Número de reproducción básico

Este artículo trata sobre la tasa de propagación de una epidemia. Para conocer la cantidad promedio de descendientes nacidos de una hembra, consulte Tasa de reproducción neta .

El "número R" vuelve a dirigir aquí. Para otras aplicaciones, ver R-valor .

Métrica en epidemiología

Valores de enfermedades infecciosas conocidas${\displaystyle R_{0}}$

Enfermedad	Transmisión	${\displaystyle R_{0}}$
Sarampión	Aerosol	12-18 [1]
Varicela (varicela)	Aerosol	10-12 [2]
Paperas	Gotitas respiratorias	10-12 [3]
Rubéola	Gotitas respiratorias	6–7 [4]
Polio	Vía fecal-oral	5-7 [5]
Tos ferina	Gotitas respiratorias	5.5 [6]
Viruela	Gotitas respiratorias	3,5–6,0 [7]
COVID-19 (tipo salvaje)	Gotas respiratorias y aerosoles [8]	2,9 (2.4 -3.4 ) [9]
VIH / SIDA	Fluidos corporales	2-5 [10]
Resfriado común	Gotitas respiratorias	2-3 [11]
SARS	Gotitas respiratorias	2-4 [12]
Difteria	Saliva	2,6 (1,7 -4.3 ) [13]
Influenza (cepas estacionales)	Gotitas respiratorias	1,3 (1.2 -1.4 ) [14]
Ébola ( brote de ébola en 2014 )	Fluidos corporales	1,2–2,5 [15]
Influenza ( cepa pandémica de 2009 )	Gotitas respiratorias	1,6 (1.3 -2.0 ) [16]
Influenza (cepas estacionales)	Gotitas respiratorias	0,9–2,1 [17]
MERS	Gotitas respiratorias	0,47 (0,29 -0,80 ) [18]
Virus Nipah	Fluidos corporales	0,48 [19]

Gráfico del umbral de inmunidad de la manada frente al número de reproducción básico con enfermedades seleccionadas

En epidemiología , el número de reproducción básico , o número de reproducción básico (a veces llamado índice de reproducción básico o índice de reproducción básico ), denotado (pronunciado R nulo o R cero ), ^[20] de una infección es el número esperado de casos generados directamente por uno. caso en una población donde todos los individuos son susceptibles a la infección. ^[16] La definición asume que ningún otro individuo está infectado o inmunizado (de forma natural o mediante vacunación${\displaystyle R_{0}}$). Algunas definiciones, como la del Departamento de Salud de Australia , añaden la ausencia de "cualquier intervención deliberada en la transmisión de enfermedades". ^[21] El número de reproducción básico no es el mismo que el número de reproducción efectivo (generalmente escrito [ t por tiempo], a veces ), ^[22] que es el número de casos generados en el estado actual de una población, que no tiene ser el estado no infectado. es un número adimensional y no una tasa, que tendría unidades de tiempo ^-1 , ^[23] o unidades de tiempo como el tiempo de duplicación . ^[24]${\displaystyle R}$${\displaystyle R_{t}}$${\displaystyle R_{e}}$${\displaystyle R_{0}}$

Reproducir medios

Una explicación del número en términos simples del Gobierno de Gales .${\displaystyle R}$

${\displaystyle R_{0}}$no es una constante biológica para un patógeno ya que también se ve afectado por otros factores como las condiciones ambientales y el comportamiento de la población infectada. los valores generalmente se estiman a partir de modelos matemáticos y los valores estimados dependen del modelo utilizado y los valores de otros parámetros. Por lo tanto, los valores dados en la literatura solo tienen sentido en el contexto dado y se recomienda no usar valores obsoletos o comparar valores basados ​​en diferentes modelos. ^[25] por sí solo no proporciona una estimación de la rapidez con la que se propaga una infección en la población.${\displaystyle R_{0}}$ ${\displaystyle R_{0}}$

Los usos más importantes de son determinar si una enfermedad infecciosa emergente puede propagarse en una población y determinar qué proporción de la población debe inmunizarse mediante la vacunación para erradicar una enfermedad. En los modelos de infección de uso común , cuándo la infección podrá comenzar a propagarse en una población, pero no si . Generalmente, cuanto mayor es el valor de , más difícil es controlar la epidemia. Para modelos simples, la proporción de la población que necesita ser inmunizada de manera efectiva (es decir, no susceptible a la infección) para prevenir la propagación sostenida de la infección tiene que ser mayor que . ^[26]${\displaystyle R_{0}}$${\displaystyle R_{0}>1}$${\displaystyle R_{0}<1}$${\displaystyle R_{0}}$${\displaystyle 1-1/R_{0}}$Por el contrario, la proporción de la población que permanece susceptible a la infección en el equilibrio endémico es .${\displaystyle 1/R_{0}}$

El número de reproducción básico se ve afectado por varios factores, incluida la duración de la infecciosidad de las personas afectadas, la infecciosidad del microorganismo y el número de personas susceptibles en la población con la que contactan las personas infectadas.

