además de la tasa de contactos efectivos y la tasa de recuperación, en el modelo SEIR hay un parámetro más a considerar: la <span class="elsevierStyleBold">tasa de incubación (σ)</span>, de forma que 1/σ es el período medio de incubación.</p><p id="par0095" class="elsevierStylePara elsevierViewall">En el modelo SIR, la tasa de contactos efectivos y la tasa de recuperación permiten calcular el parámetro conocido como <span class="elsevierStyleBold">número básico de reproducción</span> (<span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>) mediante la ecuación (1):<elsevierMultimedia ident="eq0005"></elsevierMultimedia></p><p id="par0100" class="elsevierStylePara elsevierViewall">donde R<span class="elsevierStyleInf">0</span> representa el número promedio de nuevos infectados (infecciones secundarias) producidos por un infectado durante todo el periodo infectivo en una población totalmente susceptible. Se trata de uno de los indicadores más importantes en epidemiología: un <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> menor que 1 indica que la infección <span class="elsevierStyleBold">no</span> será capaz de generar una epidemia en la población en cuestión, mientras que un valor mayor que 1 indica que sí lo será (en este caso, se considera que la epidemia será más difícil de controlar mientras mayor sea el valor de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>). El número básico de reproducción no depende exclusivamente del patógeno, sino que refleja también características de la población en estudio. Estas características incluyen, entre otras, el grado de mezcla o interacción entre los individuos que conforman la población<span class="elsevierStyleItalic">.</span> La ecuación (1) también puede aplicarse al modelo SEIR de manera aproximada, siempre y cuando se asuma que el período de incubación es mucho menor que la expectativa de vida media<a class="elsevierStyleCrossRef" href="#bib0305"><span class="elsevierStyleSup">17</span></a>.</p><p id="par0105" class="elsevierStylePara elsevierViewall">El número de reproducción efectiva (<span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">t</span></span> o Rt), esto es, el número de infecciones secundarias que genera cada individuo infeccioso en un tiempo determinado, puede estimarse como <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> multiplicado por la fracción de individuos susceptibles (S/N)<a class="elsevierStyleCrossRef" href="#bib0480"><span class="elsevierStyleSup">33</span></a>.</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Desarrollo del modelo epidemiológico</span><p id="par0110" class="elsevierStylePara elsevierViewall">En los modelos previamente desarrollados no se consideran diferencias entre los individuos según su capacidad de contactarse con otros, es decir, se asume que todos los individuos tienen una tasa promedio de contactos similar. Esta suposición se aleja de la situación real bajo un contexto de cuarentena, aislamiento o distanciamiento social, como el impuesto en Argentina desde el 20 de marzo de 2020 hasta la actualidad (23 de julio de 2020), así como en otros países. El modelo aquí propuesto, SEIR-HL, busca una mejor aproximación a la situación real actual considerando la existencia de una población con dos tipos de individuos: los que tienen una gran cantidad de contactos y los que tienen una cantidad pequeña de contactos. Este modelo puede emplearse para representar una variedad de situaciones: individuos en aislamiento social, preventivo y obligatorio vs. individuos que trabajan en actividades y servicios esenciales<a class="elsevierStyleCrossRef" href="#bib0240"><span class="elsevierStyleSup">4</span></a>, individuos que se desempeñan en atención al público vs. individuos que no lo hacen, usuarios de transporte público vs. no usuarios de transporte público, etc.</p><p id="par0115" class="elsevierStylePara elsevierViewall">A fin de simplificar el análisis se supuso que existen solo dos tipos de ocupaciones: aquellas que implican un alto número de contactos (<span class="elsevierStyleItalic">H</span>) y aquellas que implican un bajo número de contactos (<span class="elsevierStyleItalic">L</span>), siendo <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> las tasas de contacto, es decir, el número promedio de contactos por individuo por unidad de tiempo.</p><p id="par0120" class="elsevierStylePara elsevierViewall">Como muestra la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>, se divide a cada compartimento original del modelo SEIR en dos subpoblaciones: una con una tasa de contacto <span class="elsevierStyleItalic">H</span> (<span class="elsevierStyleItalic">S</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>, <span class="elsevierStyleItalic">E</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>, <span class="elsevierStyleItalic">I</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>, <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>) y otra con una tasa de contacto <span class="elsevierStyleItalic">L</span> (<span class="elsevierStyleItalic">S</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>, <span class="elsevierStyleItalic">E</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>, <span class="elsevierStyleItalic">I</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>, <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>), con <span class="elsevierStyleItalic">H</span> mayor que <span class="elsevierStyleItalic">L</span>. Se asume que cada individuo mantiene la misma tasa de contactos durante todo el período analizado, es decir que un individuo de la subpoblación <span class="elsevierStyleItalic">H</span> no puede pasar a la subpoblación <span class="elsevierStyleItalic">L</span>, ni viceversa. Sin embargo, un individuo susceptible de cualquier subpoblación (<span class="elsevierStyleItalic">S</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span> o <span class="elsevierStyleItalic">S</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>) puede interactuar con un individuo infectado de cualquier subpoblación (<span class="elsevierStyleItalic">I</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span> o <span class="elsevierStyleItalic">I</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>).</p><p id="par0125" class="elsevierStylePara elsevierViewall">Las constantes asociadas a la tasa de recuperación (<span class="elsevierStyleItalic">γ</span>) y la tasa de incubación (<span class="elsevierStyleItalic">σ</span>) son las mismas para las subpoblaciones <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span>. Sin embargo, la tasa de contactos efectivos (<span class="elsevierStyleItalic">β</span>) es distinta. Esta puede expresarse como el <span class="elsevierStyleBold">riesgo de transmisión por contacto (<span class="elsevierStyleItalic">p</span>)</span>, es decir, la probabilidad de que un contacto entre un individuo infectado y un individuo susceptible derive en una transmisión efectiva, multiplicada por la <span class="elsevierStyleBold">tasa de contacto (<span class="elsevierStyleItalic">c</span>)</span><a class="elsevierStyleCrossRef" href="#bib0270"><span class="elsevierStyleSup">10</span></a>:<elsevierMultimedia ident="eq0010"></elsevierMultimedia></p><p id="par0130" class="elsevierStylePara elsevierViewall">Dado que en el modelo SEIR-HL hay un conjunto de la población para el cual <span class="elsevierStyleItalic">c</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">H</span> y otro para el cual <span class="elsevierStyleItalic">c</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">L</span>, con el mismo riesgo de transmisión por contacto, <span class="elsevierStyleItalic">β</span> será mayor para el primer conjunto que para el segundo.</p><p id="par0135" class="elsevierStylePara elsevierViewall">El número total de contactos en la población por unidad de tiempo será:<elsevierMultimedia ident="eq0015"></elsevierMultimedia></p><p id="par0140" class="elsevierStylePara elsevierViewall">donde <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span> es el número de individuos con una tasa de contacto <span class="elsevierStyleItalic">H</span>, y <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span> es el número de individuos con una tasa de contacto <span class="elsevierStyleItalic">L</span>, de forma que <span class="elsevierStyleItalic">N</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span><span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>. Dado que se parte de la suposición de que cada individuo mantiene siempre la misma tasa de contacto, <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span> y <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span> deberían ser constantes.</p><p id="par0145" class="elsevierStylePara elsevierViewall">Tomando en cuenta estas consideraciones se genera una serie de seis ecuaciones diferenciales similares a las de SEIR, pero donde se discriminan los grupos de individuos según la tasa de contacto (<a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>).</p><p id="par0150" class="elsevierStylePara elsevierViewall">El número básico de reproducción <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> también puede ser expresado en términos del riesgo de transmisión y la tasa de contacto. Para el caso general de una población con una distribución no trivial de tasas de contacto, puede expresarse mediante la ecuación (4):<elsevierMultimedia ident="eq0020"></elsevierMultimedia></p><p id="par0155" class="elsevierStylePara elsevierViewall">donde <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">c</span></span> representa el número de individuos que tienen una tasa de contacto <span class="elsevierStyleItalic">c</span> (si en una subpoblación hay individuos resistentes, se considera que estos tienen una tasa de contacto igual a 0).</p><p id="par0160" class="elsevierStylePara elsevierViewall">En el caso del modelo SEIR-HL, la ecuación (4) puede reducirse a:<elsevierMultimedia ident="eq0025"></elsevierMultimedia></p><p id="par0165" class="elsevierStylePara elsevierViewall">El modelo SEIR-HL fue concebido con el fin de evaluar el efecto de intervenciones tendientes a reducir la tasa promedio de contactos de la población, ya sea reduciendo la tasa de contactos efectivos de aquellas personas en posiciones o situaciones de alto contacto, o, lo que es equivalente matemáticamente, reduciendo el número de personas que ocupan dichas posiciones. En función de esto, se define una <span class="elsevierStyleBold">tasa de desplazamiento (<span class="elsevierStyleItalic">D</span>)</span>, la cual representa la proporción de la población en posiciones de alto contacto que es desplazada hacia posiciones de bajo contacto mediante una intervención, respecto de una situación inicial con una cierta distribución de la población entre ambos tipos de posiciones. Su expresión matemática es:<elsevierMultimedia ident="eq0030"></elsevierMultimedia></p><p id="par0170" class="elsevierStylePara elsevierViewall">donde <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">hb</span></span> representa el número de individuos en ocupaciones de alto contacto antes de la intervención y <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">ha</span></span> representa el número de individuos en ocupaciones de alto contacto luego de la intervención. Se plantea un único desplazamiento antes del comienzo de la simulación, luego del cual todos los individuos (desplazados y no desplazados) permanecen en sus respectivas subpoblaciones. De esta definición se desprende que el valor de <span class="elsevierStyleItalic">D</span> varía entre 0 y 1, dependiendo de la medida de la intervención. También puede ampliarse la definición de <span class="elsevierStyleItalic">D</span> para incluir el desplazamiento de individuos en el sentido opuesto, es decir, desde posiciones de bajo contacto a posiciones de alto contacto (por ejemplo, en el contexto de una relajación de la cuarentena o las medidas de distanciamiento social), en cuyo caso <span class="elsevierStyleItalic">D</span> también podría tomar valores negativos entre 0 y −1.</p><p id="par0175" class="elsevierStylePara elsevierViewall">Si se consigue desplazar con una tasa <span class="elsevierStyleItalic">D</span> a individuos en ocupaciones con alto número de contactos hacia ocupaciones con bajo número de contactos, el nuevo número de contactos totales será:<elsevierMultimedia ident="eq0035"></elsevierMultimedia></p><p id="par0180" class="elsevierStylePara elsevierViewall">donde <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">lb</span></span> y <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">la</span></span> representan el número de individuos en ocupaciones de bajo contacto antes y después de la intervención, respectivamente.</p><p id="par0185" class="elsevierStylePara elsevierViewall">El cociente entre <span class="elsevierStyleItalic">T</span>′ y <span class="elsevierStyleItalic">T</span> se define como <span class="elsevierStyleItalic">Q</span> y es usado más tarde para estimar el <span class="elsevierStyleItalic">β</span> después de producir el desplazamiento. <span class="elsevierStyleItalic">Q</span> será menor de uno para cualquier <span class="elsevierStyleItalic">D</span> entre 0 y 1, lo que implica que el número de contactos después del desplazamiento va a ser siempre menor que el número de contactos inicial.