Descripción
Esta aplicación en línea, realizada en R y Shiny, permite simular la propagación del virus de la COVID-19 utilizando modelos probabilísticos de la infección entre personas, mediante la modificación de los parámetros que determinan el modelo epidemiológico subyacente que, en este caso, es de tipo compartimental. Se denomina así porque los individuos de una población se clasifican en diferentes categorías o compartimentos dependiendo de si están sanos, infectados, con o sin síntomas, se recuperan o mueren, etc. En este caso, el modelo es el siguiente:
En este caso, los individuos pueden ser clasificados como susceptibles a ser infectados (S) cuando se exponen a la enfermedad y se infectan, pero aún no son transmisores (E), tres niveles de infección (suave, severa y crítica, o I1, I2 y I3, respectivamente) y si se recuperan (R) o bien se mueren (D). Los parámetros que aparecen en los arcos de este modelo representan los valores que permiten hacer las simulaciones que se controlan desde la aplicación.
Como es habitual en aplicaciones desarrolladas con R+Shiny, puedes ver diferentes áreas dedicadas a una funcionalidad:
Aparte del encabezado en la parte superior, la parte izquierda de la pantalla está dedicada a los parámetros que determinan el resultado de la simulación, que se pueden modificar para comprobar varios escenarios posibles. El lado derecho de la pantalla muestra la vista resultante, así como un área de pestañas que permite acceder a diferentes simulaciones, así como información sobre la vista en sí.
Enlace al recurso
https://alhill.shinyapps.io/COVID19seir/
Ejemplo de uso
La pestaña Spread muestra el resultado de la simulación según los parámetros proporcionados. Se muestran cinco curvas, donde se puede ver cómo la infección en la población original (S) está progresando cada día, cómo está aumentando el número de expuestos (E) e infectados (I), y como la mayoría de ellos se recuperan (R) y un pequeño porcentaje se mueren (D).
Enlaces relacionados
Código fuente en GitHub: https://github.com/alsnhll/SEIR_COVID19
Ficha sobre Shiny: https://datascience.recursos.uoc.edu/shiny/
Modelos compartimentales en epidemiología: https://en.wikipedia.org/wiki/Compartmental_models_in_epidemiology