Historia

Las raíces del concepto básico de reproducción se pueden rastrear a través del trabajo de Ronald Ross , Alfred Lotka y otros, ^[27] pero su primera aplicación moderna en epidemiología fue por George Macdonald en 1952, ^[28] quien construyó modelos poblacionales de la propagación de malaria . En su trabajo, llamó a la cantidad tasa de reproducción básica y la denotó por . Llamar tasa a la cantidad puede ser engañoso, en la medida en que "tasa" puede interpretarse erróneamente como un número por unidad de tiempo. Ahora se prefiere "número" o "proporción".${\displaystyle Z_{0}}$

Definiciones en casos específicos

Tasa de contacto y período infeccioso

${\displaystyle R_{0}}$es el número medio de personas infectadas por otra persona. Por ejemplo, el Ébola tiene un valor de dos, por lo que, en promedio, una persona que tiene Ébola se lo transmitirá a otras dos personas.${\displaystyle R_{0}}$

Suponga que los individuos infecciosos hacen un promedio de contactos productores de infección por unidad de tiempo, con un período infeccioso promedio de . Entonces el número de reproducción básico es:${\displaystyle \beta }$${\displaystyle \tau }$

$${\displaystyle R_{0}=\beta \,\tau }$$

Esta sencilla fórmula sugiere diferentes formas de reducir y, en última instancia, la propagación de la infección. Es posible disminuir el número de contactos que producen infección por unidad de tiempo reduciendo el número de contactos por unidad de tiempo (por ejemplo, quedarse en casa si la infección requiere contacto con otros para propagarse) o la proporción de contactos que produce infección (por ejemplo, ejemplo usando algún tipo de equipo de protección). Por lo tanto, también se puede escribir como ^[29]${\displaystyle R_{0}}$${\displaystyle \beta }$

${\displaystyle R_{0}={\overline {c}}\,T\,\tau ,}$

donde es la tasa de contacto entre individuos susceptibles e infectados y es la transmisibilidad, es decir, la probabilidad de infección dado un contacto. También es posible reducir el período infeccioso encontrando y luego aislando, tratando o eliminando (como suele ser el caso de los animales) los individuos infecciosos lo antes posible.${\displaystyle {\overline {c}}}$${\displaystyle T}$${\displaystyle \tau }$

Con diferentes periodos de latencia

El período latente es el tiempo de transición entre el evento de contagio y la manifestación de la enfermedad. En casos de enfermedades con períodos de latencia variables, el número de reproducción básico se puede calcular como la suma de los números de reproducción para cada tiempo de transición a la enfermedad. Un ejemplo de esto es la tuberculosis (TB). Blower y coautores calcularon a partir de un modelo simple de TB el siguiente número de reproducción: ^[30]

$${\displaystyle R_{0}=R_{0}^{\text{FAST}}+R_{0}^{\text{SLOW}}}$$

En su modelo, se asume que los individuos infectados pueden desarrollar TB activa ya sea por progresión directa (la enfermedad se desarrolla inmediatamente después de la infección) considerada anteriormente como tuberculosis RÁPIDA o por reactivación endógena (la enfermedad se desarrolla años después de la infección) considerada anteriormente como tuberculosis LENTA. ^[31]

Poblaciones heterogéneas

En poblaciones que no son homogéneas, la definición de ${\displaystyle R_{0}}$es más sutil. La definición debe tener en cuenta el hecho de que un individuo infectado típico puede no ser un individuo promedio. Como ejemplo extremo, considere una población en la que una pequeña parte de los individuos se mezcla completamente entre sí mientras que los individuos restantes están todos aislados. Una enfermedad puede propagarse en la porción completamente mezclada aunque un individuo seleccionado al azar dé lugar a menos de un caso secundario. Esto se debe a que el individuo infectado típico se encuentra en la porción completamente mezclada y, por lo tanto, puede causar infecciones con éxito. En general, si las personas infectadas al principio de una epidemia tienen en promedio más o menos probabilidades de transmitir la infección que las personas infectadas al final de la epidemia, entonces el cálculo de${\displaystyle R_{0}}$debe tener en cuenta esta diferencia. Una definición adecuada para en este caso es "el número esperado de casos secundarios producidos, en una población completamente susceptible, producidos por un individuo infectado típico". ^[32]${\displaystyle R_{0}}$