</p></span></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Resultados</span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Implementación del modelo epidemiológico</span><p id="par0190" class="elsevierStylePara elsevierViewall">Se implementó el modelo SEIR-HL en Python 3.8, usando la biblioteca <span class="elsevierStyleItalic">odeint</span> (https://docs.scipy.org/doc/scipy/reference/generated/scipy.integrate.odeint.html)<a class="elsevierStyleCrossRef" href="#bib0390"><span class="elsevierStyleSup">37</span></a> para resolver el sistema de ecuaciones diferenciales ordinarias. Por otro lado, se desarrolló una aplicación para el cálculo automatizado del <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> a partir de la ecuación (4), para una población dividida en hasta 10 subpoblaciones, con la posibilidad de discriminar las tasas de contacto de cada subpoblación según el tipo o contexto de contacto en hasta seis categorías. Se determinaron los parámetros más adecuados con el fin de modelar la evolución de la pandemia de COVID-19 en Argentina a partir de lo que informa la bibliografía<a class="elsevierStyleCrossRefs" href="#bib0300"><span class="elsevierStyleSup">16,21,37,42</span></a>: Tagliazucchi et al<span class="elsevierStyleItalic">.</span> estimaron el valor de <span class="elsevierStyleItalic">β</span> (0,22) aplicando un modelo SEIR a los datos de Argentina, y los valores de <span class="elsevierStyleItalic">p</span> (0, 06), <span class="elsevierStyleItalic">σ</span> (0, 2) y <span class="elsevierStyleItalic">γ</span> (1/14) fueron tomados de reportes epidemiológicos.</p><p id="par0195" class="elsevierStylePara elsevierViewall">Con el fin de comparar las predicciones del modelo SEIR-HL con las del modelo SEIR, se realizaron simulaciones con ambos modelos para una población hipotética de 1.000.000 de individuos, con 100 infectados iniciales, <span class="elsevierStyleItalic">β</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 22, <span class="elsevierStyleItalic">p</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 06, <span class="elsevierStyleItalic">σ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 2, <span class="elsevierStyleItalic">γ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 0714. En el caso de las simulaciones con SEIR-HL, se ensayaron distintas combinaciones de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> (<span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10, 33 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>14, 33 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>16, 33 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 5), de manera que la diferencia entre las tasas de contacto varíe, pero manteniendo en todos los casos una tasa de contacto promedio de 3,67 (y, por lo tanto, un <span class="elsevierStyleItalic">β</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 22). Las simulaciones con SEIR-HL se realizaron para una población dividida en una subpoblación de 200.000 individuos con tasa de contacto mayor (<span class="elsevierStyleItalic">H</span>) y 20 infectados iniciales, y otra de 800.000 individuos con tasa de contacto menor (<span class="elsevierStyleItalic">L</span>) y 80 infectados iniciales.</p><p id="par0200" class="elsevierStylePara elsevierViewall">Posteriormente se usó el SEIR-HL para evaluar el efecto de distintas tasas de desplazamiento: se compararon para los distintos valores de <span class="elsevierStyleItalic">D</span>, el tiempo en que se alcanza el máximo en la curva de infectados, el número de infectados en dicho máximo y el número total de infectados al final de la pandemia. Para esto se realizaron simulaciones para una población hipotética de 1.000.000 de individuos, con 100 infectados iniciales, <span class="elsevierStyleItalic">p</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 06, <span class="elsevierStyleItalic">σ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 2, <span class="elsevierStyleItalic">γ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 0714, ensayando distintas combinaciones de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> (<span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>18 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>8, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>30 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>5, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>46 y <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1), de manera que la diferencia entre las tasas de contacto varíe, pero manteniendo en todos los casos una tasa de contacto promedio de 10. En todas las simulaciones, la población estaba dividida inicialmente (a <span class="elsevierStyleItalic">D</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0) en una subpoblación de 200.000 individuos con tasa de contacto mayor (<span class="elsevierStyleItalic">H</span>) y 20 infectados iniciales, y otra de 800.000 individuos con tasa de contacto menor (<span class="elsevierStyleItalic">L</span>) y 80 infectados iniciales. Se asumió que al desplazar individuos de la subpoblación <span class="elsevierStyleItalic">H</span> a la <span class="elsevierStyleItalic">L</span>, los individuos son tomados al azar, por lo que cada individuo infectado tiene la misma probabilidad de ser desplazado que un individuo susceptible. Usando la calculadora de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> se analizó también el efecto de la medida de desplazamiento sobre el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> para distintos valores de <span class="elsevierStyleItalic">β</span> y tasas de contacto (<span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span>).</p><p id="par0205" class="elsevierStylePara elsevierViewall">Finalmente, se desarrollaron ejemplos de aplicación del modelo SEIR-HL y de la calculadora de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>. Por un lado, se realizó un ajuste del modelo a los datos de la pandemia de COVID-19 en Argentina mediante el método de mínimos cuadrados. Los datos de nuevas infecciones por día en función de la fecha de inicio de los síntomas para el período 9 de marzo a 22 de junio de 2020 fueron obtenidos de la Sala de Situación Coronavirus Online del Ministerio de Salud de la República Argentina (https://www.argentina.gob.ar/salud/coronavirus-COVID-19/sala-situacion)<a class="elsevierStyleCrossRef" href="#bib0445"><span class="elsevierStyleSup">25</span></a>. A partir de los números de individuos predichos para cada compartimento, se calculó para cada día <span class="elsevierStyleItalic">d</span> el número de nuevas infecciones como:<elsevierMultimedia ident="eq0040"></elsevierMultimedia></p><p id="par0210" class="elsevierStylePara elsevierViewall">Con el modelo ajustado, se realizó una estimación del número máximo de infectados por día, el número total de infectados y el número total de fallecidos, comparando estos valores con la situación contrafáctica en la que no se hubiera implementado la cuarentena y demás medidas de distanciamiento social, y con un escenario donde la cuarentena se hubiera mantenido igual de estricta que al principio. Se asumió que el 25% de la población argentina seguía circulando durante la cuarentena a partir de un comunicado del Ministerio de Transporte de la República Argentina (https://www.argentina.gob.ar/noticias/la-circulacion-de-pasajeros-en-transporte-publico-en-amba-promedia-el-25)<a class="elsevierStyleCrossRef" href="#bib0450"><span class="elsevierStyleSup">26</span></a>. Se consideraron tres períodos para ajustar los datos de nuevas infecciones por día en Argentina: 9 de marzo a 19 de marzo (P1), 20 de marzo a 10 de mayo (P2) y 11 de mayo a 22 de junio (P3). Se realizaron tres ajustes: un primer ajuste («cuarentena + relajamiento»), donde se ajustó en P1 para una población única con el mismo número de contactos, y en P2 y P3 para dos subpoblaciones (el 75% de los individuos aislados y el 25% no aislados), un segundo ajuste («cuarentena»), donde se ajustó en P1 y P2 de la misma manera, pero para P3 se realizó una extrapolación a partir del ajuste de P2, y un tercer ajuste («sin cuarentena»), donde se ajustó en P1 de la misma manera que en los otros ajustes, pero para P2 y P3 se realizó una extrapolación a partir del ajuste de P1.</p><p id="par0215" class="elsevierStylePara elsevierViewall">Por otro lado, se empleó la calculadora de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> para estimar el efecto de una intervención particular sobre el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> en una situación hipotética donde se desea modificar el número y/o las tasas de contacto de distintos tipos de trabajadores: trabajadores esenciales de alto contacto, trabajadores esenciales de bajo contacto, trabajadores no esenciales de alto contacto, trabajadores no esenciales de bajo contacto y personas sin trabajo. Se consideraron cuatro tipos de contacto: contacto domiciliario, contacto vecinal, contacto en transporte y contacto laboral. También se dedujeron los valores que debían tomar ciertas variables para que el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> llegara a 1: se analizó la tasa de contacto de un grupo particular (trabajadores no esenciales de alto contacto), un tipo de tasa de contacto particular (contacto laboral) y el desplazamiento de individuos de un grupo a otro (de trabajadores esenciales de alto contacto a trabajadores esenciales de bajo contacto).</p><p id="par0220" class="elsevierStylePara elsevierViewall">En la página web<a class="elsevierStyleCrossRef" href="#bib0455"><span class="elsevierStyleSup">27</span></a><a href="https://ecm.famaf.unc.edu.ar/">https://ecm.famaf.unc.edu.ar/</a> se encuentran disponibles en línea una aplicación interactiva con la implementación del modelo SEIR-HL, una versión expandida del SEIR-HL para más de dos subpoblaciones, otros modelos y la calculadora de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>. Dicha página incluye, además, varios ejemplos de uso de la aplicación. El software es de código abierto bajo licencia GNU GPLv3.</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">Comparación entre SEIR y SEIR-HL</span><p id="par0225" class="elsevierStylePara elsevierViewall">Para comparar ambos modelos se llevaron a cabo simulaciones con el SEIR y el SEIR-HL, empleando para este último tres combinaciones de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> con diferencia creciente: <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10, 33, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2 (combinación 1); <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>14, 33, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1 (combinación 2); <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>16, 33, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 5 (combinación 3). Estas simulaciones divergen en varios aspectos: i) el número de infectados en el pico es menor para los valores más divergentes entre H y L (<a class="elsevierStyleCrossRef" href="#fig0005">fig. 1</a>A,B,C,D); ii) el tiempo hasta alcanzar el pico de la infección disminuye a medida que aumenta la divergencia entre <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span>, y fue de 117 días para el SEIR y de 74, 54 y 45 días para las combinaciones 1, 2 y 3 del SEIR-HL, respectivamente, y iii) el número de susceptibles al final de la simulación, es decir, el número de personas que no se han infectado, para el SEIR alcanza un valor de 54.249, mientras que para las distintas combinaciones del SEIR-HL, los valores ascienden a 175.053, 376.329 y 542.078 (<a class="elsevierStyleCrossRef" href="#fig0005">fig. 1</a>A,B,C,D).</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><p id="par0230" class="elsevierStylePara elsevierViewall">Por otro lado, la proporción de infectados es mayor en las subpoblaciones de mayor contacto: en el caso de las simulaciones de la <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a>, la subpoblación <span class="elsevierStyleItalic">H</span> termina infectándose en todos los casos en más del 99,9%, mientras que el porcentaje de infectados totales de la población <span class="elsevierStyleItalic">L</span> fue del 78,1, 53 y 32,3% para las combinaciones 1, 2 y 3, respectivamente, lo que muestra que a mayor divergencia entre <span class="elsevierStyleItalic">L</span> y <span class="elsevierStyleItalic">H</span>, mayor es la probabilidad de que individuos de la subpoblación con menor contacto permanezcan sin infectarse a lo largo de la pandemia. Se observa, además, que la subpoblación <span class="elsevierStyleItalic">H</span>, a pesar de ser minoritaria (20%), contribuye más a la transmisión durante el período inicial de la pandemia y es responsable de la mayoría de los contactos infecciosos diarios (<a class="elsevierStyleCrossRef" href="#sec0075">fig. S1</a>). Sin embargo, hacia el final de la pandemia, a medida que estos individuos se infectan y pasan al compartimento R, los contactos producidos por la subpoblación <span class="elsevierStyleItalic">L</span> se vuelven relativamente más importantes, excepto en el caso donde hay mayor disparidad entre tasas de contacto (<a class="elsevierStyleCrossRef" href="#sec0075">fig. S1F</a>).