Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Perspectiva del tiempo para alcanzar la inmunidad de rebaño para COVID-19 a nivel mundial

Estimated time to reach global herd immunity against COVID-19




Sección
Artículos de investigación

Cómo citar
Díaz Pinzón, J. E. (2021). Perspectiva del tiempo para alcanzar la inmunidad de rebaño para COVID-19 a nivel mundial. Revista Repertorio De Medicina Y Cirugía, 30. https://doi.org/10.31260/RepertMedCir.01217372.1245

Dimensions
PlumX
Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Jorge Enrique Díaz Pinzón


    Jorge Enrique Díaz Pinzón,

    Ingeniero. Magister en Gestión de la Tecnología Educativa, Especialista en Administración de la Informática Educativa. Docente de matemáticas e Investigador.


    Introducción: la humanidad enfrenta la mayor campaña de vacunación de la historia. El proceso de inmunización contra el COVID-19 que comenzó a principios de diciembre 2020 en Estados Unidos, Reino Unido, Rusia y China, está en marcha en todo el mundo y se destaca en la mayoría de los países más ricos. Objetivo: calcular el tiempo para alcanzar la inmunidad de rebaño para COVID-19 a nivel mundial, a partir de la información de vacunación de Johns Hopkins University. Metodología: la información sobre vacunación diaria a nivel mundial se obtuvo de Johns Hopkins University. Se tomó el período hasta el 30 de junio 2021. Resultados:  se determinó que para el 19 de enero 2022 se logrará obtener la inmunidad de rebaño, para esta fecha se habrán aplicado 11.034.357.235 dosis para inmunizar a la población mundial. Conclusión: se infiere el significativo papel que logran los modelos matemáticos a la hora de representar los procesos de vacunación y de esta manera se trazarán en el futuro vías de investigación en la modelización matemática para lograr la inmunidad de rebaño de cualquier proceso infeccioso.


    Visitas del artículo 2016 | Visitas PDF 1040


    Descargas

    Los datos de descarga todavía no están disponibles.
    1. Ordaz A, Oliveres V, Sáchez R. Así avanza la vacunación: mapas y gráficos sobre su evolución en España y el mundo [Internet]. 2021 [citado junio 12 de 2021]; Disponible en: https://www.eldiario.es/sociedad/vacuna-covid-mapas-graficos-proceso-vacunacion-espana-mundo-junio-10_1_6782953.html
    2. Gutiérrez, J. La competición por las vacunas pone en riesgo la inmunización en los países con menos recursos [Internet]. 2021 [citado junio 12 de 2021]. Disponible en: https://www.rtve.es/noticias/20210611/vacuna-coronavirus-mundo/2073422.shtml
    3. Boland, B. ¿Qué es la inmunidad de rebaño? [Internet]. [citado abril 10 de 2021]; Disponible en: https://www.bannerhealth.com/es/healthcareblog/teach-me/what-is-herd-immunity
    4. Cochrane Iberoamérica. Inmunidad de grupo (inmunidad de rebaño) y COVID-19 [Internet]. Colombia: DANE; 2000 [citado 2021 abril 10]; Disponible en: https://es.cochrane.org/es/inmunidad-de-grupo-inmunidad-de-reba%C3%B1o-y-covid-19
    5. Gómez-Lucía E, Ruiz-Santa-Quiteria J. ¿Qué es la inmunidad de rebaño y por qué Reino Unido creía que podía funcionar? [Internet]. [citado abril 10 de 2021]. Disponible en: https://www.ucm.es/otri/noticias-que-es-la-inmunidad-de-rebano-y-por-que-reino-unido-cree-que-puede-funcionar
    6. Johns Hopkins University. COVID-19 Data Repository by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University [Internet]. [citado junio 30 de 2021]; Disponible en: https://www.arcgis.com/apps/dashboards/bda7594740fd40299423467b48e9ecf6
    7. Calvo D. Análisis de series temporales en R. ARIMA [Internet]. 2018 [citado 2020 noviembre 7]; Disponible en: https://www.diegocalvo.es/analisis-de-series-temporales-en-r-arima/
    8. De la fuente, S. Modelo ARIMA (p, d, q) [Internet]. 2020 [citado 2020 noviembre 7]; Recuperado de: http://www.estadistica.net/ECONOMETRIA/SERIES-TEMPORALES/modelo-arima.pdf
    9. Maté C. Modelos ARIMA [Internet]. 2012 [citado 2020 noviembre 7]; Disponible en: https://es2.slideshare.net/juan_churqui/modelo-arima-14236175?from_action=save
    10. Villareal F. Introducción a los Modelos de Pronósticos [Internet]. 2016. [citado 2020 noviembre 7]; Disponible en: https://www.matematica.uns.edu.ar/uma2016/material/Introduccion_a_los_Modelos_de_Pronosticos.pdf
    11. Díaz Pinzón JE. Medidas de frecuencia por COVID-19 en Bogotá DC. Repert Med Cir. 2020;29(Núm. Supl.1):94-98. https://doi.org/10.31260/RepertMedCir.01217372.1110
    12. Díaz Pinzón JE. Estimación de la prevalencia del COVID-19 en Colombia. Repert Med Cir. 2020;29(Núm. Supl.1):99-102. https://doi.org/10.31260/RepertMedCir.01217372.1115
    13. Díaz Pinzón JE. Análisis de los resultados del contagio del COVID-19 respecto a su distribución geográfica en Colombia. Repert Med Cir. 2020;29(Núm. Supl.1):60-64. https://doi.org/10.31260/RepertMedCir.01217372.1082
    14. Díaz Pinzón JE. Estimación de las tasas de mortalidad y letalidad por COVID-19 en Colombia. Repert Med Cir. 2020;29(Núm. Supl.1):89-93. https://doi.org/10.31260/RepertMedCir.01217372.1103
    15. Luzuriaga J, Mársico F, García E, González V, Kreplak N, Pífano M, González S. Impacto de la aplicación de vacunas contra COVID-19 sobre la incidencia de nuevas infecciones por SARS-COV-2 en PS de la Provincia de Buenos Aires. [Internet]. 2021 [citado 18 abr 2021]. Disponible en https://doi.org/10.1590/SciELOPreprints.2068
    Sistema OJS 3.4.0.5 - Metabiblioteca |