Introducción. La Epidemiología digital es clave para la toma de decisiones e incrementa su alcance en el control de enfermedades emergentes mediante el uso del big data y la interdisciplinariedad para la obtención de redes complejas y obtener un nuevo enfoque del modelado epidémico en el contexto de la incertidumbre al analizar las propiedades estructurales y dinámicas de las epidemias y generar escenarios que ayuden a comprender su probabilidad de brotes, propagación, patrones y contribuyan a la toma de decisiones en la salud pública y la gobernanza en el sistema de salud de los países. Por lo que el propósito de este estudio fue la búsqueda y análisis metodológico utilizado en las redes complejas en el modelado de la epidemia de COVID-19 en México y cómo los resultados fueron útiles en las tomas de decisiones a nivel nacional o estatal.

Método. Estudio descriptivo de la metodología de estudios de modelos no lineales compartimentales para la predicción y simulación de la propagación de la epidemia COVID-19 en México.

Resultados. Se encontraron solo 5 estudios referidos en México sobre COVID-19 en periodo de 2019-2022, 1 nacional, 1 de Ciudad de México y ZMVM, 2 de Puebla y 1 de Querétaro. Los 5 reportes son de 2020 y 2021. El 1 utilizó redes multiplex ponderada de 5 capas de factores económico, de salud y transporte para la dinámica de comportamiento en México de valor promedio en la red de infección con el componente gigante mutuamente conectado de todos los países; el 2 el modelo SEIR, Monte Carlo y remuestreo para la simulación de la capacidad hospitalaria;  el 3 y 4 los modelo SEIR y Richardson, y métodos de Runge-Kutta con reportes de picos de infección, predicción de defunciones, número de nuevas infecciones diarias, número de infecciones en confinamiento y defunciones; y el 5 el modelo SIR para el número de infecciones en escenarios libres, de confinamiento y fin de confinamiento.

Discusión de resultados y conclusiones. Existen pocos reportes en nuestro país. Dos modelos utilizados fueron imprecisos al utilizar escenarios de mezcla perfecta y predicciones rápidas de inmunidad de rebaño, sin tomar en cuenta las variantes de mutaciones del virus. Se concluye que los modelos libres de escala con la utilización de compartimentales SIR, SEIS, SEIR, MSEIR, SIRV, MSEIRS, SEIRDV y SAIRP con correcciones ARIMA como el de Barabási-Albert sin grupos perfectamente mezclados son de utilidad para poblaciones grandes y con agregado de factores identificadores de las variables en los tipos de enlace y nodos como lo son el número de conexiones y atributos propios para el estudio de la dinámica y topología de enfermedades emergentes como COVID-19, este tipo de modelo serviría para el nivel nacional y estatal; los modelos de Erdös-Rényi y Watts-Strogatz para nivel local y municipal, por su mezclado homogéneo y rutas cortas.

Referencias.

Garzón F, et al. Susceptible-Infected-Recovered model study using free particle dynamics. Rev. Mex. Fis. Vol.67 No.4 México jul./ago. 2021: 1-8

Montes Orozco E, et al. Identification of COVID-19 Spreaders Using Multiplex Networks Approach. IEEE Access. 2020; 8: 122874–122883

Sadurní E, et al. Exactly solvable SIR models, their extensions and their application to sensitive pandemic forecasting. Nonlinear Dynamics. 2021; 103: 295

Declaración de conflicto de intereses. Los autores de este artículo expresan que no tuvieron ningún conflicto de intereses durante la preparación de este documento ni para su publicación.