</p></span><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Efecto del desplazamiento de individuos de la población de mayor número de contactos sobre las curvas de los compartimentos S, E, I y R</span><p id="par0240" class="elsevierStylePara elsevierViewall">Para estudiar el efecto que producirían distintos valores de la tasa de desplazamiento de individuos de la población <span class="elsevierStyleItalic">H</span> a <span class="elsevierStyleItalic">L</span> en los valores de los compartimentos S, E, I y R, se llevaron a cabo simulaciones utilizando el SEIR-HL con tasas de desplazamiento crecientes. La <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a> muestra un ejemplo de la forma en que varían las curvas de <span class="elsevierStyleItalic">S</span>, <span class="elsevierStyleItalic">E</span>, <span class="elsevierStyleItalic">I</span>y<span class="elsevierStyleItalic">R</span> para las subpoblaciones <span class="elsevierStyleItalic">H</span> a <span class="elsevierStyleItalic">L</span> a medida que aumenta la proporción de individuos <span class="elsevierStyleItalic">H</span> que son desplazados a la subpoblación <span class="elsevierStyleItalic">L</span>. Cada simulación se inicia (tiempo 0) con los valores de <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span> y <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span> obtenidos después del desplazamiento. Se puede observar que a mayores valores de <span class="elsevierStyleItalic">D</span>, ocurren tres fenómenos: el máximo de las curvas de infectados se alcanza más tarde y tiene valores menores, el número de susceptibles tiende a valores mayores, y el número de resistentes, que provienen de aquellos que han superado la infección, tiende a valores menores. En conjunto, los resultados muestran que el desplazamiento retrasaría la evolución de la pandemia y puede llegar a disminuir el número total de infectados.</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Efecto del desplazamiento aplicado considerando la diferente divergencia entre <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> sobre las curvas de infectados</span><p id="par0250" class="elsevierStylePara elsevierViewall">Para estudiar con más detalle el efecto del desplazamiento sobre las curvas considerando la divergencia entre los valores de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> se utilizaron cuatro combinaciones progresivamente divergentes: <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10 (combinación 1); <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>18, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>8 (combinación 2); <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>30, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>5 (combinación 3); <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>46, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1 (combinación 4). Los valores de desplazamiento aplicados variaron entre 0 y 1, con un incremento gradual de 0,1. Para cada combinación y valor de <span class="elsevierStyleItalic">D</span> se realizó una simulación y se registró el tiempo hasta alcanzar el pico de infectados, la cantidad de infectados en el pico y el número de infectados totales.</p><p id="par0255" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#fig0015">figura 3</a>, se representan el tiempo al pico de infectados (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>A), el número de infectados en el pico (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>B) y el número de infectados totales (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>C). En concordancia con lo mostrado en la <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a>, a mayores valores de <span class="elsevierStyleItalic">D</span>, se observa un aumento del tiempo hasta alcanzar el pico de infectados (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>A), una disminución en el número de infectados en dicho pico (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>B) y una disminución en el número total de infectados al final de la pandemia (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>C). Todos estos efectos se incrementan al aumentar la diferencia entre <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span>. Por ejemplo, para la combinación 1, el número de infectados en el pico es igual para un <span class="elsevierStyleItalic">D</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>9 que para un <span class="elsevierStyleItalic">D</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0 (sin desplazamiento), mientras que para las combinaciones 2, 3 y 4, el número de infectados en el pico con <span class="elsevierStyleItalic">D</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 9 representa una reducción respecto del valor para <span class="elsevierStyleItalic">D</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0 del 6,1%, 18,1% y 40,4%, respectivamente.</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0260" class="elsevierStylePara elsevierViewall">Si bien para las combinaciones de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> menos divergentes (combinaciones 1, 2 y 3), el número total de infectados varía como máximo en un 0,3%, para la mayor diferencia evaluada (combinación 4), el número total de infectados resulta mucho más sensible al aumento de <span class="elsevierStyleItalic">D</span> (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>C), constituyendo el valor para un <span class="elsevierStyleItalic">D</span> de 0,9 una reducción del 28% respecto del valor para <span class="elsevierStyleItalic">D</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0. Estos resultados muestran que la evolución de la pandemia depende de la divergencia entre las subpoblaciones.</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Efecto del desplazamiento sobre la tasa básica de reproducción</span><p id="par0265" class="elsevierStylePara elsevierViewall">El valor de <span class="elsevierStyleItalic">D</span> también afecta al <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>: a mayores tasas de desplazamiento, menor es la tasa básica de reproducción. Se observa que a mayor diferencia entre <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span>, el efecto del desplazamiento sobre el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> es mayor (<a class="elsevierStyleCrossRef" href="#sec0075">fig. S2</a>). Como <span class="elsevierStyleItalic">β</span> también se ve afectada por el número de contactos, el efecto del desplazamiento sobre <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> también depende del valor de <span class="elsevierStyleItalic">β</span> (<a class="elsevierStyleCrossRef" href="#sec0075">fig. S3</a>). Dado que con <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>1 la pandemia tiende a decrecer, se podría determinar cuál sería el valor de <span class="elsevierStyleItalic">D</span> necesario para controlar la pandemia si se contara con estimaciones confiables de <span class="elsevierStyleItalic">β</span>.</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Ejemplo de aplicación del modelo SEIR-HL a la pandemia de COVID-19 en Argentina</span><p id="par0270" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#fig0020">figura 4</a> muestra los datos reales de nuevas infecciones por SARS-CoV-2 por día reportadas en Argentina, así como los tres ajustes realizados con el modelo SEIR-HL: el ajuste a los datos completos entre el 9 de marzo y el 22 de junio («cuarentena + relajamiento»), la predicción para la situación en que la cuarentena se hubiera mantenido igual de estricta que al principio («cuarentena») (<a class="elsevierStyleCrossRef" href="#fig0020">fig. 4</a>A) y la predicción de la evolución de la pandemia en la situación en que la cuarentena no se hubiera aplicado («sin cuarentena») (<a class="elsevierStyleCrossRef" href="#fig0020">fig. 4</a>B). Según el modelo ajustado, la aplicación de la cuarentena ya sea estricta o con relajamiento posterior, habría reducido el número máximo de infectados por día, el número total de infectados y el número total de fallecidos en más del 99,8%, además de retrasar el pico de infectados por más de dos meses (cabe aclarar que en los escenarios con cuarentena no se alcanza el pico en el período analizado, por lo que el número máximo de infectados por día corresponde al último reporte). El modelo estima que, si la pandemia hubiera seguido evolucionando de la misma manera que lo hizo entre el inicio de la cuarentena y el 10 de mayo, se habría observado una reducción del número máximo de infectados por día del 55,8% y una reducción del número de infectados y fallecidos del 38%.</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia></span><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Ejemplo de cálculo del <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> considerando la heterogeneidad de contactos y predicción del efecto de medidas sanitarias sobre el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span></span><p id="par0280" class="elsevierStylePara elsevierViewall">Además de utilizar el concepto de dos subpoblaciones con distintas tasas de contacto para el desarrollo de un modelo matemático, también es posible emplear la definición general de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> en función de las tasas de contacto (ecuación 4) para predecir el efecto de medidas sanitarias que tengan como blanco redes sociales específicas, para un número más amplio de subpoblaciones. Por ejemplo, suponiendo conocida la cantidad de trabajadores esenciales y no esenciales, con trabajos de alto o bajo contacto, y el número de desempleados, así como las tasas de contacto para cada grupo en diferentes contextos (contactos en la casa, en el trabajo, en el vecindario, en el transporte, etc.) para una situación preintervención, puede calcularse el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> resultante del impacto de alguna intervención particular (<a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>). También existe la posibilidad de determinar el grado de una intervención necesario para producir un <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1. Esto puede hacerse ensayando distintos valores para número de individuos o tasa de contacto, o bien mediante un cálculo, igualando la ecuación (4) a 1 y despejando la variable de interés según la intervención. En la situación hipotética de la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>, por ejemplo, podría calcularse el número máximo de contactos totales que debería tener la población de trabajadores no esenciales de alto contacto para que el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> sea igual o menor que 1 a partir de la ecuación (9):<elsevierMultimedia ident="eq0045"></elsevierMultimedia></p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia><p id="par0285" class="elsevierStylePara elsevierViewall">donde <span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">x</span></span> y <span class="elsevierStyleItalic">c</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">x</span></span> representan el número de individuos y la tasa de contactos correspondientes al grupo <span class="elsevierStyleItalic">x</span> (TEAC: trabajador esencial, alto contacto; TEBC: trabajador esencial, bajo contacto; TNAC: trabajador no esencial, alto contacto; TNBC: trabajador no esencial, bajo contacto; ST: sin trabajo). Haciendo uso de la ecuación (9), puede determinarse que para el ejemplo de la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>, sería necesario que la tasa de contactos totales del grupo TNAC bajara a 1,18 para que el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> disminuyera a 1, sin alterar las tasas de contacto de los demás grupos.</p><p id="par0290" class="elsevierStylePara elsevierViewall">Alternativamente, también podría calcularse cuál debería ser la tasa media de contactos laborales que produciría un <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> igual a 1 a partir de la ecuación (10), también deducida a partir de la ecuación (4):<elsevierMultimedia ident="eq0050"></elsevierMultimedia></p><p id="par0295" class="elsevierStylePara elsevierViewall">donde cl¯ es la tasa media de contactos laborales ponderada por grupo y <span class="elsevierStyleItalic">c</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">x</span>,<span class="elsevierStyleItalic">nol</span></span> es la suma de las tasas de cada tipo de contacto, excepto los laborales, para el grupo <span class="elsevierStyleItalic">x</span>. En el caso del ejemplo de la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>, la ecuación (10) permite concluir que sería necesario que la tasa media de contactos laborales se redujera a 0,67 para que el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> bajara a 1, sin alterar las tasas de contacto en otros contextos.</p><p id="par0300" class="elsevierStylePara elsevierViewall">Por último, podría calcularse el número <span class="elsevierStyleItalic">X</span> de individuos que deberían ser desplazados de un grupo a otro para que el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> bajara a 1, a partir de la ecuación (11).<elsevierMultimedia ident="eq0055"></elsevierMultimedia></p><p id="par0305" class="elsevierStylePara elsevierViewall">En el caso del ejemplo de la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>, la ecuación (10) arroja un valor de <span class="elsevierStyleItalic">X</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>31.404. Este valor es mayor que el número de trabajadores no esenciales de alto contacto (<span class="elsevierStyleItalic">N</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">TNAC</span></span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>20.000), lo cual indica que no es posible llevar el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> a 1 solamente desplazando a trabajadores no esenciales de alto contacto al grupo de trabajadores no esenciales de bajo contacto, por lo que esta medida debería combinarse con otra para alcanzar el objetivo deseado.