ANÁLISE DO COMPORTAMENTO ESTOCÁSTICO DE UM MODELO MATEMÁTICO APLICADO À INFECÇÃO HOSPITALAR
DOI:
https://doi.org/10.56238/rcsv16n3-008Palavras-chave:
Análise de Sensibilidade, Beta, Distribuição, Epidemiologia, Simulações EstocásticasResumo
Este estudo tem como objetivo propor uma metodologia para obtenção de valores para um conjunto de parâmetros em modelos matemáticos epidemiológicos segundo uma distribuição de probabilidade específica por meio de simulações estocásticas. Utilizando o modelo epidemiológico previamente selecionado, são identificados os parâmetros com maior influência nos resultados do modelo. Posteriormente, funções predefinidas são empregadas para gerar números aleatórios com base em distribuições de probabilidade específicas. Esta abordagem permite a exploração das incertezas associadas aos parâmetros de interesse, avaliando seu impacto na estabilidade e dinâmica das variáveis do modelo. A metodologia proposta foi aplicada a um modelo matemático que descreve a dinâmica de transmissão de Acinetobacter baumannii em unidades de terapia intensiva, com foco na seleção de parâmetros relacionados à prevenção e controle da disseminação do patógeno. Utilizando informações conhecidas sobre esses parâmetros, os valores foram estimados para ilustrar seu impacto nas variáveis de estado do modelo. As simulações geraram diversos cenários, com condições iniciais desfavoráveis ao controle da transmissão do patógeno, proporcionando insights sobre a sensibilidade do modelo para diferentes condições epidemiológicas. A metodologia baseada em simulação estocástica fornece uma ferramenta robusta para apoiar a tomada de decisões no desenvolvimento de estratégias de controle de infecção, enfatizar a importância das medidas preventivas para o controle de infecções em UTIs e melhorar o entendimento da transmissão de Acinetobacter baumannii em ambientes hospitalares.
Downloads
Referências
Boyce WE, DiPrima RC. Elementary differential equations. John Wiley & Sons 2012.
Butcher JC. Numerical methods for ordinary differential equations. John Wiley & Sons, 2016.
Diekmann O, Heesterbeek JAP, Metz JAJ. On the definition and the computation of the basic reproduction ratio R0 in models for infectious diseases in heterogeneous populations. Journal of mathematical biology 1990; 28: 365-382. https://doi.org/10.1080/21505594.2015.1076615
Doan TN, Kong DC, Marshall C, Kirkpatrick CM, McBryde ES. Modeling the impact of interventions against Acinetobacter baumannii transmission in intensive care units. Virulence 2016; 7: 141-152. https://doi.org/10.1080/21505594.2015.1076615
Hattaf K, Dutta H. Mathematical modelling and analysis of infectious diseases, vol. 302. Berlin: Springer; 2020.
Hidron AI, Edwards JR, Patel J, Horan TC, Sievert DM, Pollock DA, et al. Antimicrobial-resistant pathogens associated with healthcare-associated infections: annual summary of data reported to the National Healthcare Safety Network at the Centers for Disease Control and Prevention, 2006–2007. Infection Control & Hospital Epidemiology 2008, 29: 996-1011. https://doi.org/10.1086/591861
Mersmann O, Trautmann H, Steuer D, Bornkamp B. Truncnorm: Truncated normal distribution. R package version, 1-0, 2018. [accessed on: 3 Jul. 2024]. Available at: <https://CRAN.R-project.org/package=truncnorm>.
Pendleton JN, Gorman SP, Gilmore BF. Clinical relevance of the ESKAPE pathogens. Expert review of anti-infective therapy 2013, 11: 297-308. https://doi.org/10.1586/eri.13.12
RECIO-SAUCEDO, A. et al. What impact does nursing care left undone have on patient outcomes? Review of the literature. Journal of Clinical Nursing, v. 27, n. 11-12, p. 2248–2259, 16 out. 2017.
Rice LB. Federal funding for the study of antimicrobial resistance in nosocomial pathogens: no ESKAPE. The Journal of infectious diseases 2008; 197: 1079-1081. https://doi.org/10.1086/533452
Rubinstein RY, Kroese DP. Simulation and the Monte Carlo method. John Wiley & Sons, 2016.
Soetaert KE, Petzoldt T, Setzer RW. Solving differential equations in R: package deSolve. Journal of statistical software 2010, 33.
Wang X, Xiao Y, Wang J, Lu X. A mathematical model of effects of environmental contamination and presence of volunteers on hospital infections in China. Journal of theoretical biology 2012, 293: 161-173. https://doi.org/10.1016/j.jtbi.2011.10.009
Weber DJ, Anderson D, Rutala WA. The role of the surface environment in healthcare-associated infections. Current opinion in infectious diseases 2013, 26: 338-344. https://doi.org/10.1097/QCO.0b013e3283630f04
Downloads
Publicado
Edição
Seção
Licença

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.