El número de reproducción básico se puede calcular como una relación de tasas conocidas a lo largo del tiempo: si un individuo contagioso contacta a otras personas por unidad de tiempo, si se supone que todas esas personas contraen la enfermedad y si la enfermedad tiene un período infeccioso medio de , entonces el número de reproducción básico es justo . Algunas enfermedades tienen múltiples períodos de latencia posibles, en cuyo caso el número de reproducción de la enfermedad en general es la suma del número de reproducción para cada tiempo de transición a la enfermedad. Por ejemplo, Blower et al. ^[30]${\displaystyle \beta }$${\displaystyle {\dfrac {1}{\gamma }}}$${\displaystyle R_{0}={\dfrac {\beta }{\gamma }}}$modele dos formas de infección por tuberculosis: en el caso rápido, los síntomas aparecen inmediatamente después de la exposición; en el caso lento, los síntomas se desarrollan años después de la exposición inicial (reactivación endógena). El número total de reproducción es la suma de las dos formas de contracción: .${\displaystyle R_{0}=R_{0}^{FAST}+R_{0}^{SLOW}}$

Métodos de estimación

Ver también: Modelos compartimentales en epidemiología.

El número de reproducción básico se puede estimar examinando cadenas de transmisión detalladas o mediante secuenciación genómica . Sin embargo, se calcula con mayor frecuencia utilizando modelos epidemiológicos. ^[33] Durante una epidemia, normalmente se conoce el número de infecciones diagnosticadas a lo largo del tiempo . En las primeras etapas de una epidemia, el crecimiento es exponencial, con una tasa de crecimiento logarítmica.${\displaystyle N(t)}$${\displaystyle t}$

$${\displaystyle K:={\frac {d\ln(N)}{dt}}.}$$

Para un crecimiento exponencial, se puede interpretar como el número acumulado de diagnósticos (incluidas las personas que se han recuperado) o el número actual de casos de infección; la tasa de crecimiento logarítmico es la misma para cualquier definición. Para estimar , son necesarias suposiciones sobre el tiempo de demora entre la infección y el diagnóstico y el tiempo entre la infección y el comienzo de la infección.${\displaystyle N}$${\displaystyle R_{0}}$

En crecimiento exponencial, se relaciona con el tiempo de duplicación como${\displaystyle K}$ ${\displaystyle T_{d}}$

$${\displaystyle K={\frac {\ln(2)}{T_{d}}}.}$$

Modelo simple

Si un individuo, después de infectarse, infecta exactamente a nuevos individuos solo después de que haya pasado exactamente un tiempo (el intervalo de serie), entonces el número de individuos infecciosos con el tiempo aumentará a medida que${\displaystyle R_{0}}$${\displaystyle \tau }$

$${\displaystyle n_{E}(t)=n_{E}(0)\,R_{0}^{t/\tau }=n_{E}(0)\,e^{Kt}}$$

o

$${\displaystyle \ln(n_{E}(t))=\ln(n_{E}(0))+\ln(R_{0})t/\tau .}$$

La ecuación diferencial de coincidencia subyacente es

$${\displaystyle {\frac {dn_{E}(t)}{dt}}=n_{E}(t){\frac {\ln(R_{0})}{\tau }}.}$$

o

$${\displaystyle {\frac {d\ln(n_{E}(t))}{dt}}={\frac {\ln(R_{0})}{\tau }}.}$$

En este caso, o .${\displaystyle R_{0}=e^{K\tau }}$${\displaystyle K={\frac {\ln R_{0}}{\tau }}}$

Por ejemplo, con y encontraríamos .${\displaystyle \tau =5~\mathrm {d} }$${\displaystyle K=0.183~\mathrm {d} ^{-1}}$${\displaystyle R_{0}=2.5}$

Si depende del tiempo${\displaystyle R_{0}}$

$${\displaystyle \ln(n_{E}(t))=\ln(n_{E}(0))+{\frac {1}{\tau }}\int \limits _{0}^{t}\ln(R_{0}(t))dt}$$

mostrando que puede ser importante mantenerse por debajo de 0, promediado en el tiempo, para evitar un crecimiento exponencial.${\displaystyle \ln(R_{0})}$

Período infeccioso latente, aislamiento después del diagnóstico

En este modelo, una infección individual tiene las siguientes etapas:

1. Expuesto: un individuo está infectado, pero no presenta síntomas y aún no infecta a otros. La duración media del estado expuesto es .${\displaystyle \tau _{E}}$
2. Infeccioso latente: un individuo está infectado, no tiene síntomas, pero infecta a otros. La duración media del estado infeccioso latente es . El individuo infecta a otros individuos durante este período.${\displaystyle \tau _{I}}$${\displaystyle R_{0}}$
3. aislamiento después del diagnóstico: se toman medidas para prevenir nuevas infecciones, por ejemplo, aislando a la persona infectada.