</p><p id="par0310" class="elsevierStylePara elsevierViewall">Otros ejemplos de aplicación del modelo y de la ecuación (4) similares a estos se pueden encontrar en el Material Suplementario (Ejemplos de Uso 1-5).</p></span></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Discusión</span><p id="par0315" class="elsevierStylePara elsevierViewall">Los modelos matemáticos seleccionan los aspectos significativamente importantes de una situación real y generan predicciones utilizando el simbolismo y las ecuaciones matemáticas. Si bien estos modelos presentan ciertas limitaciones, aun así, pueden ser muy útiles para estudiar un proceso complejo, como es el caso de una pandemia y prever de manera semicuantitativa cómo la introducción de medidas concretas puede cambiar su evolución.</p><p id="par0320" class="elsevierStylePara elsevierViewall">Los resultados muestran que el modelo SEIR-HL, que contempla la existencia de dos subpoblaciones con distintas tasas de contacto, conduce a conclusiones distintas respecto del SEIR. Las predicciones del SEIR-HL son, en general, más optimistas que las del SEIR, dado que, si bien el SEIR-HL predice un menor tiempo para alcanzar el pico de infectados activos que el SEIR, el valor del pico es menor en el SEIR-HL que en el SEIR y, lo que es más importante, el número total de infectados es menor con el SEIR-HL que con el SEIR.</p><p id="par0325" class="elsevierStylePara elsevierViewall">Se observa, además, que la proporción de susceptibles al final de la simulación es mayor entre los que tienen un menor número de contactos. Por el contrario, la población con mayor número de contactos contribuye en mayor proporción al compartimento R. Este resultado es relevante, ya que, como se explicó antes, los individuos fallecidos forman parte del compartimento R. Si se consigue mantener a los individuos más vulnerables dentro de los que tienen menos contactos, disminuiría notablemente el número de fallecidos. Además, el retraso de la infección en los grupos más vulnerables permite que, de necesitarse hospitalización, esta se retrase dando tiempo a la preparación del sistema hospitalario. También en el caso de una epidemia por un nuevo agente, esta postergación permite el incremento del conocimiento médico-científico, lo que también repercute positivamente en la sobrevida de los infectados, aun en ausencia de una vacuna. Esto se vería más claramente en un modelo basado en <span class="elsevierStyleItalic">Susceptible-Exposed-Infected-Recovered-Dead</span> (SEIRD), donde se distingue entre la recuperación y la mortalidad, y donde se podrían asignar tasas de mortalidad diferenciales a la población según factores de riesgo.</p><p id="par0330" class="elsevierStylePara elsevierViewall">Las simulaciones realizadas muestran que aquellos individuos que tienen alto número de contactos se infectan primero y que, al recuperarse, el número de contactos efectivos entre infectados y susceptibles (es decir, la cantidad de contactos capaces de dar la infección) disminuye. Este efecto es más notable cuanto mayor es la diferencia entre <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span>. Según este desarrollo, la inmunidad de rebaño se conseguiría con una proporción relativamente pequeña de la población inmunizada. En concordancia con esto último, se está observando en distintos países del mundo que la pandemia de COVID-19 tiende a decrecer cuando solo un pequeño porcentaje de la población se torna resistente<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">9</span></a>. En ese sentido, el modelo SEIR-HL podría arrojar una explicación más adecuada de ese comportamiento, que se complementaría con los cambios en la conducta de las personas y el subdiagnóstico<a class="elsevierStyleCrossRef" href="#bib0315"><span class="elsevierStyleSup">19</span></a>.</p><p id="par0335" class="elsevierStylePara elsevierViewall">Se ha visto en este y otros trabajos<a class="elsevierStyleCrossRef" href="#bib0390"><span class="elsevierStyleSup">37</span></a> que la pendiente de la curva de infectados, la cual se correlaciona con el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">t</span></span>, disminuye con el tiempo. El modelo SEIR-HL permite explicar esta disminución en la velocidad de expansión de la pandemia en términos de una caída del número de contactos debida a la depleción de individuos <span class="elsevierStyleItalic">H</span> susceptibles e infectados. Estos individuos H, ahora resistentes, actuarían como barrera entre susceptibles e infectados, ralentizando la propagación de la infección.</p><p id="par0340" class="elsevierStylePara elsevierViewall">El modelo SEIR-HL también permitió estudiar las consecuencias de desplazar poblaciones de mayor número de contactos al grupo de menor número de contactos. Simulando distintas condiciones, se revela que un incremento de <span class="elsevierStyleItalic">D</span> disminuye el número total de infectados y retrasa la evolución de la pandemia, según se observa en las <a class="elsevierStyleCrossRefs" href="#fig0010">figuras 2 y 3</a>. También se mostró cómo estas modificaciones llevan a un cambio en el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> de la población. Este incremento de <span class="elsevierStyleItalic">D</span> que lleva a un menor número de contactos totales se puede obtener de varias maneras, por ejemplo, eliminando las tareas que impliquen contacto y no sean imprescindibles, o introduciendo dispositivos que eviten o minimicen el contacto en la ocupación (por ejemplo, que se le alcance al usuario de un servicio la mercancía o los elementos que requiere, sin acercarse al empleado), manteniendo la cuarentena para determinadas actividades (no exceptuados). Por otra parte, al ocurrir la infección, primero, entre los que tienen más contactos, puede estudiarse si estos individuos pueden servir como población centinela para detectar la introducción del virus.</p><p id="par0345" class="elsevierStylePara elsevierViewall">Alternativamente, se puede recurrir a individuos inmunizados y que no porten el virus para ocupar estos puestos y derivar a los no protegidos a puestos internos, sin contacto con el público o usuarios. Estos individuos inmunizados pueden ser individuos selectivamente vacunados (suponiendo que se desarrolle una vacuna efectiva, pero que no sea posible vacunar a toda la población, al menos rápidamente) o bien individuos recuperados de COVID-19 (suponiendo que se demuestre que las personas curadas con títulos altos de anticuerpos son realmente inmunes a la reinfección). Esta idea ya ha sido propuesta por otros autores, pero acá se plantea considerando subpoblaciones<a class="elsevierStyleCrossRef" href="#bib0495"><span class="elsevierStyleSup">41</span></a>.</p><p id="par0350" class="elsevierStylePara elsevierViewall">Es muy común el uso de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> para estimar la evolución de la pandemia. Algunos autores objetan sobre su uso como medida segura en situaciones complejas<a class="elsevierStyleCrossRefs" href="#bib0245"><span class="elsevierStyleSup">5,33</span></a>, sin embargo, en términos comparativos, el ascenso o el descenso de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> al tomar ciertas medidas parece aceptable. Al estimar el <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> en función de subpoblaciones con distinto número y tipo de contactos, se cuenta con una herramienta para comparar distintas intervenciones; a su vez, se pueden estimar costos para obtener un beneficio equivalente con una u otra medida.</p><p id="par0355" class="elsevierStylePara elsevierViewall">Aunque la utilidad del cálculo de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> debe ser analizada con cuidado para el seguimiento de las epidemias<a class="elsevierStyleCrossRef" href="#bib0475"><span class="elsevierStyleSup">32</span></a>, aquí se utilizó la fórmula derivada del modelo SIR para una comparación sencilla de los efectos de determinados cambios en el manejo de la epidemia, considerando subpoblaciones con distinta cantidad y tipo de contactos.</p><p id="par0360" class="elsevierStylePara elsevierViewall">Está en desarrollo la expansión del modelo mediante la consideración de más subpoblaciones de contactos, así como la inclusión de otros factores, como el tiempo de inmunidad, la posible reinfección (SEIRS), la mortalidad (SEIRD), la presencia de individuos contagiosos asintomáticos (SEIRA), entre otros.</p><p id="par0365" class="elsevierStylePara elsevierViewall">Si bien ya se han propuesto otros modelos para SARS-CoV-2 basados en SEIR con estratificación de compartimentos, en la mayoría de los casos, los criterios de estratificación fueron la edad, el tipo de actividad en un determinado contexto (generalmente asociado a sectores) y la división en ciudades, regiones o países (modelos meta-poblacionales)<a class="elsevierStyleCrossRefs" href="#bib0285"><span class="elsevierStyleSup">13,24,29,30,36,45</span></a>. El modelo presentado aquí utiliza la tasa de contacto como criterio único de estratificación. Los aportes originales de este estudio son la aplicación del modelo a datos de la pandemia de COVID-19 en Argentina, así como la consideración de una variable de desplazamiento de un grupo a otro (o variantes como vacunación selectiva, robotización o automatización de tareas para intentar controlar los contagios).</p><p id="par0370" class="elsevierStylePara elsevierViewall">Es necesario señalar, también, las limitaciones del modelo desarrollado. Si bien el SEIR-HL incorpora la tasa de incubación, no se contempla en el modelo la posibilidad de que individuos infectados (preinfecciosos o infecciosos) sean detectados y aislados. De incorporarse esta información, es probable que el modelo prediga pandemias de menor magnitud y cinética que las presentadas en este trabajo. Asimismo, una estratificación por edad podría haber aportado información valiosa al modelo, pero dada la escasez de datos sobre tasas de contacto por grupo etario en Argentina, no fue posible incorporar este aspecto al modelo. Sin embargo, cabe resaltar que modelos más complejos no son, necesariamente, más confiables<a class="elsevierStyleCrossRef" href="#bib0380"><span class="elsevierStyleSup">35</span></a>. Por otra parte, el estudio de muchos parámetros necesarios para conocer mejor la pandemia (como la capacidad de contagio de asintomáticos, la distinta capacidad infectiva de contagio de variantes virales, la relevancia del contagio por aerosoles o la protección cruzada con otros coronavirus) está en plena evolución, lo que permitirá desarrollar modelos más ajustados en el futuro.</p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Conclusión</span><p id="par0375" class="elsevierStylePara elsevierViewall">Las medidas tendientes a reducir el número de contactos en determinados puestos/ocupaciones pueden influir en la evolución de la pandemia; asimismo, determinar cuáles puestos/ocupaciones de mayor contacto tienen mayor peso en la propagación de la pandemia puede ayudar a dirigir los recursos de manera más eficaz. En ese sentido, el uso de modelos de simulación, como el presentado aquí, puede contribuir en la toma de decisiones.</p><p id="par0380" class="elsevierStylePara elsevierViewall">Los modelos que consideran subpoblaciones con distinto número de contactos pueden dar resultados con diferencias relevantes a los tradicionales y sumar claridad a la hora de tomar medidas específicas.</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Financiación</span><p id="par0385" class="elsevierStylePara elsevierViewall">La presente investigación no ha recibido ayudas específicas provenientes de agencias del sector público, sector comercial o entidades sin ánimo de lucro.</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Conflicto de intereses</span><p id="par0390" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ningún conflicto de intereses.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:14 [ 0 => array:3 [ "identificador" => "xres1733200" "titulo" => "Highlights" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0005" ] ] ] 1 => array:3 [ "identificador" => "xres1733199" "titulo" => "Resumen" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0010" ] ] ] 2 => array:2 [ "identificador" => "xpalclavsec1529464" "titulo" => "Palabras clave" ] 3 => array:3 [ "identificador" => "xres1733201" "titulo" => "Abstract" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0015" ] ] ] 4 => array:2 [ "identificador" => "xpalclavsec1529463" "titulo" => "Keywords" ] 5 => array:2 [ "identificador" => "sec0005" "titulo" => "Introducción" ] 6 => array:3 [ "identificador" => "sec0010" "titulo" => "Metodología" "secciones" => array:2 [ 0 => array:2 [ "identificador" => "sec0015" "titulo" => "Antecedentes" ] 1 => array:2 [ "identificador" => "sec0020" "titulo" => "Desarrollo del modelo epidemiológico" ] ] ] 7 => array:3 [ "identificador" => "sec0025" "titulo" => "Resultados" "secciones" => array:7 [ 0 => array:2 [ "identificador" => "sec0030" "titulo" => "Implementación del modelo epidemiológico" ] 1 => array:2 [ "identificador" => "sec0035" "titulo" => "Comparación entre SEIR y SEIR-HL" ] 2 => array:2 [ "identificador" => "sec0080" "titulo" => "Efecto del desplazamiento de individuos de la población de mayor número de contactos sobre las curvas de los compartimentos S, E, I y R" ] 3 => array:2 [ "identificador" => "sec0085" "titulo" => "Efecto del desplazamiento aplicado considerando la diferente divergencia entre H y L sobre las curvas de infectados" ] 4 => array:2 [ "identificador" => "sec0040" "titulo" => "Efecto del desplazamiento sobre la tasa básica de reproducción" ] 5 => array:2 [ "identificador" => "sec0045" "titulo" => "Ejemplo de aplicación del modelo SEIR-HL a la pandemia de COVID-19 en Argentina" ] 6 => array:2 [ "identificador" => "sec0090" "titulo" => "Ejemplo de cálculo del R considerando la heterogeneidad de contactos y predicción del efecto de medidas sanitarias sobre el R" ] ] ] 8 => array:2 [ "identificador" => "sec0050" "titulo" => "Discusión" ] 9 => array:2 [ "identificador" => "sec0055" "titulo" => "Conclusión" ] 10 => array:2 [ "identificador" => "sec0060" "titulo" => "Financiación" ] 11 => array:2 [ "identificador" => "sec0065" "titulo" => "Conflicto de intereses" ] 12 => array:2 [ "identificador" => "xack611777" "titulo" => "Agradecimientos" ] 13 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2020-08-17" "fechaAceptado" => "2021-04-26" "PalabrasClave" => array:2 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec1529464" "palabras" => array:6 [ 0 => "COVID-19" 1 => "SARS-CoV-2" 2 => "SEIR" 3 => "Argentina" 4 => "Número básico de reproducción" 5 => "Modelo" ] ] ] "en" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec1529463" "palabras" => array:6 [ 0 => "COVID-19" 1 => "SARS-CoV-2" 2 => "SEIR" 3 => "Argentina" 4 => "Basic reproduction number" 5 => "Model" ] ] ] ] "tieneResumen" => true "highlights" => array:2 [ "titulo" => "Highlights" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">•</span><p id="par0005" class="elsevierStylePara elsevierViewall">Los modelos matemáticos permiten evaluar la evolución de la pandemia por SARS-CoV-2.