MODELADO MATEMÁTICO SOBRE LA CONTAMINACIÓN INDUSTRIAL Y LA

PROPAGACIÓN DE ENFERMEDADES INFECCIOSAS UTILIZANDO EL MODELO

DE CRECIMIENTO DE LA POBLACIÓN PARA EPIDEMIAS

G. Manjunatha1, K.S.Basavarajappa2, V.K.Katiyar3 1 Profesor Asociado Departamento

de Matemáticas, MIT, Manipal, Karnataka, India 2 Profesor Departamento de
Matemáticas, BIET, Davangere, Karnataka, India 3 Profesor Dep. De Matemáticas, IIT,
Roorkee, Utttarakand, India

Resumen:
Se ha estudiado el modelo matemático sobre la contaminación industrial y la
propagación de enfermedades infecciosas utilizando el modelo de crecimiento de la
población para la epidemia. Las epidemias han sido siempre una gran preocupación para
la humanidad y todavía nos conmueven las descripciones dramáticas que nos llegan del
pasado, como en el sexto libro de Lu-cretius "De RerumNatura" o en otras
descripciones más recientes que encontramos en la literatura. La "peste negra", la plaga
que se extendió por Europa y desde 1347 hasta 1352 e hizo 25 millones de víctimas,
parece estar lejos de nuestras vidas, pero los eventos más recientes nos recuerdan que
las epidemias son un problema real para la institución de salud que continuamente
frente a enfermedades emergentes y reemergentes. El modelo presentado en términos de
ecuaciones diferenciales ordinarias se ha estudiado para investigar el efecto a largo
plazo de la población en términos de propagación de enfermedades basadas en el
entorno laboral, los efectos sociales y otros.

Introducción:
El efecto de la contaminación industrial en el entorno vegetariano y la vida siempre
puede determinarse estimando el grado de contaminación en un dominio industrial o
área terrestre dado, la contaminación puede ser en términos de gases químicos,
biológicos y tierras y recursos hídricos contaminados. Además de los tipos anteriores de
contaminantes, hay muchos contaminantes indirectos en las áreas de hábitats
industriales que también causan riesgos para la salud. La población afectada se vuelve
propensa a contraer infecciones virales y bacterianas y es susceptible de ser uniforme en
toda la población industrial. El estudio matemático de las enfermedades infecciosas,
incluidas las epidemias, se limita principalmente a la población homogénea que consiste
en un solo grupo [1] [2]. El modelo de población se refiere a que hemos considerado y
analizado las poblaciones biológicas con dos o más compartimentos en la misma
especie. El mismo modelo se lleva a cabo para investigar el efecto de la población
humana.

Modelo matemático:
Los elementos básicos para la descripción de las enfermedades infecciosas han sido las
tres clases epidemiológicas de individuos susceptibles, infecciosos y extirpados,
definidos respectivamente como aquellos individuos que están sanos y pueden estar
infectados; aquellos individuos que están infectados y son capaces de transmitir la
enfermedad; aquellos individuos que son inmunes porque han sido infectados y ahora se
han recuperado; así, las variables básicas que identifican el estado de la población en la
perspectiva epidemiológica son S (t) el número de susceptibles en el momento t, I (t) el
número de infectivos en el momento t R (t) el número de inmunes en el momento t Para
el modelo epidémico se pueden hacer las siguientes suposiciones

i) La velocidad a la que los miembros se vuelven infecciosos es proposicional

para el producto del miembro de susceptibles y el número de infectivos.
ii) La población está cerrada sin nacimientos, sin muertes, excepto por la
enfermedad y sin migración.
iii) La tasa de pasaje de clase infectiva a clase eliminada a través de recuperación
o muerte es proposicional para el número de infectivos.