Este es un modelo SEIR y puede estar escrito en la siguiente forma ^[34]${\displaystyle R_{0}}$

$${\displaystyle R_{0}=1+K(\tau _{E}+\tau _{I})+K^{2}\tau _{E}\tau _{I}.}$$

Este método de estimación se ha aplicado a COVID-19 y SARS . Se deduce de la ecuación diferencial para el número de individuos expuestos y el número de individuos infecciosos latentes ,${\displaystyle n_{E}}$${\displaystyle n_{I}}$

$${\displaystyle {\frac {d}{dt}}{\begin{pmatrix}n_{E}\\n_{I}\end{pmatrix}}={\begin{pmatrix}-1/\tau _{E}&R_{0}/\tau _{I}\\1/\tau _{E}&-1/\tau _{I}\end{pmatrix}}{\begin{pmatrix}n_{E}\\n_{I}\end{pmatrix}}.}$$

El valor propio más grande de la matriz es la tasa de crecimiento logarítmica , que puede resolverse .${\displaystyle K}$${\displaystyle R_{0}}$

En el caso especial , este modelo da como resultado , que es diferente del modelo simple anterior ( ). Por ejemplo, con los mismos valores y , encontraríamos , en lugar del verdadero valor de . La diferencia se debe a una sutil diferencia en el modelo de crecimiento subyacente; La ecuación de matriz anterior asume que los pacientes recién infectados ya están contribuyendo actualmente a las infecciones, mientras que de hecho las infecciones solo ocurren debido al número de infectados hace. Un tratamiento más correcto requeriría el uso de ecuaciones diferenciales de retardo . ^[35]${\displaystyle \tau _{I}=0}$${\displaystyle R_{0}=1+K\tau _{E}}$${\displaystyle R_{0}=\exp(K\tau _{E})}$${\displaystyle \tau =5~\mathrm {d} }$${\displaystyle K=0.183~\mathrm {d} ^{-1}}$${\displaystyle R_{0}=1.9}$${\displaystyle 2.5}$${\displaystyle \tau _{E}}$

Número de reproducción efectivo

En realidad, proporciones variables de la población son inmunes a cualquier enfermedad en un momento dado. Para tener en cuenta esto, se usa el número de reproducción efectiva , generalmente escrito como , o el número promedio de nuevas infecciones causadas por un solo individuo infectado en el momento t en la población parcialmente susceptible. Se puede encontrar multiplicando por la fracción S de la población susceptible. Cuando la fracción de la población que es inmune aumenta (es decir, la población susceptible S disminuye) tanto que cae por debajo de 1, se ha logrado la " inmunidad de grupo " y el número de casos que ocurren en la población disminuirá gradualmente hasta cero. ^[36]${\displaystyle R_{e}}$${\displaystyle R_{t}}$${\displaystyle R_{0}}$${\displaystyle R_{e}}$^{[37] [38]}

Limitaciones de R ₀

El uso de en la prensa popular ha dado lugar a malentendidos y distorsiones de su significado. se puede calcular a partir de muchos modelos matemáticos diferentes . Cada uno de estos puede dar una estimación diferente de , que debe interpretarse en el contexto de ese modelo. Por lo tanto, la contagiosidad de diferentes agentes infecciosos no se puede comparar sin volver a calcular con supuestos invariables. Los valores de brotes pasados ​​pueden no ser válidos para brotes actuales de la misma enfermedad. En términos generales, se puede utilizar como umbral, incluso si se calcula con diferentes métodos: si , el brote se extinguirá, y si , el brote se expandirá. En algunos casos, para algunos modelos, los valores de${\displaystyle R_{0}}$${\displaystyle R_{0}}$${\displaystyle R_{0}}$${\displaystyle R_{0}}$${\displaystyle R_{0}}$${\displaystyle R_{0}}$${\displaystyle R_{0}<1}$${\displaystyle R_{0}>1}$${\displaystyle R_{0}<1}$aún puede conducir a brotes que se perpetúan a sí mismos. Esto es particularmente problemático si existen vectores intermedios entre hospedadores, como la malaria . ^[39] Por lo tanto, las comparaciones entre los valores de la tabla "Valores de enfermedades infecciosas conocidas" deben realizarse con precaución.${\displaystyle R_{0}}$

Aunque no se puede modificar mediante la vacunación u otros cambios en la susceptibilidad de la población, puede variar en función de una serie de factores biológicos, socioconductuales y ambientales. ^[25] También puede modificarse mediante el distanciamiento físico y otras políticas públicas o intervenciones sociales, ^{[40] [25]} aunque algunas definiciones históricas excluyen cualquier intervención deliberada para reducir la transmisión de enfermedades, incluidas las intervenciones no farmacológicas. ^[21] Y, de hecho, la inclusión de intervenciones no farmacológicas a menudo depende del artículo, la enfermedad y si se está estudiando alguna intervención. ^[25] Esto crea cierta confusión, porque${\displaystyle R_{0}}$${\displaystyle R_{0}}$${\displaystyle R_{0}}$no es una constante; mientras que la mayoría de los parámetros matemáticos con subíndices "nada" son constantes.

