Escolar Documentos
Profissional Documentos
Cultura Documentos
DO CURSO DE MATEMATICA
COORDENAC
AO
UNIDADE DE DOURADOS
Autora:
Orientadora:
Dourados - MS
2010
Dourados, MS
2010
Banca Examinadora:
iii
Agradecimentos
Primeiramente agradeco a Deus, o que seria de mim sem a fe que tenho nele.
` professora Maristela pela paciencia e compreensao na orientacao, pelo seu apoio no
A
amadurecimento dos meus conhecimentos e conceitos que me levaram a execucao e conclusao deste TCC.
` minha mae, pois foi quem nao mediu esforcos para que eu chegasse ate esta etapa da
A
minha vida e pelo apoio constante em meus estudos.
Aos meus colegas pelo convvio, amizade e incentivo.
iv
Resumo
A Epidemiologia Matematica consiste em estabelecer, a partir de observacoes do
fenomeno epidemico, hipoteses matematicas para quantificar os conhecimentos biologicos
a respeito da dinamica de transmissoes de infeccoes e tambem para estudar a evolucao de
doencas epidemicas. A modelagem matematica se baseia no processo de extracao de caractersticas pertinentes de um objeto ou sistema, com ajuda de hipoteses e aproximacoes
simplificadoras, e representadas em termos matematicos. Os principais fenomenos relacionados com as ciencias podem ser modelados por equacoes diferenciais. A proposta
deste trabalho consiste em desenvolver um estudo acerca do uso da teoria de equacoes
diferenciais ordinarias e modelos matematicos aplicados `a epidemiologia, com vistas a
desenvolver um modelo matematico que descreva a dinamica de dispersao da Influenza
A(H1N1) em uma populacao.
Palavras-chave: Equacoes Diferenciais Ordinarias, Modelos Epidemiologicos, Modelo SIRS, Influenza A(H1N1).
Sum
ario
Introduc
ao
1 Equaco
es Diferenciais Ordin
arias
1.1
Conceitos fundamentais
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.3
2 Modelos matem
aticos em epidemiologia
12
2.1
Referencial teorico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2
2.3
Analise do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Aplicac
ao: Um modelo SIRS para o estudo da dispers
ao da Influenza
A(H1N1) em uma populac
ao
23
3.1
3.2
O modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3
Implementacao computacional . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.4
Conclusao do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Considera
c
oes Finais
29
vi
Introduc
ao
As equacoes diferenciais constituem um dos mais notaveis sucessos do intelecto humano, tanto como um corpo de teorias matematicas quanto como ferramenta de analise
indispensaveis no exerccio da atividade profissional e cientfica em diversas areas, como na
Fsica, Qumica, Biologia, Engenharias, Economia, entre outras. Uma razao basica da importancia das equacoes diferenciais e que mesmo as equacoes mais simples correspondem
a modelos matematicos u
teis em problemas praticos, [18].
A modelagem matematica de epidemias e de grande importancia para os estudos
epidemiologicos por possibilitar um melhor entendimento do desenvolvimento da epidemia
e a busca por medidas eficientes em sua prevencao ou erradicacao, [2].
Desde muito tempo, a preocupacao de alguns medicos com a sa
ude levou-os a uma
acurada investigacao a respeito de fatores relacionados `a transmissao de doencas que assolavam muitas cidades. Das suas observacoes e conclusoes resultaram a moderna epidemiologia - que consiste em determinar e isolar o agente etiologico, a forma de transmissao,
a patogenicidade e o nvel de prevalencia na populacao. As observacoes epidemiologicas
e a coleta de dados, junto com o ac
umulo de conhecimentos bio-medicos, permitiram
determinar os fatores relacionados com a transmissao de agentes patogenicos, [17].
Neste contexto, as aplicacoes de analises estatsticas - muitas delas desenvolvidas
para explorar e explicar os dados epidemiologicos - foram essenciais pois permitiram discriminar e ordenar fatores envolvidos na transmissao das infeccoes, [17].
Assim, a determinacao de agentes microbianos causadores das infeccoes e as claras
evidencias da forma de transmissao pelos modelos epidemiologicos e estatsticos cria1
Recuperado- Suscetvel), sendo este uma alternativa do modelo SIR. O modelo tipo SIRS
foi utilizado, pois os indivduos recuperados da Influenza A(H1N1) perdem a imunidade
apos certo perodo de tempo, voltando a ser suscetvel.
