Estudo da dinâmica de epidemias em Redes Complexas

• Ano de defesa: 2018
• Autor(a) principal: Pinto, Eduardo Ribeiro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: MBI; Redes Complexas; Tuberculose; Modelos Compartimentais; IBM; Complex Networks; Tuberculosis; Compartmental Models
• Link de acesso: http://hdl.handle.net/11449/153846

Os Modelos Baseados em Indivíduos (MBI’s) têm sido crescentemente empregados na modelagem de processos infecciosos. Um MBI consiste de uma estrutura na qual ocorrem interações entre um certo número de indivíduos, cujo comportamento é determinado por um conjunto de características que evoluem estocasticamente no tempo. Estudos recentes têm mostrado que as redes complexas constituem um suporte natural para o estudo da propagação de uma doença. Redes complexas são descritas por um conjunto de vértices (nós), arestas (conexões, ligações ou links) e algum tipo de interação entre os mesmos. Na formulação original do MBI e em modelos SIR (Suscetível, Infectado e Recuperado) e SEI (Suscetível, Exposto e Infectado), as relações entre os indivíduos são representadas por grafos completos, ou seja, todos os indivíduos estão conectados entre si. Como a topologia de uma rede real não pode ser descrita por uma rede puramente aleatória, nesse trabalho o MBI foi implementado de forma a incorporar modelos mais realísticos de redes de contato na propagação de uma doença infecciosa. De maneira geral, observou-se que redes complexas com diferentes topologias resultam em curvas de indivíduos suscetíveis, infectados e recuperados (ou suscetíveis, expostos e infectados) com diferentes comportamentos, e desta forma, que a evolução de uma dada doença, em particular a tuberculose, é altamente sensível à topologia de rede utilizada. Mais especificamente, observou-se que quanto maior o valor do comprimento do salto médio, mais rápida será a propagação da doença e, consequentemente, maior será o número de indivíduos infectados.