Modelización matemática del comportamiento epidémico atípico de la gripe en la Comunitat Valenciana durante la temporada 2015-2016

Abstract

La gripe es una infección viral respiratoria estacional que representa un desafío constante para la salud pública, caracterizado por una marcada variabilidad interanual en intensidad, transmisibilidad y momento de aparición del pico epidémico. En este trabajo se analizó la dinámica de la gripe en la Comunitat Valenciana mediante la implementación y calibración del modelo compartimental Susceptible-Latente-Infeccioso-Recuperado (SLIR) (también denominado Susceptible-Expuesto-Infeccioso-Recuperado (SEIR)), con especial atención a la temporada 2015–2016, considerada atípica por presentar un brote más tardío y menos intenso en comparación con la temporada 2016–2017, representativa de un patrón epidémico típico. El modelo se implementó en Python 3.11 y se calibró utilizando datos de incidencia clínica semanal mediante un algoritmo de optimización por enjambre de partículas. Los datos analizados correspondieron a los casos reportados de gripe en la Comunitat Valenciana (CV) entre la semana 40 de 2015 y la semana 20 de 2016. Los parámetros estimados resultaron biológicamente plausibles: la temporada 2016–2017 presentó una elevada transmisibilidad β = 11,19, R0 = 1,74, un pico epidémico en la semana 17 y un 17.9%de población infectada, mientras que la temporada 2015–2016 mostró una transmisión más lenta β = 8,12, R0 = 1,25, un pico desplazado hasta la semana 21 y una incidencia final del 11 %. El análisis de identificabilidad confirmó la estimación estable y coherente de los parámetros clave, reforzando la validez del modelo. Desde una perspectiva biotecnológica, este estudio demuestra la utilidad de integrar datos y literatura clínica, epidemiológica y matemática en un marco común, permitiendo relacionar las características virológicas de las cepas circulantes con el comportamiento epidemiológico observado. Esta aproximación contribuye a una comprensión interdisciplinar de los brotes epidémicos y proporciona herramientas aplicables tanto al diseño de estrategias de vigilancia como a la evaluación de intervenciones preventivas, consolidando el papel de la modelización matemática como herramienta de apoyo en biotecnología y salud pública.