Este TCC esta organizado da seguinte forma:
No Captulo 1 apresentamos os conceitos fundamentais das equacoes diferenciais
ordinarias, necessarios ao bom entendimento deste trabalho.
No Captulo 2 descrevemos o referencial teorico a respeito dos modelos matematicos
aplicados `a epidemiologia, fazemos algumas consideracoes sobre epidemiologia e apresentamos o modelo compartimental tipo SIR.
Com o objetivo de consolidar a interdisciplinaridade entre as equacoes diferenciais e a epidemiologia matematica, desenvolvemos no Captulo 3, um modelo matematico
que descreve a dinamica de dispersao da Influenza A(H1N1) em uma populacao. Apresentamos, tambem, alguns aspectos historicos e biologicos da Influenza A(H1N1), cujo
conhecimento se faz necessario `a compreensao do desenvolvimento do modelo.
E finalmente, nas Consideracoes Finais fazemos algumas comentarios conclusivos a
respeito do trabalho.
Captulo 1
Equac
oes Diferenciais Ordin
arias
1.1
Conceitos fundamentais
Defini
c
ao 1.1 (Equac
ao diferencial) Equac
ao diferencial e uma equac
ao que contem
derivadas (ou diferenciais) de uma ou mais variaveis dependentes em relac
ao a uma ou
mais variaveis independentes.
Existem dois tipos de equacoes diferenciais, a saber
1. Equa
c
oes diferenciais ordin
arias (EDO): sao equacoes da forma
F (x, y(x), y 0 , y 00 (x), ..., y n (x)) = 0,
(1.1)
envolvendo uma funcao incognita y=y(x) e suas derivadas ou suas diferenciais, onde
x e a variavel independente, y e a variavel dependente e o smbolo y(k) denota a
derivada de ordem k da funcao y=y(x), [18].
2. Equa
c
oes diferenciais parciais (EDP): sao equacoes que envolvem derivadas de
duas ou mais variaveis independentes.
Exemplo 1.1 A equac
ao diferencial
dy
= x + y e uma EDO.
dx
2u 2u
+
= 0 e uma EDP.
x2 y 2
(1.2)
Defini
c
ao 1.3 (Equac
ao diferencial linear) Um Equac
ao e dita linear de ordem n se
tem a forma
a0 (x)y (n) + a1 (x)y (n1) + a2 (x)y (n2) + ... + an (x)y = b(x).
4
(1.3)
onde as func
oes b = b(x) e ak = ak (x) (k = 0, 1, 2, ..., n) s
ao func
oes conhecidas, sendo
a0 = a0 (x) nao identicamente nula e todas estas func
oes devem depender somente da
vari
avel x. A func
ao (incognita) desconhecida e y = y(x). As equac
oes diferenciais que
n
ao podem ser escritas da forma (1.3) sao denominadas n
ao-lineares.
Para resolver uma equacao diferencial dois caminhos podem ser seguidos, o que leva `a
solucao exata do problema (metodo analtico) ou o que encontra uma solucao aproximada
0
(metodo numerico). Do ponto de vista analtico, resolver uma EDO do tipo y = f (x, y)
e encontrar uma funcao y = F (x) que satisfaca a equacao dada.
Defini
c
ao 1.4 (Soluc
ao da equac
ao diferencial) Uma soluc
ao de uma equac
ao diferencial na func
ao incognita y e na variavel independente x, em certo intervalo (a, b), e
uma func
ao y = F (x) que satisfaz (verifica identicamente) a equac
ao para todo x no
intervalo considerado.
A solucao de uma equacao diferencial e dita geral quando contem tantas constantes
arbitrarias quantas forem as unidades da ordem da equacao. Uma solucao e dita particular quando e obtida da solucao geral, mediante atribuicao adequada de valores `as
constantes arbitrarias.
Exemplo 1.4 A func
ao y(x) = Cex e a soluc
ao geral da equac
ao diferencial y 0 + y = 0,
j
a a func
ao y(x) = ex e uma soluc
ao particular da mesma equac
ao, quando atribumos
o valor C = 1 na soluc
ao geral.