</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">•</span><p id="par0010" class="elsevierStylePara elsevierViewall">El modelo desarrollado contempla subpoblaciones con distintas tasas de contactos.</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">•</span><p id="par0015" class="elsevierStylePara elsevierViewall">Las predicciones del SEIR-HL son más optimistas que las del SEIR.</p></li><li class="elsevierStyleListItem" id="lsti0020"><span class="elsevierStyleLabel">•</span><p id="par0020" class="elsevierStylePara elsevierViewall">El cálculo modificado de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> permite comparar distintas intervenciones.</p></li><li class="elsevierStyleListItem" id="lsti0025"><span class="elsevierStyleLabel">•</span><p id="par0025" class="elsevierStylePara elsevierViewall">El modelo propuesto permite una mejor toma de decisiones en salud pública.</p></li></ul></p></span>" ] "resumen" => array:2 [ "es" => array:2 [ "titulo" => "Resumen" "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Si bien se han realizado múltiples intentos de modelar matemáticamente la pandemia de la enfermedad por coronavirus 2019 (COVID-19), causada por SARS-CoV-2, pocos modelos han sido pensados como herramientas interactivas accesibles para usuarios de distintos ámbitos. El objetivo de este trabajo fue desarrollar un modelo que tuviera en cuenta la heterogeneidad de las tasas de contacto de la población e implementarlo en una aplicación accesible, que permitiera estimar el impacto de posibles intervenciones a partir de información disponible. Se desarrolló una versión ampliada del modelo susceptible-expuesto-infectado-resistente (SEIR), denominada SEIR-HL, que asume una población dividida en dos subpoblaciones, con tasas de contacto diferentes. Asimismo, se desarrolló una fórmula para calcular el número básico de reproducción (<span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>) para una población dividida en <span class="elsevierStyleItalic">n</span> subpoblaciones, discriminando las tasas de contacto de cada subpoblación según el tipo o contexto de contacto. Se compararon las predicciones del SEIR-HL con las del SEIR y se demostró que la heterogeneidad en las tasas de contacto puede afectar drásticamente la dinámica de las simulaciones, aun partiendo de las mismas condiciones iniciales y los mismos parámetros. Se empleó el SEIR-HL para mostrar el efecto sobre la evolución de la pandemia del desplazamiento de individuos desde posiciones de alto contacto hacia posiciones de bajo contacto. Finalmente, a modo de ejemplo, se aplicó el SEIR-HL al análisis de la pandemia de COVID-19 en Argentina; también se desarrolló un ejemplo de uso de la fórmula del <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>. Tanto el SEIR-HL como una calculadora del <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> fueron implementados informáticamente y puestos a disposición de la comunidad.</p></span>" ] "en" => array:2 [ "titulo" => "Abstract" "resumen" => "<span id="abst0015" class="elsevierStyleSection elsevierViewall"><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Although multiple attempts have been made to mathematically model the current epidemic of SARS-CoV-2, the causative agent of coronavirus disease 2019 (COVID-19), few models have been conceived as accessible interactive tools for users from various backgrounds. The goal of this study was to develop a model that took into account the heterogeneity in contact rates within the population and to implement it in an accessible application allowing to estimate the impact of possible interventions based on available information. An extended version of the Susceptible-Exposed-Infected-Resistant (SEIR) model, named SEIR-HL, was developed, assuming a population divided into two subpopulations, with different contact rates. Additionally, a formula for the calculation of the basic reproduction number (<span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span>) for a population divided into <span class="elsevierStyleItalic">n</span> subpopulations was proposed, where the contact rates for each subpopulation can be distinguished according to contact type or context. The predictions made by SEIR-HL were compared to those of SEIR, showing that the heterogeneity in contact rates can dramatically affect the dynamics of simulations, even when run from the same initial conditions and with the same parameters. SEIR-HL was used to predict the effect on the epidemic evolution of the displacement of individuals from high-contact positions to low-contact positions. Lastly, by way of example, SEIR-HL was applied to the analysis of the SARS-CoV-2 epidemic in Argentina and an example of the application of the <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> formula was also developed. Both the SEIR-HL model and an <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> calculator were computerized and made available to the community.</p></span>" ] ] "apendice" => array:1 [ 0 => array:1 [ "seccion" => array:1 [ 0 => array:4 [ "apendice" => "<p id="par0410" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="upi0005"></elsevierMultimedia></p>" "etiqueta" => "Anexo A" "titulo" => "Material adicional" "identificador" => "sec0075" ] ] ] ] "multimedia" => array:18 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1253 "Ancho" => 2508 "Tamanyo" => 234999 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Simulación de susceptibles, expuestos, infecciosos y recuperados en función del tiempo, generadas para una población de 1 millón con 100 infectados iniciales, una tasa de contactos promedio de 3,67, <span class="elsevierStyleItalic">σ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 2, <span class="elsevierStyleItalic">γ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 0714, usando el modelo SEIR (A) y el modelo SEIR-HL (B-D). (A) Modelo SEIR,. (B) Modelo SEIR-HL, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10, 33, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2. (C) Modelo SEIR-HL, <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>14, 33,. (D) Modelo SEIR-HL, ,. Las simulaciones con SEIR-HL se realizaron para una población dividida en una subpoblación de 200.000 con tasa de contactos mayor y 20 infectados iniciales, y otra de 800.000 con tasa de contactos menor y 80 infectados iniciales (<span class="elsevierStyleItalic">p</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 06). Los valores de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> fueron elegidos de manera que se mantenga la misma tasa de contacto promedio (3,67) y el mismo valor de (0,22) en todas las simulaciones.</p>" ] ] 1 => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 2979 "Ancho" => 1675 "Tamanyo" => 289059 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Simulación de curvas <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> de susceptibles, expuestos, infecciosos y recuperados en función del tiempo, para distintos valores de la tasa de desplazamiento D, para una población de 1 millón con 100 infectados iniciales (inicialmente 20 en la subpoblación de menor contacto y 80 en la subpoblación de mayor contacto). Parámetros: <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>10, <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1, , ,.</p>" ] ] 2 => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 2636 "Ancho" => 2925 "Tamanyo" => 619644 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Tiempo en que se alcanza el pico de la curva de infectados (A, D), número de individuos infectados en el pico de la curva de infectados (B, E), número de individuos infectados totales (C, F), para distintos valores de la tasa de desplazamiento D, para poblaciones con la misma tasa de contactos promedio inicial pero distinta distribución de contactos. (A-C) Valores absolutos. (D-F) Valores normalizados, tomando como referencia los valores correspondientes a D igual a 0. Todas las simulaciones se realizaron para una población de 1 millón con 100 infectados iniciales. Previo al desplazamiento, la tasa de contactos promedio era igual a 10 para todas las poblaciones, y las mismas estaban divididas en una subpoblación de 200.000 con tasa de contactos mayor y 20 infectados iniciales, y otra de 800.000 con tasa de contactos menor y 80 infectados iniciales. Parámetros: , ,. Los valores de <span class="elsevierStyleItalic">H</span> y <span class="elsevierStyleItalic">L</span> fueron elegidos de manera que se mantenga la misma tasa de contacto promedio (10) en todas las simulaciones.</p>" ] ] 3 => array:7 [ "identificador" => "fig0020" "etiqueta" => "Figura 4" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr4.jpeg" "Alto" => 1767 "Ancho" => 1675 "Tamanyo" => 188910 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Ajuste del modelo SEIR-HL a los datos reportados de nuevas infecciones de COVID-19 en Argentina. (A) «Cuarentena + relajamiento»: modelo ajustado en tres secciones: 09/03/2020-19/03/2020 (una población, <span class="elsevierStyleItalic">C</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>20), 20/03/2020-10/05/2020 (dos subpoblaciones: 75% con , 25% con ), 11/05/2020-22/06/2020 (dos subpoblaciones: 75% con <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2, 34, 25% con <span class="elsevierStyleItalic">H</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>2, 85). «Cuarentena»: modelo ajustado en dos secciones: 09/03/2020-19/03/2020 (una población, ), 20/03/2020-10/05/2020 (dos subpoblaciones: 75% con <span class="elsevierStyleItalic">L</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 5, 25% con ), se extrapolaron las nuevas infecciones para el período del 11/05/2020-22/06/2020 suponiendo que la población mantenía los parámetros del segundo ajuste. (B) Se presentan los mismos modelos ajustados que en A, junto con el modelo «Sin cuarentena» (modelo ajustado para el período 09/03/2020-19/03/2020 (una población, ) y extrapolado para el período 20/03/2020-22/06/2020 suponiendo que la población mantenía los parámetros de este ajuste. Parámetros fijos: , y ). El eje vertical se muestra en escala logarítmica para facilitar la comparación.</p>" ] ] 4 => array:8 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall"><span class="elsevierStyleItalic">S</span>: susceptibles; <span class="elsevierStyleItalic">E</span>: expuestos; <span class="elsevierStyleItalic">I</span>: infectados; <span class="elsevierStyleItalic">R</span>: resistentes; <span class="elsevierStyleItalic">S</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>: susceptibles con alto contacto; <span class="elsevierStyleItalic">S</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>: susceptibles con bajo contacto; <span class="elsevierStyleItalic">E</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>: expuestos con alto contacto; <span class="elsevierStyleItalic">E</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>: expuestos con bajo contacto; <span class="elsevierStyleItalic">I</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>: infectados con alto contacto; <span class="elsevierStyleItalic">I</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>: infectados con bajo contacto; <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">h</span></span>: resistentes alto contacto; <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">l</span></span>: resistentes bajo contacto; <span class="elsevierStyleItalic">p</span>: riesgo de transmisión por contacto; <span class="elsevierStyleItalic">T</span>: total de contactos en la población por unidad de tiempo.