Por otra parte, la tasa de eliminación R (t) se supone habitualmente como una constante,
las clases epidemiológicas que caracterizan una enfermedad pueden ser más que éstas,
pero se puede lograr una comprensión considerable de los fenómenos sobre la base de la
descripción anterior. Después del estado básico variables introducidas anteriormente, se
puede introducir una mayor simplificación general con respecto a la progresión y el
efecto de la enfermedad. A saber, se puede hacer una distinción abásica entre aquellas
enfermedades que imparten inmunidad de por vida y aquellas que no lo hacen. El caso
de resto conduce al llamado modelo de tipo SIR, el segundo a los modelos de tipo SIS.
De hecho, el camino individual a través. En el conjunto de ecuaciones (1) Los valores
de los parámetros dependerán de las siguientes suposiciones

a) Toda persona que contrae las enfermedades es inmediatamente capaz de

comunicarlo a otros p (t) = {s (t) I (t) R (t)} (2) donde p (t) es el vector de
composición de la población que contiene los datos relevantes información
sobre la composición de la población en el momento t.

b) La población del tamaño fijo que da una ecuación S (t) + I (t) + R (t) = n
(constante)

El modelo matemático (1) es propuesto por Kermack y M C Kewrudrick [6] para la

recuperación que proporciona la inmunidad. Pero la recuperación no da inmunidad,
entonces este modelo se llama modelo SIS en el que los individuos pasan de la clase
susceptible a la clase infectiva y luego regresan a la clase infectiva y luego vuelven a la
clase susceptible al recuperarse el modelo.
Considerando la ecuación (3) como S + I + R = n, el tamaño total de la población es
constante. Las ecuaciones son (1) a (4) válidas para el infectado, entonces podemos
considerar que el número promedio de contactos es suficiente para transmitir la
infección por infeccioso en el tiempo unitario es constante. La cantidad de tiempo que
tales contactos en unidad de tiempo es I  entonces cada constante con susceptible
puede tomarse como s / k la tasa de infección es con la ecuación (4) son las
ecuaciones modificadas
de Kermac y mc Kendrick [6]. El concepto básico de epidemiología es la existencia de
umbrales. El valor de los umbrales es responsable de la cuantificación de los parámetros
efectivos, como el número de contacto, el tamaño de la población o la densidad del
vector, que deben excederse para que se produzca una epidemia o para que una
enfermedad siga siendo epidémica.

La tasa de crecimiento de la subpoblación infectada es proporcional al número de

contactos por unidad de tiempo entre
grupos S y yo entonces

donde K es una constante no negativa determinada por la condición inicial cuando

Se dice que la epidemia terminará en el momento tc. La condición (6) indica que la
epidemia se encuentra en la etapa inicial y la afectada se está moviendo hacia la
susceptible, luego I (t) = 0. No hay individuos infectados al momento tc, entonces no
hay nadie disponible para continuar propagando la infección. En el momento t = 0, hay
exactamente un individuo infectado y luego la condición que debe cumplir la solución S
= S (t) de la ecuación (5) en el momento t = 0 es S (0) = n.

Las ecuaciones (5) y (6) forman un modelo matemático para la situación simple
caracterizada por las ecuaciones (1), (3) y (4). Al resolver la ecuación (5)
La ecuación (7) representa el modelo matemático para el susceptible. Del mismo modo,
también podemos obtener el modelo matemático para I (t). Dado que esperamos que la
tasa de cambio de tamaño de la subpoblación S sea muy pequeña inicialmente (se
supone que solo hay un individuo infectado) aumentará a medida que el tamaño de I (t)
aumenta y disminuye a medida que casi todos los individuos se infectan. Por lo tanto, la
ecuación (5) puede tomarse como

Luego, usando la condición S (0) = n

Donde I (0)> 1, para la definición asumimos que I (0) = 1 de la ecuación (8) ds / dt se

convierte en infinito cuando t se aproxima al infinito. Se deduce que la curva epidémica
es al menos un máximo relativo. Para obtener las coordenadas de uno de estos
máximos, diferenciamos ds / dt en la ecuación (8) e intentamos por los ceros de la
expresión resultante. Entonces el valor máximo de ds / dt está determinado por la
ecuación.