Geometricamente, a solucao geral de uma equacao diferencial representa uma famlia
de curvas (curvas integrais). Essa solucao as vezes e chamada de primitiva (ou integral)
da equacao diferencial dada.
0
dy
= f (x, y)
dx
y(x ) = y
0
(1.4)
solucao u
nica conforme o Teorema de Existencia e Unicidade apresentado a seguir, [2].
Teorema 1 (Teorema de Exist
encia e Unicidade) Seja R uma regi
ao retangular no
plano xy definida por a x b, c y d que contem o ponto (x0 , y0 ). Se f(x,y) e
f
(x, y) sao contnuas em R, existe algum intervalo I0 : x0 h < x < x0 , contido em
x
a x b e uma u
nica func
ao y(x), definida em I0 , que e uma soluc
ao do problema de
valor inicial.
6
Se f (x, y) = F (x) entao a equacao diferencial do (1.4) pode ser resolvida, considerando o processo inverso da diferenciacao ou integracao indefinida:
Z
df (y)
= F (x) dy(x) = F (x) dx f (x) = y(x) dx.
dx
Lembremos ainda que, se duas funcoes f (x) e g(x) tem a mesma derivada em um intervalo,
entao f (x) = g(x) + C neste intervalo, onde C e uma constante arbitraria. Assim, se
xIR
0
1.2
Sistemas de equac
oes diferenciais ordin
arias
Nessa Secao apresentamos alguns conceitos e definicoes importantes sobre sistemas
x0 (t) = x (t).
2 2
2
7
(1.5)
x1 (t)
c1 e1 t
x0 (t) = x (t).
2 2
2
(1.6)
t
t
x (t)
c e + c2 te
1
1
x1 (t) = a11 (t)x1 (t)+ ... +a1n (t)xn (t) +f1 (t)
.
.
.
.
.
.
x0 (t) = an1 (t)x1 (t)+ ... +ann (t)xn (t) +f2 (t).
n
8
(1.7)
0
x1 (t) a11 (t) ... a1n (t) x1 (t) f1 (t)
.
. .
.
.
. =
. + .
.
.
.
.
.
. .
0
xn (t)
an1 (t) ... ann (t)
xn (t)
fn (t)
ou X 0 (t) = A(t)X(t) + F (t), em que
.
.
A(t) =
.
.
.
.
y 0 (t)
1
y20 (t)
x1 (t)
, X(t) = .
.
xn (t)
f1 (t)
e F (t) = .
.
fn (t)
1 0
y1 (t)
.
=
0 2
y2 (t)
1.3
Modelos matem
aticos e equac
oes diferenciais
Um modelo matematico e uma descricao de um fenomeno do mundo real, frequente-
11
Captulo 2
Modelos matem
aticos em
epidemiologia
2.1
Referencial te
orico
Uma das metas basicas da ciencia atual e criar, a partir dos fenomenos reais, mo-
13
aparece de forma implcita em palavras, tais como: taxa de crescimento, taxa de crescimento relativo, taxa de mortalidade, velocidade, aceleracao, taxa de reacao, entre outras.
Quantidades que influenciam em algum processo dinamico sao denominadas variaveis,
parametros ou tambem constantes. Nao existe uma diferenca precisa entre estes termos,
a distincao e apenas convencional: variaveis representam grandezas que se modificam
durante o processo; parametros sao medidas auxiliares que podem ou nao mudar durante
o processo; constantes sao quantidades que nao variam e tem seus valores fixados a priori,
[10].
No decurso dos u
ltimos 60 anos, a definicao de epidemiologia tem vindo a alargarse desde a sua preocupacao com as doencas infecto-contagiosas e outras doencas transmissveis (o estudo das epidemias) ate abarcar, presentemente, todos os fenomenos relacionados com a sa
ude das populacoes. Epidemiologia pode ser definida como o estudo da
ocorrencia, disseminacao e controle das doencas e tem por base a coleta de informacoes
estatsticas detalhadas, podendo compreender desde o puramente descritivo ate o analtico
experimental, [10].
A Epidemiologia Matematica consiste em estabelecer, a partir de observacoes do
fenomeno epidemico, hipoteses matematicas para quantificar os conhecimentos biologicos
a respeito da dinamica de transmissoes de infeccoes e tambem para estudar a evolucao de
doencas epidemicas, [16].