</p>" "tablatextoimagen" => array:1 [ 0 => array:1 [ "tablaImagen" => array:1 [ 0 => array:4 [ "imagenFichero" => "fx1.jpeg" "imagenAlto" => 3152 "imagenAncho" => 2508 "imagenTamanyo" => 304184 ] ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Diagramas de flujo y sistemas de ecuaciones diferenciales ordinarias para los modelos matemático-epidemiológicos SIR, SEIR y SEIR-HL</p>" ] ] 5 => array:8 [ "identificador" => "tbl0010" "etiqueta" => "Tabla 2" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at2" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Se muestran los valores de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> predichos para una situación anterior a la intervención, tomando como base la información sobre número de trabajadores y tasas de contacto, y luego de una intervención donde se mantiene a toda la población en casa, excepto a los trabajadores esenciales, y se minimizan los contactos en contextos de trabajo y transporte. Los cálculos fueron realizados asumiendo los siguientes valores para los parámetros epidemiológicos: <span class="elsevierStyleItalic">p</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 01, <span class="elsevierStyleItalic">γ</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 07.</p><p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">TEAC: trabajador esencial, alto contacto; TEBC: trabajador esencial, bajo contacto; TNAC: trabajador no esencial, alto contacto; TNBC: trabajador no esencial, bajo contacto; ST: sin trabajo.</p>" "tablatextoimagen" => array:1 [ 0 => array:1 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="7" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Situación preintervención</th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Grupo \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Población \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Contacto domiciliario \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Contacto vecinal \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Contacto transporte \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Contacto laboral \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Contacto total \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TEAC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">36 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TEBC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TNAC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">20.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">36 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TNBC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">ST \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6.500 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">14 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>4, 70 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="7" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Situación posintervención</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Grupo etario \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Población \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Contacto domiciliario \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Contacto vecinal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Contacto transporte \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Contacto laboral \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Contacto total \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TEAC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">15 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TEBC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TNAC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">20.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TNBC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3.000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">ST \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6.500 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0, 28 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Ejemplo de aplicación del cálculo de <span class="elsevierStyleItalic">R</span><span class="elsevierStyleInf">0</span> en función del número de contactos para predecir el efecto de una intervención</p>" ] ] 6 => array:5 [ "identificador" => "upi0005" "tipo" => "MULTIMEDIAECOMPONENTE" "mostrarFloat" => false "mostrarDisplay" => true "Ecomponente" => array:2 [ "fichero" => "mmc1.pdf" "ficheroTamanyo" => 725406 ] ] 7 => array:6 [ "identificador" => "eq0005" "etiqueta" => "(Ec.1)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "R0=βγ" "Fichero" => "STRIPIN_si1.jpeg" "Tamanyo" => 699 "Alto" => 34 "Ancho" => 47 ] ] 8 => array:6 [ "identificador" => "eq0010" "etiqueta" => "(Ec. 2)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "β=p×c" "Fichero" => "STRIPIN_si3.jpeg" "Tamanyo" => 675 "Alto" => 13 "Ancho" => 62 ] ] 9 => array:6 [ "identificador" => "eq0015" "etiqueta" => "(Ec. 3)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "T=H*Nh+L*Nl" "Fichero" => "STRIPIN_si4.jpeg" "Tamanyo" => 1079 "Alto" => 13 "Ancho" => 122 ] ] 10 => array:6 [ "identificador" => "eq0020" "etiqueta" => "(Ec.4)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "R0=pγN∑c*Nc" "Fichero" => "STRIPIN_si5.jpeg" "Tamanyo" => 1540 "Alto" => 32 "Ancho" => 120 ] ] 11 => array:6 [ "identificador" => "eq0025" "etiqueta" => "(Ec. 5)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "R0=pγNH*Nh+L*Nl" "Fichero" => "STRIPIN_si6.jpeg" "Tamanyo" => 1717 "Alto" => 32 "Ancho" => 161 ] ] 12 => array:6 [ "identificador" => "eq0030" "etiqueta" => "(Ec. 6)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "D=Nhb−NhaNhb" "Fichero" => "STRIPIN_si7.jpeg" "Tamanyo" => 1150 "Alto" => 34 "Ancho" => 92 ] ] 13 => array:6 [ "identificador" => "eq0035" "etiqueta" => "(Ec. 7)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "T′=H*Nha+L*Nla=H*Nhb1−D+L*Nlb+NhbD" "Fichero" => "STRIPIN_si8.jpeg" "Tamanyo" => 2895 "Alto" => 14 "Ancho" => 366 ] ] 14 => array:6 [ "identificador" => "eq0040" "etiqueta" => "(Ec. 8)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Nuevasinfeccionesd=Id−Id−1+Rd−Rd−1" "Fichero" => "STRIPIN_si9.jpeg" "Tamanyo" => 2491 "Alto" => 14 "Ancho" => 290 ] ] 15 => array:6 [ "identificador" => "eq0045" "etiqueta" => "(Ec. 9)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "cTNAC=γNp−NTEACcTEAC+NTEBCcTEBC+NTNBCcTNBC+NSTcSTNTNAC" "Fichero" => "STRIPIN_si10.jpeg" "Tamanyo" => 3868 "Alto" => 40 "Ancho" => 382 ] ] 16 => array:6 [ "identificador" => "eq0050" "etiqueta" => "(Ec. 10)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "cl¯=γp−∑Nx*cx,nolN" "Fichero" => "STRIPIN_si11.jpeg" "Tamanyo" => 1660 "Alto" => 36 "Ancho" => 143 ] ] 17 => array:6 [ "identificador" => "eq0055" "etiqueta" => "(Ec. 11)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "X=γNp−NTEACcTEAC+NTEBCcTEBC+NTNACcTNAC+NTNBCcTNBC+NSTcSTcTNBC−cTNAC" "Fichero" => "STRIPIN_si13.jpeg" "Tamanyo" => 4732 "Alto" => 40 "Ancho" => 444 ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:47 [ 0 => array:3 [ "identificador" => "bib0225" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Evaluation of the potential incidence of COVID-19 and effectiveness of containment measures in Spa data-driven a approach" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "A. Aleta" 1 => "Y. Moreno" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1186/s12916-020-01619-5" "Revista" => array:5 [ "tituloSerie" => "BMC Med." "fecha" => "2020" "volumen" => "18" "paginaInicial" => "157" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32456689" "web" => "Medline" ] ] ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0230" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Estimating the burden of United States workers exposed to infection or disease: A key factor in containing risk of COVID-19 infection" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "Baker" 1 => "M.G. Peckham" 2 => "T.K.N.S. Seixas" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0232452" "Revista" => array:5 [ "tituloSerie" => "PLoS One." "fecha" => "2020" "volumen" => "15" "paginaInicial" => "e0232452" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32343747" "web" => "Medline" ] ] ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0235" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:14 [ 0 => "N. Chen" 1 => "M. Zhou" 2 => "X. Dong" 3 => "J. Qu" 4 => "F. Gong" 5 => "Y. Han" 6 => "Y. Qiu" 7 => "J. Wang" 8 => "Y. Liu" 9 => "Y. Wei" 10 => "J. Xia" 11 => "T. Yu" 12 => "X. Zhang" 13 => "L. Zhang" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/S0140-6736(20)30211-7" "Revista" => array:6 [ "tituloSerie" => "Lancet." "fecha" => "2020" "volumen" => "395" "paginaInicial" => "507" "paginaFinal" => "513" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32007143" "web" => "Medline" ] ] ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0240" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Decreto N∘297. Boletín Oficial de la República Argen-tina, Ciudad Autónoma de Buenos Aires, Argentina,2020 2020 Mar, [consultado 24 Ago 2021]. Disponible en: <a target="_blank" href="https://www.boletinoficial.gob.ar/detalleAviso/primera/227042/20200320">https://www.boletinoficial.gob.ar/detalleAviso/primera/227042/20200320</a>" ] ] ] 4 => array:3 [ "identificador" => "bib0245" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Complexity of the basic reproduction number (R0)" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "P.L. Delamater" 1 => "E.J. Street" 2 => "T.F. Leslie" 3 => "Y.T. Yang" 4 => "K.H. Jacobsen" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.3201/eid2512.190164" "Revista" => array:6 [ "tituloSerie" => "Emerg Infect Dis." "fecha" => "2019" "volumen" => "25" "paginaInicial" => "1" "paginaFinal" => "4" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31742505" "web" => "Medline" ] ] ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0250" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "An interactive web-based dashboard to track COVID-19 in real time" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "E. Dong" 1 => "H. Du" 2 => "L. Gardner" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Lancet Infect Dis." "fecha" => "2020" "volumen" => "20" "paginaInicial" => "533" "paginaFinal" => "534" ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0255" "etiqueta" => "7" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Identification of a novel coronavirus in patients with severe acute respiratory syndrome" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:26 [ 0 => "C. Drosten" 1 => "S. Günther" 2 => "W. Preiser" 3 => "S. van der Werf" 4 => "H.R. Brodt" 5 => "S. Becker" 6 => "H. Rabenau" 7 => "M. Panning" 8 => "L. Kolesnikova" 9 => "R.A. Fouchier" 10 => "A. Berger" 11 => "A.M. Burguière" 12 => "J. Cinatl" 13 => "M. Eickmann" 14 => "N. Escriou" 15 => "K. Grywna" 16 => "S. Kramme" 17 => "J.C. Manuguerra" 18 => "S. Müller" 19 => "V. Rickerts" 20 => "M. Stürmer" 21 => "S. Vieth" 22 => "H.D. Klenk" 23 => "A.D. Osterhaus" 24 => "H. Schmitz" 25 => "H.W. Doerr" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1056/NEJMoa030747" "Revista" => array:6 [ "tituloSerie" => "N Engl J Med." "fecha" => "2003" "volumen" => "348" "paginaInicial" => "1967" "paginaFinal" => "1976" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/12690091" "web" => "Medline" ] ] ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0260" "etiqueta" => "8" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Neurological associations of COVID-19" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:10 [ 0 => "M.A. Ellul" 1 => "L. Benjamin" 2 => "B. Singh" 3 => "S. Lant" 4 => "B.D. Michael" 5 => "A. Easton" 6 => "R. Kneen" 7 => "S. Defres" 8 => "J. Sejvar" 9 => "T. Solomon" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/S1474-4422(20)30221-0" "Revista" => array:6 [ "tituloSerie" => "Lancet Neurol." "fecha" => "2020" "volumen" => "19" "paginaInicial" => "767" "paginaFinal" => "783" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32622375" "web" => "Medline" ] ] ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0265" "etiqueta" => "9" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Estimating the effects of non-pharmaceutical interventions on COVID-19 in Europe" "autores" => array:1 [ 0 => array:3 [ "colaboracion" => "Imperial College COVID-19 Response Team" "etal" => false "autores" => array:18 [ 0 => "S. Flaxman" 1 => "S. Mishra" 2 => "A. Gandy" 3 => "H.J.T. Unwin" 4 => "T.A. Mellan" 5 => "H. Coupland" 6 => "C. Whittaker" 7 => "H. Zhu" 8 => "T. Berah" 9 => "J.W. Eaton" 10 => "M. Monod" 11 => "A.C. Ghani" 12 => "C.A. Donnelly" 13 => "S. Riley" 14 => "M.A.C. Vollmer" 15 => "N.M. Ferguson" 16 => "L.C. Okell" 17 => "S. Bhatt" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41586-020-2405-7" "Revista" => array:7 [ "tituloSerie" => "Nature." "fecha" => "2020" "volumen" => "584" "paginaInicial" => "257" "paginaFinal" => "261" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32512579" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0140673617316185" "estado" => "S300" "issn" => "01406736" ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0270" "etiqueta" => "10" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Encyclopedia of Epidemiologic Methods" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "M.H. Gail" 1 => "J. Benichou" 2 => "P. Armitage" 3 => "T. Colton" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:4 [ "edicion" => "1st Edition." "fecha" => "2002" "paginaInicial" => "220" "editorial" => "Wiley" ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0275" "etiqueta" => "11" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Seroprevalence of antibodies against SARS-CoV-2 among health care workers in a large Spanish reference hospital" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:38 [ 0 => "A.L. Garcia-Basteiro" 1 => "G. Moncunill" 2 => "M. Tortajada" 3 => "M. Vidal" 4 => "C. Guinovart" 5 => "A. Jiménez" 6 => "R. Santano" 7 => "S. Sanz" 8 => "S. Méndez" 9 => "A. Llupià" 10 => "R. Aguilar" 11 => "S. Alonso" 12 => "D. Barrios" 13 => "C. Carolis" 14 => "P. Cisteró" 15 => "E. Chóliz" 16 => "A. Cruz" 17 => "S. Fochs" 18 => "C. Jairoce" 19 => "J. Hecht" 20 => "M. Lamoglia" 21 => "M.J. Martínez" 22 => "R.A. Mitchell" 23 => "N. Ortega" 24 => "N. Pey" 25 => "L. Puyol" 26 => "M. Ribes" 27 => "N. Rosell" 28 => "P. Sotomayor" 29 => "S. Torres" 30 => "S. Williams" 31 => "S. Barroso" 32 => "A. Vilella" 33 => "J. Muñoz" 34 => "A. Trilla" 35 => "P. Varela" 36 => "A. Mayor" 37 => "C. Dobaño" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:4 [ "tituloSerie" => "Nat Commun." "fecha" => "2020" "volumen" => "11" "paginaInicial" => "3500" ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0280" "etiqueta" => "12" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Spread and dynamics of the COVID-19 epidemic in Italy: Effects of emergency containment measures" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:7 [ 0 => "M. Gatto" 1 => "E. Bertuzzo" 2 => "L. Mari" 3 => "S. Miccoli" 4 => "L. Carraro" 5 => "R. Casagrandi" 6 => "A. Rinaldo" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1073/pnas.2004978117" "Revista" => array:6 [ "tituloSerie" => "Proc Natl Acad Sci U S A." "fecha" => "2020" "volumen" => "117" "paginaInicial" => "10484" "paginaFinal" => "10491" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32327608" "web" => "Medline" ] ] ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0285" "etiqueta" => "13" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Estimation of country-level basic reproductive ratios for novel Coronavirus (SARS-CoV-2/COVID-19) using synthetic contact matrices" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "J. Hilton" 1 => "M.J. Keeling" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pcbi.1008031" "Revista" => array:5 [ "tituloSerie" => "PLoS Comput Biol." "fecha" => "2020" "volumen" => "16" "paginaInicial" => "e1008031" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32614817" "web" => "Medline" ] ] ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0290" "etiqueta" => "14" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A Systematic Review of Social Contact Surveys to Inform Transmission Models of Close-contact Infections" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:8 [ 0 => "T. Hoang" 1 => "P. Coletti" 2 => "A. Melegaro" 3 => "J. Wallinga" 4 => "C.G. Grijalva" 5 => "J.W. Edmunds" 6 => "P. Beutels" 7 => "N. Hens" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/EDE.0000000000001047" "Revista" => array:6 [ "tituloSerie" => "Epidemiology." "fecha" => "2019" "volumen" => "30" "paginaInicial" => "723" "paginaFinal" => "736" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31274572" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0295" "etiqueta" => "15" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:29 [ 0 => "C. Huang" 1 => "Y. Wang" 2 => "X. Li" 3 => "L. Ren" 4 => "J. Zhao" 5 => "Y. Hu" 6 => "L. Zhang" 7 => "G. Fan" 8 => "J. Xu" 9 => "X. Gu" 10 => "Z. Cheng" 11 => "T. Yu" 12 => "J. Xia" 13 => "Y. Wei" 14 => "W. Wu" 15 => "X. Xie" 16 => "W. Yin" 17 => "H. Li" 18 => "M. Liu" 19 => "Y. Xiao" 20 => "H. Gao" 21 => "L. Guo" 22 => "J. Xie" 23 => "G. Wang" 24 => "R. Jiang" 25 => "Z. Gao" 26 => "Q. Jin" 27 => "J. Wang" 28 => "B. Cao" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Lancet." "fecha" => "2020" "volumen" => "395" "paginaInicial" => "497" "paginaFinal" => "506" ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0300" "etiqueta" => "16" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Household secondary attack rate of COVID-19 and associated determinants in Guangzhou China: a retrospective cohort study" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:16 [ 0 => "Q.-L. Jing" 1 => "M.-J. Liu" 2 => "Z.-B. Zhang" 3 => "L.-Q. Fang" 4 => "J. Yuan" 5 => "A.-R. Zhang" 6 => "N.E. Dean" 7 => "L. Luo" 8 => "M.-M. Ma" 9 => "I. Longini" 10 => "E. Kenah" 11 => "Y. Lu" 12 => "Y. Ma" 13 => "N. Jalali" 14 => "Z.-C. Yang" 15 => "Y. Yang" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Lancet." "fecha" => "2020" "volumen" => "20" "paginaInicial" => "1141" "paginaFinal" => "1150" ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0305" "etiqueta" => "17" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Modeling Infectious Diseases in Humans and Animals" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "M.J. Keeling" 1 => "P. Rohani" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:4 [ "edicion" => "1st Edition." "fecha" => "2008" "paginaInicial" => "42" "editorial" => "Princeton University Press" ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0310" "etiqueta" => "18" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A contribution to the mathematical theory of epidemics" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "W.O. Kermack" 1 => "A.G. McKendrick" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Proc R Soc Lond A." "fecha" => "1927" "volumen" => "115" "paginaInicial" => "700" "paginaFinal" => "721" ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0315" "etiqueta" => "19" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Level of underreporting including underdiagnosis before the first peak of COVID-19 in various countries: Preliminary retrospective results based on wavelets and deterministic modeling" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "S.G. Krantz" 1 => "A.S.R.S. Rao" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1017/ice.2020.116" "Revista" => array:6 [ "tituloSerie" => "Infect Control Hosp Epidemiol." "fecha" => "2020" "volumen" => "41" "paginaInicial" => "857" "paginaFinal" => "859" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32268929" "web" => "Medline" ] ] ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0320" "etiqueta" => "20" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Work-related COVID-19 transmission in six Asian countries/areas: A follow-up study" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "F.Y. Lan" 1 => "C.F. Wei" 2 => "Y.T. Hsu" 3 => "D.C. Christiani" 4 => "S.N. Kales" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:4 [ "tituloSerie" => "PLoS One." "fecha" => "2020" "volumen" => "15" "paginaInicial" => "e0233588" ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0325" "etiqueta" => "21" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Incubation Period and Other Epidemiological Characteristics of 2019 Novel Coronavirus Infections with Right Truncation: A Statistical Analysis of Publicly Available Case Data" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:9 [ 0 => "N.M. Linton" 1 => "T. Kobayashi" 2 => "Y. Yang" 3 => "K. Hayashi" 4 => "A.R. Akhmetzhanov" 5 => "S.M. Jung" 6 => "B. Yuan" 7 => "R. Kinoshita" 8 => "H. Nishiura" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "J Clin Med." "fecha" => "2020" "volumen" => "9" "paginaInicial" => "538" "itemHostRev" => array:3 [ "pii" => "S0883944115004335" "estado" => "S300" "issn" => "08839441" ] ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0330" "etiqueta" => "22" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "D2EA: Depict the Epidemic Picture of COVID-19" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "C. Liu" 1 => "J. Zhao" 2 => "G. Liu" 3 => "Y. Gao" 4 => "X. Gao" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s12204-020-2170-7" "Revista" => array:6 [ "tituloSerie" => "J Shanghai Jiaotong Univ Sci." "fecha" => "2020" "volumen" => "25" "paginaInicial" => "165" "paginaFinal" => "176" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32288418" "web" => "Medline" ] ] ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0335" "etiqueta" => "23" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Genomic characterisation and epidemiology of 2019 novel coronavirus: implications for virus origins and receptor binding" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:35 [ 0 => "R. Lu" 1 => "X. Zhao" 2 => "J. Li" 3 => "P. Niu" 4 => "B. Yang" 5 => "H. Wu" 6 => "W. Wang" 7 => "H. Song" 8 => "B. Huang" 9 => "N. Zhu" 10 => "Y. Bi" 11 => "X. Ma" 12 => "F. Zhan" 13 => "L. Wang" 14 => "T. Hu" 15 => "H. Zhou" 16 => "Z. Hu" 17 => "W. Zhou" 18 => "L. Zhao" 19 => "J. Chen" 20 => "Y. Meng" 21 => "J. Wang" 22 => "Y. Lin" 23 => "J. Yuan" 24 => "Z. Xie" 25 => "J. Ma" 26 => "W.J. Liu" 27 => "D. Wang" 28 => "W. Xu" 29 => "E.C. Holmes" 30 => "G.F. Gao" 31 => "G. Wu" 32 => "W. Chen" 33 => "W. Shi" 34 => "W. Tan" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/S0140-6736(20)30251-8" "Revista" => array:6 [ "tituloSerie" => "Lancet." "fecha" => "2020" "volumen" => "395" "paginaInicial" => "565" "paginaFinal" => "574" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32007145" "web" => "Medline" ] ] ] ] ] ] ] ] 23 => array:3 [ "identificador" => "bib0340" "etiqueta" => "24" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "COVID-19 pandemics modeling with modified determinist SEIR, social distancing, and age stratification The effect of vertical confinement and release in Brazil" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "W. Lyra" 1 => "J.D. do Nascimento Jr." 2 => "J. Belkhiria" 3 => "L. de Almeida" 4 => "P.P.M. Chrispim" 5 => "I. de Andrade" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0237627" "Revista" => array:6 [ "tituloSerie" => "PLoS One." "fecha" => "2020" "volumen" => "15" "paginaInicial" => "e0237627" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32877420" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S2213260018303448" "estado" => "S300" "issn" => "22132600" ] ] ] ] ] ] ] 24 => array:3 [ "identificador" => "bib0445" "etiqueta" => "25" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Ministerio de Salud de la República Argentina. Información Epidemiológica. Sala de Situación Coronavirus online, [consultado 23 Jul 2020]. Disponible en <a target="_blank" href="https://www.argentina.gob.ar/salud/coronavirus-COVID-19/sala-situacion">https://www.argentina.gob.ar/salud/coronavirus-COVID-19/sala-situacion</a>" ] ] ] 25 => array:3 [ "identificador" => "bib0450" "etiqueta" => "26" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Ministerio de Transporte de la República Argentina. La circulación de pasajeros en transporte público en amba promedia el 25%, [consultado 23 Jul 2020]. Disponible en <a target="_blank" href="https://www.argentina.gob.ar/noticias/la-circulacion-de-pasajeros-en-transporte-publico-en-amba-promedia-el-25">https://www.argentina.gob.ar/noticias/la-circulacion-de-pasajeros-en-transporte-publico-en-amba-promedia-el-25</a>" ] ] ] 26 => array:3 [ "identificador" => "bib0455" "etiqueta" => "27" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Morando N, Sanfilippo M, Gutson D, Rabinovich RD, Pando MA. Epidemiology Compartments Modelling. Disponible en: <a target="_blank" href="https://ecm.famaf.unc.edu.ar/">https://ecm.famaf.unc.edu.ar/</a>" ] ] ] 27 => array:3 [ "identificador" => "bib0460" "etiqueta" => "28" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Social contacts and mixing patterns relevant to the spread of infectious diseases" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:14 [ 0 => "J. Mossong" 1 => "N. Hens" 2 => "M. Jit" 3 => "P. Beutels" 4 => "K. Auranen" 5 => "R. Mikolajczyk" 6 => "M. Massari" 7 => "S. Salmaso" 8 => "G.S. Tomba" 9 => "J. Wallinga" 10 => "J. Heijne" 11 => "M. Sadkowska-Todys" 12 => "M. Rosinska" 13 => "W.J. Edmunds" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pmed.0050074" "Revista" => array:5 [ "tituloSerie" => "PLoS Med." "fecha" => "2008" "volumen" => "5" "paginaInicial" => "e74" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/18366252" "web" => "Medline" ] ] ] ] ] ] ] ] 28 => array:3 [ "identificador" => "bib0350" "etiqueta" => "29" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "SEIR model for COVID-19 dynamics incorporating the environment and social distancing" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "S. Mwalili" 1 => "M. Kimathi" 2 => "V. Ojiambo" 3 => "D. Gathungu" 4 => "R. Mbogo" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1186/s13104-020-05192-1" "Revista" => array:5 [ "tituloSerie" => "BMC Res Notes." "fecha" => "2020" "volumen" => "13" "paginaInicial" => "352" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32703315" "web" => "Medline" ] ] ] ] ] ] ] ] 29 => array:3 [ "identificador" => "bib0465" "etiqueta" => "30" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Network interventions for managing the COVID-19 pandemic sustaining economy" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:10 [ 0 => "A. Nishi" 1 => "G. Dewey" 2 => "A. Endo" 3 => "S. Neman" 4 => "S.K. Iwamoto" 5 => "M.Y. Ni" 6 => "Y. Tsugawa" 7 => "G. Iosifidis" 8 => "J.D. Smith" 9 => "S.D. Young" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1073/pnas.2014297117" "Revista" => array:7 [ "tituloSerie" => "Proc Natl Acad Sci U.S.A." "fecha" => "2020" "volumen" => "117" "paginaInicial" => "30285" "paginaFinal" => "30294" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33177237" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0140673618311164" "estado" => "S300" "issn" => "01406736" ] ] ] ] ] ] ] 30 => array:3 [ "identificador" => "bib0470" "etiqueta" => "31" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The effect of control strategies to reduce social mixing on outcomes of the COVID-19 epidemic in Wuhan, China: a modelling study" "autores" => array:1 [ 0 => array:3 [ "colaboracion" => "Centre for the Mathematical Modelling of Infectious Diseases COVID-19 Working Group, Jit