${\displaystyle R}$depende de muchos factores, muchos de los cuales deben estimarse. Cada uno de estos factores aumenta la incertidumbre en las estimaciones de . Muchos de estos factores no son importantes para informar las políticas públicas. Por lo tanto, las políticas públicas pueden estar mejor atendidas por métricas similares a , pero que son más sencillas de estimar, como el tiempo de duplicación o la vida media ( ). ^{[41] [42]}${\displaystyle R}$${\displaystyle R}$${\displaystyle t_{1/2}}$

Los métodos utilizados para calcular incluyen la función de supervivencia , reordenando el valor propio más grande de la matriz jacobiana , el método de próxima generación, ^[43] cálculos a partir de la tasa de crecimiento intrínseca, ^[44] existencia del equilibrio endémico, el número de susceptibles en el nivel endémico equilibrio, la edad promedio de infección ^[45] y la ecuación de tamaño final. Pocos de estos métodos concuerdan entre sí, incluso cuando se parte del mismo sistema de ecuaciones diferenciales . ^[39] Incluso menos calculan realmente el número medio de infecciones secundarias. Desde${\displaystyle R_{0}}$${\displaystyle R_{0}}$Rara vez se observa en el campo y generalmente se calcula a través de un modelo matemático, esto limita severamente su utilidad. ^[46]

En la cultura popular

En la película de 2011 Contagio , un thriller ficticio sobre desastres médicos, se presentan los cálculos de un bloguero para reflejar la progresión de una infección viral fatal de estudios de caso a una pandemia. Los métodos descritos eran defectuosos. ^[40]${\displaystyle R_{0}}$

Ver también

• Modelos compartimentales en epidemiología
• E-epidemiología
• Programa de software Epi Info
• Método epidemiológico
• Transición epidemiológica

Notas

• Los modelos compartimentales en epidemiología describen la dinámica de la enfermedad a lo largo del tiempo en una población de personas susceptibles (S), infecciosas (I) y recuperadas (R) utilizando el modelo SIR. Tenga en cuenta que en el modelo SIR, y son cantidades diferentes: el primero describe el número de recuperados en t = 0, mientras que el segundo describe la relación entre la frecuencia de contactos y la frecuencia de recuperación.${\displaystyle R(0)}$${\displaystyle R_{0}}$
• Held L, Hens N, O'Neill PD (7 de noviembre de 2019). Manual de análisis de datos de enfermedades infecciosas . Prensa CRC. pag. 347. ISBN 978-1-351-83932-7.Según el Centro Provincial de Control y Prevención de Enfermedades de Guangdong, "El número reproductivo efectivo (R o R _e se usa más comúnmente para describir la transmisibilidad, que se define como el número promedio de casos secundarios generados por un caso infeccioso per [ sic ])". Por ejemplo, según una estimación preliminar durante la pandemia en curso, se encontró que el número reproductivo efectivo para el SARS-CoV-2 era 2,9, ^{[ cita requerida ]} mientras que para el SARS era 1,77.

