Depositar documentos | Cómo depositar | Registrarse

Epidemias en redes dinámicas. / Epidemics in dynamic networks.

Finkelsteyn, Andrés (2011) Epidemias en redes dinámicas. / Epidemics in dynamic networks. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro.

[img]PDF (Tesis)
Español
796Kb

Resumen en español

El modelado matemático de epidemias constituye un área activa de investigación en epidemiología que permite analizar la dinámica de la propagación de infecciones. El estudio de las epidemias de transmisión sexual tiene una larga tradición en epidemiología matemática habiendo una línea de modelado clásico, y por otro lado una línea más reciente proveniente del análisis de redes complejas. Mientras que la línea clásica es más apropiada para modelar epidemias en poblaciones que tienen una tasa de recambio muy alto de parejas sexuales, el modelado de redes complejas es más apropiada para poblaciones que mantienen parejas sexuales estables. El objetivo central de este trabajo es considerar las propiedades topólogicas y dinámicas de las redes sexuales en el contexto de las técnicas de modelado clásico de epidemias, las cuales satisfacen mejor los supuestos necesarios para estudiar epidemias en redes sexuales que tienen dinámicas sociales muy rápidas. Asimismo, se consideraron factores sociales que tradicionalmente no han sido tenidos en cuenta en la elaboración de modelos epidemiológicos y que en algunos casos el modelado en redes complejas ha sabido incorporar exitosamente. Se trabajó a partir de una nueva formulación de modelos que se denominó formulación de atributos y que permitió estudiar en forma simple el impacto de las propiedades topológicas y dinámicas de las redes sexuales en la propagación de una infección. Esta formulación cuenta con la ventaja de que es más fácil de contrastar con datos reales y de que es más sencilla de tratar analíticamente. Los resultados que brindaron los modelos son consistentes con resultados de modelos previos en redes complejas y también están de acuerdo con tendencias observadas en la realidad. Además estos modelos sirvieron para explicar algunos fenómenos reales observados en los reportes de enfermedades de transmisión sexual que no es sencillo entender sin el auxilio de un modelo matemático.

Resumen en inglés

The mathematical modeling of epidemics is an active area of research in epidemiology that deals with the dynamics of the spread of infectious diseases. The study of sexual transmitted diseases has a long tradition in mathematical epidemiology having two lines: firstly classic models, and secondly a most recent line that derived from the analysis of complex networks.While the classic line is more appropriate to model populations that have a high turnover rate of sexual partners, the modeling of complex networks is more appropriate for populations that have stable sexual partners. The objective of this thesis is to consider the topological and dynamic properties of sexual networks in the context of classical modeling techniques of epidemics, which best meet the assumptions necessary to study epidemics in sexual networks with very fast social dynamics. I have also considered social factors that traditionally have not been taken into account in epidemiological modeling. I have used a new formulation of models called attributes models in order to study the impact of topological and dynamic properties of sexual networks in the spread of infection. This formulation has the advantage of being easier to compare with real data and it is easier to treat analytically. The results from the models are consistent with results from previous models in complex networks and are also in agreement with trends observed in real cases. Furthermore, these models can be used to explain actual phenomena observed in reports of sexually transmitted diseases that are not easy to understand without the aid of a mathematical model.

Tipo de objeto:Tesis (Maestría en Ciencias Físicas)
Palabras Clave:Mathematical models; Modelos matemáticos; Epidemiology; Epidemiología; Sexual networks; Redes sexuales; Sexual transmitted diseases; Enfermedades de transmisión sexual
Referencias:[1] N. Becker. The uses of epidemic models. Biometrics, 35:295–305, 1979. [2] N.T.J. Bailey. The role of statistics in controlling and eradicating infectious diseases. Statistician, 34:3–17, 1985. [3] R.M. Anderson and R.M. May. Population biology of infectious diseases: Part i. Nature, 280:361–367, 1979. [4] J.A. Yorke andHethcoteH. Gonorrhea transmission dynamics and control. Springer-Verlag,New York, 1984. [5] R.M.May and R.M. Anderson. Transmission dynamics of hiv infection. Nature, 326:137–142, 1987. [6] J.N.Wasserheit and S.O. Aral. The dynamic topology of sexually transmitted disease epidemics: implications for prevention strategies. J Infect Dis., 1996. [7] R. M. Anderson and R. M. May. Infectious diseases of humans: dynamics and control. Oxford and New York: Oxford University Press., 1991. [8] Diekmann O. and Heesterbeek J.A.P. Mathematical Epidemiology of Infectious Diseases: Model Building, Analysis and Interpretation. Chichester: John Wiley, 2007. [9] Levin S. A. and Durrett R. From individuals to epidemics. Philosophical Transactions of the Royal Society of London Series B, (351):1615–1621, 1996. [10] N.C. Grassly, C. Fraser, and G.P. Garnett. Host immunity and synchronized epidemics of syphilis across the united states. Nature, 433:417– 421, 2005. [11] R. Breban, V. Supervie, J.T. Okano, R. Vardavas, and S. Blower. Is there any evidence that syphilis epidemics cycle? Lancet Infect Dis., 433:417– 421, 2008. [12] G.P. et al. Garnett. The natural history of syphilis. implications for the transmission dynamics and control of infection. Sex Transm Dis, (24):185–200, 1997. [13] Piot P. and Islam M.Q. Sexually transmitted diseases in the 1990s: global epidemiology and challenges for control. Communicable Disease Report Review, (24):185–200, 1992. [14] Catchpole M.A. Sexually transmitted diseases in england and wales: 1981-1990. Communicable Disease Report Review, (24):185–200, 1992. [15] A.K.Nakashima, R.T. Rolfs,M.L. Flock, P. Kilmarx, and J.R. Greenspan. Epidemiology of syphilis in the united states, 1941-1993. Sex Transm Dis, 1995. [16] R. Marx, S. Aral, R.T. Rolfs, C.E. Sterk, and J.G. Kahn. Crack, sex, and std. Sex Transm Dis, 18:92–101, 1991. [17] Albert R., Jeong N., and Barabasi A.L. Error and attack tolerance of complex networks. Nature, 409:378–382, 2001. [18] Newman M. Networks: An Introduction. 2010. [19] Liljeros F., L.A.N. Edling, L.A.N. Amaral, H.E. Stanley, and Y. Aberg. The web of human sexual contacts. Nature, (411):907–908, 2001. [20] B. Foxman, M. Newman, B. Percha, K.K. Holmes, and S.O. Aral. Measures of sexual partnerships: Lengths, gaps, overlaps, and sexually transmitted infection. Sexually Transmitted Diseases, 33(4):209–214, 2006. [21] L. Podhurst and J. Credle. Hiv/aids risk reduction strategies for gay youth of color in the "houseçommunity. Int Conf AIDS., 12(913), 1998. [22] P. Braunstein. Disco. American Heritage, 50(7), 1999. [23] J.D. Klausner,W.Wolf, L. Fischer-Ponce, I. Zolt, andM.H. Katz. Tracing a syphilis outbreak through cyberspace. JAMA, 2000.
Materias:Matemática > Estadística matemática
Divisiones:Investigación y aplicaciones no nucleares > Física > Física estadística
Código ID:319
Depositado Por:Marisa G. Velazco Aldao
Depositado En:25 Abr 2012 16:38
Última Modificación:26 Abr 2012 16:09

Personal del repositorio solamente: página de control del documento