M, Klepac P" "etal" => false "autores" => array:6 [ 0 => "K. Prem" 1 => "Y. Liu" 2 => "T.W. Russell" 3 => "A.J. Kucharski" 4 => "R.M. Eggo" 5 => "N. Davies" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/S2468-2667(20)30073-6" "Revista" => array:6 [ "tituloSerie" => "Lancet Public Health." "fecha" => "2020" "volumen" => "5" "paginaInicial" => "e261" "paginaFinal" => "e270" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32220655" "web" => "Medline" ] ] ] ] ] ] ] ] 31 => array:3 [ "identificador" => "bib0475" "etiqueta" => "32" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A dynamic modeling tool for estimating healthcare demand from the COVID19 epidemic and evaluating population-wide interventions" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "G. Rainisch" 1 => "E.A. Undurraga" 2 => "G. Chowell" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.ijid.2020.05.043" "Revista" => array:6 [ "tituloSerie" => "Int J Infect Dis." "fecha" => "2020" "volumen" => "96" "paginaInicial" => "376" "paginaFinal" => "383" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32425631" "web" => "Medline" ] ] ] ] ] ] ] ] 32 => array:3 [ "identificador" => "bib0480" "etiqueta" => "33" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Unraveling R0: Considerations for public health applications" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "B. Ridenhour" 1 => "J.M. Kowalik" 2 => "D.K. Shay" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2105/AJPH.2014.301966" "Revista" => array:6 [ "tituloSerie" => "Am J Public Health." "fecha" => "2014" "volumen" => "104" "paginaInicial" => "e32" "paginaFinal" => "e41" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/24922138" "web" => "Medline" ] ] ] ] ] ] ] ] 33 => array:3 [ "identificador" => "bib0375" "etiqueta" => "34" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "COVID-19 outbreak on the Diamond Princess cruise ship: estimating the epidemic potential and effectiveness of public health countermeasures" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "J. Rocklöv" 1 => "H. Sjödin" 2 => "A. Wilder-Smith" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1093/jtm/taaa030" "Revista" => array:5 [ "tituloSerie" => "J Travel Med." "fecha" => "2020" "volumen" => "27" "paginaInicial" => "taaa030" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32109273" "web" => "Medline" ] ] ] ] ] ] ] ] 34 => array:3 [ "identificador" => "bib0380" "etiqueta" => "35" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Why is it difficult to accurately predict the COVID-19 epidemic?" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "W.C. Roda" 1 => "M.B. Varughese" 2 => "D. Han" 3 => "M.Y. Li" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.idm.2020.03.001" "Revista" => array:6 [ "tituloSerie" => "Infect Dis Model." "fecha" => "2020" "volumen" => "5" "paginaInicial" => "271" "paginaFinal" => "281" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32289100" "web" => "Medline" ] ] ] ] ] ] ] ] 35 => array:3 [ "identificador" => "bib0385" "etiqueta" => "36" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Time, space and social interactions: exit mechanisms for the Covid-19 epidemics" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:7 [ 0 => "A. Scala" 1 => "A. Flori" 2 => "A. Spelta" 3 => "E. Brugnoli" 4 => "M. Cinelli" 5 => "W. Quattrociocchi" 6 => "F. Pammolli" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41598-020-70631-9" "Revista" => array:5 [ "tituloSerie" => "Sci Rep." "fecha" => "2020" "volumen" => "10" "paginaInicial" => "13764" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32792591" "web" => "Medline" ] ] ] ] ] ] ] ] 36 => array:3 [ "identificador" => "bib0390" "etiqueta" => "37" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Lessons from being challenged by COVID-19" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "E. Tagliazucchi" 1 => "P. Balenzuela" 2 => "M. Travizano" 3 => "G.B. Mindlin" 4 => "P.D. Mininni" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.chaos.2020.109923" "Revista" => array:5 [ "tituloSerie" => "Chaos Solitons Fractals." "fecha" => "2020" "volumen" => "137" "paginaInicial" => "109923" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32501375" "web" => "Medline" ] ] ] ] ] ] ] ] 37 => array:3 [ "identificador" => "bib0395" "etiqueta" => "38" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The Potential Impact of COVID-19 in Refugee Camps in Bangladesh and Beyond: a modeling study" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "S.A. Truelove" 1 => "O. Abrahim" 2 => "C. Altare" 3 => "S.A. Lauer" 4 => "A. Azman" 5 => "P.B. Spiegel" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pmed.1003144" "Revista" => array:5 [ "tituloSerie" => "PLoS Med." "fecha" => "2020" "volumen" => "17" "paginaInicial" => "e1003144" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32544156" "web" => "Medline" ] ] ] ] ] ] ] ] 38 => array:3 [ "identificador" => "bib0485" "etiqueta" => "39" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The Global Impact of COVID-19 and Strategies for Mitigation and Suppression" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:11 [ 0 => "P.G.T. Walker" 1 => "C. Whittaker" 2 => "O. Watson" 3 => "M. Baguelin" 4 => "K.E.C. Ainslie" 5 => "S. Bhatia" 6 => "A. Boonyasiri" 7 => "O. Boyd" 8 => "L. Cattarino" 9 => "Z. Cucunubá" 10 => "G. Cuomo-dannenburg" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.25561/77735" "Revista" => array:3 [ "tituloSerie" => "Imperial College London." "fecha" => "2020" "itemHostRev" => array:3 [ "pii" => "S0140673619304192" "estado" => "S300" "issn" => "01406736" ] ] ] ] ] ] ] 39 => array:3 [ "identificador" => "bib0490" "etiqueta" => "40" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Clinical Characteristics of 138 Hospitalized Patients with 2019 Novel Coronavirus-Infected Pneumonia in Wuhan China" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:14 [ 0 => "D. Wang" 1 => "B. Hu" 2 => "C. Hu" 3 => "F. Zhu" 4 => "X. Liu" 5 => "J. Zhang" 6 => "B. Wang" 7 => "H. Xiang" 8 => "Z. Cheng" 9 => "Y. Xiong" 10 => "Y. Zhao" 11 => "Y. Li" 12 => "X. Wang" 13 => "Z. Peng" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1001/jama.2020.1585" "Revista" => array:6 [ "tituloSerie" => "JAMA." "fecha" => "2020" "volumen" => "323" "paginaInicial" => "1061" "paginaFinal" => "1069" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32031570" "web" => "Medline" ] ] ] ] ] ] ] ] 40 => array:3 [ "identificador" => "bib0495" "etiqueta" => "41" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Modeling shield immunity to reduce COVID-19 epidemic spread" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:13 [ 0 => "J.S. Weitz" 1 => "S.J. Beckett" 2 => "A.R. Coenen" 3 => "D. Demory" 4 => "M. Dominguez-Mirazo" 5 => "J. Dushoff" 6 => "C.Y. Leung" 7 => "G. Li" 8 => "A. Măgălie" 9 => "S.W. Park" 10 => "R. Rodriguez-Gonzalez" 11 => "S. Shivam" 12 => "C.Y. Zhao" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41591-020-0895-3" "Revista" => array:7 [ "tituloSerie" => "Nat Med." "fecha" => "2020" "volumen" => "26" "paginaInicial" => "849" "paginaFinal" => "854" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32382154" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S2173572721000382" "estado" => "S300" "issn" => "21735727" ] ] ] ] ] ] ] 41 => array:3 [ "identificador" => "bib0500" "etiqueta" => "42" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "World Health Organization. Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19). 2020. [consultado 24 Ago 2021]. Disponible en: <a target="_blank" href="https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf">https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf</a>" ] ] ] 42 => array:3 [ "identificador" => "bib0420" "etiqueta" => "43" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Characteristics of and Important Lessons From the Coronavirus Disease 2019 (COVID-19) Outbreak in China: Summary of a Report of 72 314 Cases From the Chinese Center for Disease Control and Prevention" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "Z. Wu" 1 => "J.M. McGoogan" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "JAMA." "fecha" => "2020" "volumen" => "323" "paginaInicial" => "1239" "paginaFinal" => "1242" ] ] ] ] ] ] 43 => array:3 [ "identificador" => "bib0425" "etiqueta" => "44" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Isolation of a novel coronavirus from a man with pneumonia in Saudi Arabia" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "A.M. Zaki" 1 => "S. Van Boheemen" 2 => "T.M. Bestebroer" 3 => "A.D.M.E. Osterhaus" 4 => "R.A.M. Fouchier" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1056/NEJMoa1211721" "Revista" => array:6 [ "tituloSerie" => "New Eng J Med." "fecha" => "2012" "volumen" => "367" "paginaInicial" => "1814" "paginaFinal" => "1820" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23075143" "web" => "Medline" ] ] ] ] ] ] ] ] 44 => array:3 [ "identificador" => "bib0430" "etiqueta" => "45" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Modeling and prediction of the 2019 coronavirus disease spreading in China incorporating human migration data" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "C. Zhan" 1 => "C.K. Tse" 2 => "Y. Fu" 3 => "Z. Lai" 4 => "H. Zhang" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0241171" "Revista" => array:5 [ "tituloSerie" => "PLoS One." "fecha" => "2020" "volumen" => "15" "paginaInicial" => "e0241171" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33108386" "web" => "Medline" ] ] ] ] ] ] ] ] 45 => array:3 [ "identificador" => "bib0435" "etiqueta" => "46" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A pneumonia outbreak associated with a new coronavirus of probable bat origin" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:29 [ 0 => "P. Zhou" 1 => "X.L. Yang" 2 => "X.G. Wang" 3 => "B. Hu" 4 => "L. Zhang" 5 => "W. Zhang" 6 => "H.R. Si" 7 => "Y. Zhu" 8 => "B. Li" 9 => "C.L. Huang" 10 => "H.D. Chen" 11 => "J. Chen" 12 => "Y. Luo" 13 => "H. Guo" 14 => "R.D. Jiang" 15 => "M.Q. Liu" 16 => "Y. Chen" 17 => "X.R. Shen" 18 => "X. Wang" 19 => "X.S. Zheng" 20 => "K. Zhao" 21 => "Q.J. Chen" 22 => "F. Deng" 23 => "L.L. Liu" 24 => "B. Yan" 25 => "F.X. Zhan" 26 => "Y.Y. Wang" 27 => "G.F. Xiao" 28 => "Z.L. Shi" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41586-020-2012-7" "Revista" => array:6 [ "tituloSerie" => "Nature." "fecha" => "2020" "volumen" => "579" "paginaInicial" => "270" "paginaFinal" => "273" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32015507" "web" => "Medline" ] ] ] ] ] ] ] ] 46 => array:3 [ "identificador" => "bib0440" "etiqueta" => "47" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A novel coronavirus from patients with pneumonia in China, 2019" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:18 [ 0 => "N. Zhu" 1 => "D. Zhang" 2 => "W. Wang" 3 => "X. Li" 4 => "B. Yang" 5 => "J. Song" 6 => "X. Zhao" 7 => "B. Huang" 8 => "W. Shi" 9 => "R. Lu" 10 => "P. Niu" 11 => "F. Zhan" 12 => "X. Ma" 13 => "D. Wang" 14 => "W. Xu" 15 => "G. Wu" 16 => "G.F. Gao" 17 => "W. Tan" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1056/NEJMoa2001017" "Revista" => array:6 [ "tituloSerie" => "New Eng J Med." "fecha" => "2020" "volumen" => "382" "paginaInicial" => "727" "paginaFinal" => "733" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31978945" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] "agradecimientos" => array:1 [ 0 => array:4 [ "identificador" => "xack611777" "titulo" => "Agradecimientos" "texto" => "<p id="par0395" class="elsevierStylePara elsevierViewall">Al Dr. Nicolás Wolovick por facilitar el <span class="elsevierStyleItalic">hosting</span> del programa en el sitio web.</p><p id="par0400" class="elsevierStylePara elsevierViewall">A la Dra. Mara Rosenzvit por sus aportes a la discusión de los resultados.</p>" "vista" => "all" ] ] ] "idiomaDefecto" => "es" "url" => "/03257541/0000005400000002/v2_202206160255/S032575412100078X/v2_202206160255/es/main.assets" "Apartado" => array:4 [ "identificador" => "37863" "tipo" => "SECCION" "en" => array:2 [ "titulo" => "Microbiología básica" "idiomaDefecto" => true ] "idiomaDefecto" => "en" ] "PDF" => "https://static.elsevier.es/multimedia/03257541/0000005400000002/v2_202206160255/S032575412100078X/v2_202206160255/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S032575412100078X?idApp=UINPBA00004N" ]
año/Mes | Html | Total | |
---|---|---|---|
2024 Noviembre | 8 | 0 | 8 |
2024 Octubre | 141 | 6 | 147 |
2024 Septiembre | 127 | 6 | 133 |
2024 Agosto | 79 | 5 | 84 |
2024 Julio | 90 | 2 | 92 |
2024 Junio | 115 | 11 | 126 |
2024 Mayo | 80 | 6 | 86 |
2024 Abril | 87 | 6 | 93 |
2024 Marzo | 93 | 2 | 95 |
2024 Febrero | 79 | 10 | 89 |
2024 Enero | 118 | 22 | 140 |
2023 Diciembre | 136 | 27 | 163 |
2023 Noviembre | 143 | 31 | 174 |
2023 Octubre | 234 | 29 | 263 |
2023 Septiembre | 132 | 11 | 143 |
2023 Agosto | 86 | 14 | 100 |
2023 Julio | 72 | 18 | 90 |
2023 Junio | 116 | 23 | 139 |
2023 Mayo | 261 | 23 | 284 |
2023 Abril | 88 | 5 | 93 |
2023 Marzo | 55 | 13 | 68 |
2023 Febrero | 35 | 14 | 49 |
2023 Enero | 16 | 7 | 23 |
2022 Diciembre | 23 | 12 | 35 |
2022 Noviembre | 21 | 10 | 31 |
2022 Octubre | 31 | 24 | 55 |
2022 Septiembre | 51 | 23 | 74 |
2022 Agosto | 48 | 27 | 75 |
2022 Julio | 30 | 34 | 64 |
2022 Junio | 32 | 33 | 65 |
2022 Mayo | 12 | 12 | 24 |
2022 Abril | 21 | 21 | 42 |
2022 Marzo | 28 | 25 | 53 |
2022 Febrero | 42 | 13 | 55 |
2022 Enero | 46 | 11 | 57 |
2021 Diciembre | 51 | 36 | 87 |
2021 Noviembre | 42 | 14 | 56 |
2021 Octubre | 41 | 23 | 64 |
2021 Septiembre | 15 | 3 | 18 |