Entonces el tiempo tm es

La tasa máxima de infección varía inversamente con el parámetro k y es una función

decreciente del tamaño de la población total. El tamaño del grupo de susceptibles en el
tiempo tm y también la tasa máxima de infección.
Por lo tanto, los modelos de crecimiento de epidemia para infectados y susceptibles se
han analizado utilizando modelos matemáticos deterministas.

IV. CONCLUSIÓN
Los modelos matemáticos sobre contaminación industrial y propagación de
enfermedades infecciosas utilizando el modelo de crecimiento poblacional para
epidemias se han estudiado a través de modelos matemáticos descritos en las ecuaciones
1 a 11 que están directamente relacionados con la población humana. Toda la población
está activa (en cambio, para algunos, las enfermedades parte o la totalidad de la clase
eliminada no participa en la mezcla), que la tasa de contacto es independiente del
tamaño de la población activa y que los contactos con infectivos son igualmente
infecciosos. Observamos que en (1) el factor () / () I t N t representa la probabilidad de
que el individuo contactado sea infeccioso. Además, la suposición (3) significa que la
progresión de la enfermedad es la misma dentro de cualquier infectivo y  mide la
fracción promedio de individuos en recuperación en la unidad de tiempo. Con esta
suposición, un grupo dado de infectivos disminuiría exponencialmente con la constante
de tiempo.

[1] Kapur, J. N., "Modelos matemáticos en biología y medicina".

[2] Sexena, N. P, "Contaminación industrial, población y propagación de enfermedades
infecciosas", ISIAM, 319,1993.
[3] Capasso, V., "Estructuras Matemáticas de los Sistemas Epidémicos", Notas de la
Conferencia en Biomath. 97, Springer Verlag 1993.
[4] Brauer, F., "Modelos de la propagación de enfermedades universalmente totales",
Revista de biología matemática, Vol.28, pp.451-462, 1990.
[5] Diekmann. O y Heesterbeek J.A.P., "Epidemiología Matemática de Enfermedades
Infecciosas" Serie de Wiley en Biología Matemática y Computacional, Wiley, 2000.
[6] Kermack. W.O., y Kendrick.Mc., "Contribución a la teoría matemática de las
epidemias", Proc. Real. Society, A 115, pp 700-721,1927.
[7] Richard haberman, Libro de texto sobre el modelo matemático, 1977.
[8] Thieme, HR, "Matemáticas en la biología de la población", serie de Princeton en
Biología teórica y computacional, 2003.
[9] Grais, RF, Ferrari, MJ, Dubray . C., Bjornstad, O.N., Grenfell., B.T, Djibo. A.,
Fermon y Guerin, PJ, "Estimación de la intensidad de transmisión de una epidemia de
sarampión en Niamey, Níger: lecciones para la intervención", Transacciones de la Royal
Society of Tropical Medicine and Hygiene, Vol.-100, pp.867-873. , 2006.
[10] Hooten, M.B, Anderson, J, Waller, L.A., "Evaluación de la dinámica de la
influenza en América del Norte con un modelo estadístico SIRS", Journal of Spatial and
Spatio-temporary Epidemiology. pp. 177-185, 2010.
[11] Kuniya, T., "Análisis de estabilidad global con un enfoque de discretización para
un modelo de epidemia de SIR mul-tigroup estructurado por edad", Journal of
Nonlinear Analysis: Real World Applications, Vol.12, pp.2640-2655, 2011.
[12] Li, XZ, Li, WS, Ghosh, M., "Estabilidad y bifuricación de un modelo de epidemia
SIR con incidencia y tratamiento no auriculares", Revista de Matemáticas Aplicadas y
Computación, Vol. .210, pp141-150, 2009.