Referencias

1. Guerra FM, Bolotin S, Lim G, Heffernan J, Deeks SL, Li Y, Crowcroft NS (diciembre de 2017). "El número de reproducción básico (R ₀ ) del sarampión: una revisión sistemática". La lanceta. Enfermedades infecciosas . 17 (12): e420 – e428. doi : 10.1016 / S1473-3099 (17) 30307-9 . PMID 28757186 . 
2. Servicios de salud de Irlanda. Información para trabajadores de atención médica (PDF) . Consultado el 27 de marzo de 2020 .
3. Definición de caso de laboratorio de paperas del Departamento de salud del gobierno australiano (LCD)
4. Centros para el Control y la Prevención de Enfermedades ; Organización Mundial de la Salud (2001). "Historia y epidemiología de la erradicación mundial de la viruela" . Un módulo del curso de formación "Viruela: Enfermedad, Prevención e Intervención". Diapositiva 17. Esto proporciona fuentes como "Modificado de Epid Rev 1993; 15: 265-302, Am J Prev Med 2001; 20 (4S): 88-153, MMWR 2000; 49 (SS-9); 27-38".
5. Eisenberg, Joseph (12 de febrero de 2020). "R0: cómo los científicos cuantifican la intensidad de un brote como el coronavirus y su potencial pandémico" . sph.umich.edu . Consultado el 4 de septiembre de 2020 .
6. Kretzschmar M, Teunis PF, Pebody RG (junio de 2010). "Incidencia y números de reproducción de la tos ferina: estimaciones de datos de contacto serológico y social en cinco países europeos" . PLOS Medicine . 7 (6): e1000291. doi : 10.1371 / journal.pmed.1000291 . PMC 2889930 . PMID 20585374 .  
7. Gani R, Leach S (diciembre de 2001). "Potencial de transmisión de la viruela en poblaciones contemporáneas" . Naturaleza . 414 (6865): 748–51. Código Bibliográfico : 2001Natur.414..748G . doi : 10.1038 / 414748a . PMID 11742399 . S2CID 52799168 . Consultado el 18 de marzo de 2020 .  
8. Prather KA, Marr LC, Schooley RT, McDiarmid MA, Wilson ME, Milton DK (octubre de 2020). "Transmisión aérea de SARS-CoV-2" (PDF) . Ciencia . 370 (6514): 303–304. Código bibliográfico : 2020Sci ... 370..303P . doi : 10.1126 / science.abf0521 . PMID 33020250 . S2CID 222145689 . Archivado desde el original el 5 de octubre de 2020 . Consultado el 30 de octubre de 2020 .   
9. Billah MA, Miah MM, Khan MN (11 de noviembre de 2020). "Número reproductivo de coronavirus: una revisión sistemática y un metanálisis basado en evidencia de nivel global" . PLOS ONE . 15 (11): e0242128. Código bibliográfico : 2020PLoSO..1542128B . doi : 10.1371 / journal.pone.0242128 . PMC 7657547 . PMID 33175914 .  
10. "Jugar al juego de los números: R0" . Centro Nacional de Formación y Educación sobre Patógenos Especiales Emergentes. Archivado desde el original el 12 de mayo de 202 . Consultado el 27 de diciembre de 2020 . [...] mientras que las infecciones que requieren contacto sexual como el VIH tienen un R _{0 más bajo} (2-5).
11. Freeman C. "Fórmula mágica que determinará si el ébola es vencido" . El telégrafo . Telegraph.Co.Uk . Consultado el 30 de marzo de 2020 .
12. Documento de consenso sobre la epidemiología del síndrome respiratorio agudo severo (SARS) . Departamento de Vigilancia y Respuesta a Enfermedades Transmisibles (Informe técnico). Organización Mundial de la Salud . pag. 26. hdl : 10665/70863 . WHO / CDS / CSR / GAR / 2003.11. Varios investigadores han estimado el número de reproducción básico ajustando modelos al crecimiento inicial de epidemias en varios países. Sus observaciones indican que el SARS-CoV es menos transmisible de lo que se pensaba inicialmente con estimaciones de Ro en el rango de 2-4.
13. Truelove SA, Keegan LT, Moss WJ, Chaisson LH, Macher E, Azman AS, Lessler J (junio de 2020). "Aspectos clínicos y epidemiológicos de la difteria: una revisión sistemática y análisis agrupado" . Enfermedades Clínicas Infecciosas . 71 (1): 89–97. doi : 10.1093 / cid / ciz808 . PMC 7312233 . PMID 31425581 .  
14. Chowell G, Miller MA, Viboud C (junio de 2008). "Influenza estacional en Estados Unidos, Francia y Australia: transmisión y perspectivas de control" . Epidemiología e Infección . Prensa de la Universidad de Cambridge . 136 (6): 852–64. doi : 10.1017 / S0950268807009144 . PMC 2680121 . PMID 17634159 . El número de reproducción a lo largo de las temporadas de influenza y los países se situó en el rango de 0,9 a 2,0 con una media general de 1,3 y un intervalo de confianza (IC) del 95% de 1,2 a 1,4.  
