CBL - Campus del Baix Llobregat

Projecte llegit

Títol: Models predictius de la dinàmica de la grip a països europeus

Estudiant que ha llegit aquest projecte:
CALSINA BERNI, ORIOL (data lectura: 21-10-2024)
Cerca aquest projecte a Bibliotècnica

Tutor/a o Cotutor/a: PRATS SOLER, CLARA

Departament: FIS

Títol: Models predictius de la dinàmica de la grip a països europeus

Data inici oferta: 24-01-2024 Data finalització oferta: 30-01-2024

Estudis d'assignació del projecte:
GR ENG SIS BIOLÒG 23

Lloc de realització:
EEABB

Segon tutor/a (UPC): LOPEZ CODINA, DANIEL

Paraules clau:
Epidemiologia matemàtica, Models en compartiments, Grip, Epidèmies estacionals

Descripció del contingut i pla d'activitats:
Els països europeus experimenten, cada tardor-hivern, augments d'infeccions respiratòries agudes causades per diversos patògens, inclosos el VRS, la grip, el SARS-CoV-2 i altres virus i bacteris amb major o menor grau d'estacionalitat. La co-circulació d'aquests patògens augmenta la pressió sobre els sistemes sanitaris, amb augments de la incidència d'infecció respiratòria que comporten un augment de les consultes i les hospitalitzacions d'atenció primària, especialment per a les persones d'edat avançada i/o amb comorbiditats i factors de risc. Els models predictius i d'anàlisi d'escenaris són eines que poden contribuir a la previsió de l'impacte de les epidèmies respiratòries estacionals i, per tant, a la seva gestió: des d'anticipar la pressió sobre l'atenció primària i hospitalària fins a planificar les campanyes de vacunació, entre d'altres.
L'objectiu d'aquest TFG és adaptar un model epidemiològic de la grip a Catalunya a dades d'altres països europeus, per les temporades pre-pandèmia, i analitzar-ne la capacitat predictiva.
Les tasques associades son:
- Revisió bibliogràfica
- Cerca de dades històriques de diagnòstics de grip
- Preprocessat i anàlisi de les dades
- Ajust del model de compartiments a les dades obtingudes
- Anàlisi de la seva capacitat predictiva

Overview (resum en anglès): This work has been developed in collaboration with the BIOCOM-SC (Computational Biology and Complex Systems) research group at UPC.
The flu is an infectious respiratory disease caused by influenza viruses, spreading seasonally mainly during the autumn and winter months in Europe. The primary objective of this study is to understand flu transmission patterns in different countries over the years. Additionally, it analyzes irregular behavior observed in some countries during the declining phase of flu cases.
Mathematical epidemiology uses mathematical and computational models, which are powerful tools for understanding and predicting disease behavior. In this project, a compartmental SEIR (Susceptible, Exposed, Infectious, Recovered) model was optimized and adapted to achieve the project's goals.
Epidemiological models optimized with common transmissibility parameters for each country have been properly adjusted to the observed data. These models have accurately reproduced flu transmission dynamics during the growth phase, demonstrating that transmission patterns can be consistent within a country over several seasons. The model was later modified to more accurately represent the flu's declining phase by introducing the "injection of susceptibles." This approach incorporates new individuals susceptible to infection during this phase, better capturing the observed dynamics in various seasons with peaks or irregularities in case reduction. This empirical approach yielded excellent results across all adjusted seasons.
The use of MATLAB's Genetic Algorithm to adjust the parameters of this injection of susceptibles proved much more effective than local optimization tools such as fminsearch or fmincon, as it can find the global minimum of the optimized function more easily and automatically.

The models have been evaluated in their entirety, including both the growth and decline phases, with satisfactory results and 95% accuracy, indicating high reliability in representing flu transmission. As a future task, more countries will be included, and the models will be adjusted with common transmissibility parameters, along with a more mechanistic explanation based on the empirical approach of susceptible injections.