Eduardo Court Monteverde. Economista por la Universidad Agraria de La Molina. Profesor del posgrado de la Facultad de Ciencias Administrativas y Recursos Humanos de la USMP.
Introducción
Comprender cómo se desarrolla una epidemia una vez que ha surgido es crucial si queremos controlarla. Para hacer esto, se han desarrollado varios modelos que destacan (en particular) el papel crucial desempeñado por el parámetro R0, que describe el número promedio de nuevas infecciones
debido a un individuo enfermo. Como puede imaginar, si este número es inferior a 1, la epidemia tenderá a desaparecer, mientras que puede persistir o incluso extenderse a toda la población si R0 > 1.
Sin embargo, estos modelos clásicos obviamente tienen sus límites y el parámetro R0 realmente no describe por sí solo el destino de una epidemia en una población real (suponiendo que sepamos cómo encontrarla). Por ejemplo, el hecho de que una población sea siempre finita induce efectos aleatorios tanto más marcados mientras más pequeña sea la población. Además, la mayoría de las poblaciones también tienen una estructura en forma de grupos dentro de los cuales los individuos están más cerca (y por lo tanto se contaminan más fácilmente) que entre el resto de los grupos. Todo esto requiere modelos más finos y el desarrollo de las herramientas necesarias para su estudio.
En este trabajo empírico. primero nos centraremos en describir los modelos deterministas y aleatorios más clásicos, así como los vínculos entre estos dos enfoques. En un segundo paso, generalizaremos la noción del parámetro R0 a poblaciones estructuradas.