15. Van Kerkhove MD, Bento AI, Mills HL, Ferguson NM, Donnelly CA (26 de mayo de 2015). "Una revisión de los parámetros epidemiológicos de los brotes de ébola para informar la toma de decisiones de salud pública temprana" . Datos científicos . 2 (1): 150019. Bibcode : 2015NatSD ... 250019V . doi : 10.1038 / sdata.2015.19 . PMC 4443880 . PMID 26029377 . 150019. En su mayor parte, las estimaciones de R ₀ para Guinea, Liberia y Sierra Leona oscilaron entre 1,2 y 2,5  
16. Fraser C, Donnelly CA, Cauchemez S, Hanage WP, Van Kerkhove MD, Hollingsworth TD, et al. (Junio ​​de 2009). "Potencial pandémico de una cepa de influenza A (H1N1): primeros hallazgos" . Ciencia . 324 (5934): 1557–61. Código Bibliográfico : 2009Sci ... 324.1557F . doi : 10.1126 / science.1176062 . PMC 3735127 . PMID 19433588 .  
17. Coburn BJ, Wagner BG, Blower S (junio de 2009). "Modelado de epidemias y pandemias de influenza: conocimientos sobre el futuro de la gripe porcina (H1N1)" . Medicina BMC . 7 : 30. doi : 10.1186 / 1741-7015-7-30 . PMC 2715422 . PMID 19545404 .  
18. Kucharski AJ, Althaus CL (junio de 2015). "El papel de superpropagación en la transmisión del coronavirus del síndrome respiratorio de Oriente Medio (MERS-CoV)" . Vigilancia del euro . 20 (25): 14–8. doi : 10.2807 / 1560-7917.ES2015.20.25.21167 . PMID 26132768 . 
19. Luby, Stephen (1 de octubre de 2013). "El potencial pandémico del virus Nipah" . Investigación antiviral . 100 (1): 38–43. doi : 10.1016 / j.antiviral.2013.07.011 . ISSN 0166-3542 . PMID 23911335 .  
20. Milligan GN, Barrett AD (2015). Vacunación: una guía imprescindible . Chichester, West Sussex: Wiley Blackwell. pag. 310. ISBN 978-1-118-63652-7. OCLC  881386962 .
21. Becker NG, Glass K, Barnes B, Caley P, Philp D, McCaw JM, et al. (Abril de 2006). "El número de reproducción" . Uso de modelos matemáticos para evaluar las respuestas a un brote de una enfermedad respiratoria viral emergente . Centro Nacional de Epidemiología y Salud de la Población. ISBN 1-74186-357-0. Consultado el 1 de febrero de 2020 .
22. Adam D (julio de 2020). "Una guía de R - métrica incomprendida de la pandemia" . Naturaleza . 583 (7816): 346–348. Código bibliográfico : 2020Natur.583..346A . doi : 10.1038 / d41586-020-02009-w . PMID 32620883 . 
23. Jones J. "Notas sobre R0" (PDF) . Universidad de Stanford .
24. Siegel E. "Por qué el 'crecimiento exponencial' es tan aterrador para el coronavirus COVID-19" . Forbes . Consultado el 19 de marzo de 2020 .
25. Delamater PL, Street EJ, Leslie TF, Yang YT, Jacobsen KH (enero de 2019). "Complejidad del número de reproducción básico (R 0 )" . Enfermedades infecciosas emergentes . 25 (1): 1–4. doi : 10.3201 / eid2501.171901 . PMC 6302597 . PMID 30560777 .  
26. Fine P, Eames K, Heymann DL (abril de 2011). " " Inmunidad colectiva ": una guía aproximada" . Enfermedades Clínicas Infecciosas . 52 (7): 911–6. doi : 10.1093 / cid / cir007 . PMID 21427399 . 
27. Smith DL, Battle KE, Hay SI, Barker CM, Scott TW, McKenzie FE (5 de abril de 2012). "Ross, macdonald y una teoría para la dinámica y el control de patógenos transmitidos por mosquitos" . PLOS Patógenos . 8 (4): e1002588. doi : 10.1371 / journal.ppat.1002588 . PMC 3320609 . PMID 22496640 .  
28. Macdonald G (septiembre de 1952). "El análisis del equilibrio en la malaria". Boletín de Enfermedades Tropicales . 49 (9): 813-29. PMID 12995455 . 
29. JH Jones, Notas sobre R 0 . Universidad de Stanford (2007).
30. Blower SM, McLean AR, Porco TC, Small PM, Hopewell PC, Sanchez MA, Moss AR (agosto de 1995). "La dinámica de transmisión intrínseca de las epidemias de tuberculosis". Medicina de la naturaleza . 1 (8): 815–21. doi : 10.1038 / nm0895-815 . PMID 7585186 . S2CID 19795498 .  
31. Ma Y, Horsburgh CR, White LF, Jenkins HE (septiembre de 2018). "Cuantificación de la transmisión de la tuberculosis: una revisión sistemática del número de reproducción y estimaciones de intervalo de serie para la tuberculosis" . Epidemiología e Infección . 146 (12): 1478–1494. doi : 10.1017 / S0950268818001760 . PMC 6092233 . PMID 29970199 .  
32. Diekmann O, Heesterbeek JA, Metz JA (1990). "Sobre la definición y el cálculo de la tasa de reproducción básica R0 en modelos de enfermedades infecciosas en poblaciones heterogéneas". Revista de Biología Matemática . 28 (4): 365–82. doi : 10.1007 / BF00178324 . hdl : 1874/8051 . PMID 2117040 . S2CID 22275430 .  
