La movilidad de las personas es uno de los principales factores que propician la propagación espacial de epidemias. Las medidas de control epidemiológico basadas en la restricción de movilidad son generalmente poco populares y las consecuencias económicas pueden llegar aser muy grandes. Debido a los altos costos de estas medidas, es de gran relevancia tener estrategias globales que optimicen las medidas minimizando los costos. En este trabajo, se calcula el umbral de percolación de la propagación de enfermedades en redes. De manera particular, se encuentra el número de caminos a restringir y localidades que tienen que ser aisladas para limitar la propagación global de COVID-19 en el Estado de Puebla, México. Simulaciones computacionales donde se implementan las medidas de restricción de movilidadentre los diferentes municipios, junto con las medidas de confinamiento, muestran que es posible reducir un 94 % de la población afectada comparado con el caso en el que no se implementa ninguna medida. Esta metodología puede ser aplicada a distintas zonas para ayudar a las autoridades de salud en la toma de decisiones.
Human mobility is an important factor in the spatial propagation of infectious diseases. On the other hand, the control strategies based on mobility restrictions are generally unpopular and costly. These high social and economic costs make it very important to design global protocols where the cost is minimized and effects maximized. In this work, we calculate the percolation threshold of the spread in a network of a disease. In particular, we found the number of roads to close and regions to isolate in the Puebla State, Mexico, to avoid the global spread of COVID-19. Computational simulations taking into account the proposed strategy show a potential reduction of 94 % of infections. This methodology can be used in broader and different areas to help in the design of health policies
Classification
subjects
Mathematics
Physics
keywords
teoría de percolación; umbral de percolación; propagación de enfermedades; covid-19, percolation theory; percolation threshold; disease propagation