Un modelo de mezclas Bayesiano para describir rebrotes del COVID-19 en el estado de Guerrero, México

• Ferrán Yera , Yaineris ^[1] ; Ariza Hernández, Francisco ^[1] ; Árciga Alejandre , Martín ^[1] ; Sánchez Ortiz , Jorge ^[1]
  1. [1] UAGro
• Localización: RevistaTlamati Sabiduría, ISSN-e 3122-4458, Vol. 19, Nº. 32, 2024 (Ejemplar dedicado a: Ciencia, salud y sustentabilidad: investigaciones desde Guerrero para el siglo XXI), págs. 69-81
• Idioma: español
• Títulos paralelos:
  • A Bayesian mixture model to describe COVID-19 outbreaks in the state of Guerrero, Mexico
• Enlaces
  • Texto completo
• Resumen
  • español

    El COVID-19 ha puesto en alerta al mundo entero debido al gran número de contagios, hospitalizaciones y defunciones provocadas. Desde su inicio, en diciembre de 2019, han estado ocurriendo “olas” de incrementos considerables del número de contagios y muertes, conocidos como rebrotes. En este trabajo, se modela matemáticamente el comportamiento diario de infecciones, hospitalizaciones y defunciones por COVID-19 en el estado de Guerrero del 15 de marzo de 2020 al 27 de febrero de 2022, haciendo uso de un modelo de mezclas Bayesiano con distribuciones gaussianas. Se estimaron los parámetros de interés involucrados en el modelo mediante el método Bayesiano, se obtuvieron las distribuciones posteriores de cada uno de ellos usando Cadenas de Markov vía Monte Carlo y se validaron las estimaciones con los análisis de convergencia correspondientes. Con el modelo de mezclas se identificaron cinco rebrotes para los casos infectados, y cuatro para los hospitalizados y defunciones. Finalmente, la implementación del modelo se realizó con la ayuda del software estadístico R y el paquete JAGS.

  • English

    The COVID-19 pandemic has put the entire world on alert due to the large number of infections, hospitalizations, and deaths caused by this disease. Since its beginning, in December 2019, outbreaks of considerable increases in the number of infections and deaths, have been occurring. In this work, the daily behavior of infections, hospitalizations, and deaths from COVID-19 in the state of Guerrero is mathematically modeled using a Bayesian mixture model with Gaussian distributions from March 15, 2020 to February 27, 2022. The parameters of interest were estimated using the Bayesian method, the posterior distributions of each of them were obtained using Markov Chains via Monte Carlo and the estimates were validated with the corresponding convergence analyses. With the mixture model, five outbreaks were identified for infected cases, and four for both hospitalized and deaths cases. Finally, the implementation of the model was carried out with the help of the R statistical software and the JAGS package.