33. Wohl S, Schaffner SF, Sabeti PC (septiembre de 2016). "Análisis genómico de brotes virales" . Revisión anual de virología . 3 (1): 173-195. doi : 10.1146 / annurev-virology-110615-035747 . PMC 5210220 . PMID 27501264 .  
34. Lipsitch M, Cohen T, Cooper B, Robins JM, Ma S, James L, et al. (Junio ​​de 2003). "Dinámica de transmisión y control del síndrome respiratorio agudo severo" . Ciencia . 300 (5627): 1966–70. Código bibliográfico : 2003Sci ... 300.1966L . doi : 10.1126 / science.1086616 . PMC 2760158 . PMID 12766207 .  
35. Rihan FA, Anwar MN (2012). "Análisis cualitativo del modelo de epidemia SIR retrasada con una tasa de incidencia saturada" . Revista Internacional de Ecuaciones Diferenciales . 2012 : 1–13. doi : 10.1155 / 2012/408637 . ISSN 1687-9643 . 
36. Garnett GP (febrero de 2005). "Papel de la inmunidad colectiva en la determinación del efecto de las vacunas contra las enfermedades de transmisión sexual" . La Revista de Enfermedades Infecciosas . 191 Suppl 1 (Suppl 1): S97-106. doi : 10.1086 / 425271 . PMID 15627236 . 
37. Rodpothong P, Auewarakul P (octubre de 2012). "Evolución viral y efectividad de la transmisión" . Revista mundial de virología . 1 (5): 131–4. doi : 10.5501 / wjv.v1.i5.131 . PMC 3782273 . PMID 24175217 .  
38. Dabbaghian V, Mago VK (2013). Teorías y simulaciones de sistemas sociales complejos . Saltador. págs. 134–35. ISBN 978-3642391491. Consultado el 29 de marzo de 2015 .
39. Li J, Blakeley D, Smith RJ (2011). "El fracaso de R0" . Métodos computacionales y matemáticos en medicina . 2011 (527610): 527610. doi : 10.1155 / 2011/527610 . PMC 3157160 . PMID 21860658 .  
40. Byrne M (6 de octubre de 2014), "El número incomprendido que predice epidemias" , vice.com , consultado el 23 de marzo de 2020
41. Balkew TM (diciembre de 2010). El modelo SIR cuando S (t) es una función multi-exponencial (tesis). Universidad Estatal del Este de Tennessee.
42. Irlanda MW, ed. (1928). El Departamento Médico del Ejército de los Estados Unidos en la Guerra Mundial, vol. IX: Enfermedades transmisibles y otras . Washington: EE. UU .: Oficina de impresión del gobierno de EE. UU. págs. 116–7.
43. Diekmann O, Heesterbeek JA (2000). "La relación de reproducción básica" . Epidemiología matemática de las enfermedades infecciosas: construcción, análisis e interpretación de modelos . Nueva York: Wiley. págs. 73–98. ISBN 0-471-49241-8.
44. Chowell G, Hengartner NW, Castillo-Chavez C, Fenimore PW, Hyman JM (julio de 2004). "El número reproductivo básico de Ébola y los efectos de las medidas de salud pública: los casos de Congo y Uganda". Revista de Biología Teórica . 229 (1): 119–26. arXiv : q-bio / 0503006 . doi : 10.1016 / j.jtbi.2004.03.006 . PMID 15178190 . S2CID 7298792 .  
45. Ajelli M, Iannelli M, Manfredi P, Ciofi degli Atti ML (marzo de 2008). "Modelos matemáticos básicos para la dinámica temporal del VHA en áreas italianas de endemicidad media". La vacuna . 26 (13): 1697–707. doi : 10.1016 / j.vaccine.2007.12.058 . PMID 18314231 . 
46. Heffernan JM, Smith RJ, Wahl LM (septiembre de 2005). "Perspectivas sobre la tasa reproductiva básica" . Revista de la Royal Society, Interface . 2 (4): 281–93. doi : 10.1098 / rsif.2005.0042 . PMC 1578275 . PMID 16849186 .  

Lectura adicional

Scholia tiene un perfil para el número de reproducción básico (Q901464) .

• Heesterbeek JA (2002). "Una breve historia de R0 y una receta para su cálculo" . Acta Biotheoretica . 50 (3): 189-204. doi : 10.1023 / A: 1016599411804 . hdl : 1874/383700 . PMID  12211331 . S2CID  10178944 .
• Heffernan JM, Smith RJ, Wahl LM (septiembre de 2005). "Perspectivas sobre la tasa reproductiva básica" . Revista de la Royal Society, Interface . 2 (4): 281–93. doi : 10.1098 / rsif.2005.0042 . PMC  1578275 . PMID  16849186 .
• Jones, James Holland (1 de mayo de 2007). "Notas sobre " R 0 {\displaystyle R_{0}} (PDF) . Consultado el 6 de noviembre de 2018 .
• Van Den Driessche, P .; Watmough, James (2008). "Más notas sobre el número de reproducción básico" . Epidemiología matemática . Apuntes de clase en matemáticas. 1945 . págs. 159-178. doi : 10.1007 / 978-3-540-78911-6_6 . ISBN 978-3-540-78910-9.