Na luta contra as doencas infecciosas, busca-se otimizar esforcos para seu controle
e erradicacao, com a possibilidade de resultados em curto prazo. Para isso, elas sao consideradas em dois grupos: as de transmissao direta, que nao dependem de intermediarios
para a transmissao, por exemplo: a epidemia do sarampo, da caxumba e da rubeola; e as
de transmissao indireta, cuja disseminacao depende de um vetor transmissor, como por
exemplo: dengue, malaria e mal de Chagas.
A transmissao direta ocorre atraves do meio fsico, quando se da um contato apropriado entre um indivduo infectado (aquele que apresenta concentracao razoavel do agente
patogeno em seu organismo) com um indivduo suscetvel (aquele que nao esta infectado,
mas pode ser infectado). A transmissao indireta ocorre pela disseminacao do agente
14
patogeno por meio de vetores como o homem, passaros, insetos, animais, veculos, entre
outros, os quais mantem contato direto com os indivduos suscetveis.
A maioria dos modelos matematicos para populacoes acometidas de uma determinada infeccao tem como ponto inicial a hipotese de que a populacao total pode ser
dividida em subpopulacoes, apresentando significados epidemiologicos em conformidade
com a dinamica biologica da doenca.
Estudos matematicos mais elaborados com base nesta lei, foram desenvolvidos no
perodo entre 1927 e 1939, por Kermack e McKendrick [7], em que estabelece a teoria
do valor limiar. Segundo esta teoria, a introducao de poucos indivduos infectados em
uma comunidade totalmente suscetvel nao resultara em uma epidemia a menos que o
n
umero de indivduos suscetveis esteja acima de um determinado valor crtico. Esses
modelos assumem que os indivduos infecciosos estao distribudos homogeneamente em
toda a populacao e tem o mesmo poder de transmitir a doenca. A teoria do valor limiar
e o princpio da acao das massas, juntas, formam a pedra fundamental da epidemiologia
matematica moderna.
Estes modelos distinguem os indivduos de uma populacao de acordo com seu estado
em relacao `a doenca, chamados modelos determinsticos compartimentais.
Tais modelos sao formulados por equacoes diferenciais e baseiam-se na Lei de Ac
ao
de Massas, originada do estudo da cinetica qumica. Esta lei postula que a taxa de
formacao dos compostos e proporcional `as concentracoes dos reagentes. A aceitacao da
lei da acao das massas e baseada no fato de que cada partcula dos reagentes movimentase independentemente das demais, o que significa que a mistura e homogenea e portanto
todas as partculas tem a mesma chance de encontro que as demais. A traducao dessa
lei para os modelos matematicos e feita considerando o encontro entre variaveis, como
sendo o produto delas, [1].
A transposicao desta lei para a epidemiologia deu-se, inicialmente, com os modelos
de Kermack e McKendrick, [7]. Estes modelos tem como base a hipotese que os indivduos
infecciosos estao distribudos homogeneamente em toda a populacao e tem o mesmo poder
de transmitir a doenca. Entre eles, destaca-se o modelo classico do tipo SIR para epi15
demias que, embora simples, exerce grande influencia no desenvolvimento e evolucao dos
modelos atuais para doencas infecciosas de transmissao direta, sendo desta forma citado
u
como ferramenta basica em termos de sa
ude p
ublica. E
til para uma analise preliminar
da dinamica de varias epidemias e se constitui em um argumento basico, a partir do qual
e possvel construir-se modelos mais includentes por meio da crtica l
ucida de algumas
questoes especficas.
Outros modelos epidemiologicos do tipo SIRS, SIS ou SI podem ser construdos,
os quais diferem entre si, seja pela escala de tempo de interesse com dinamica vital (morte
ou nascimento) ou nao, seja pelo tipo de mortalidade considerada, incluindo mortalidade
induzida pela doenca ou nao, ou ainda pelo tipo de comportamento dinamico apresentado
pela populacao, na ausencia da doenca.
2.2
Algumas considerac
oes sobre epidemiologia
A maioria das doencas sao causadas por vrus ou bacterias - organismos muito pe-
16
17
2.3
Recuperados (R = R(t)): n
umero de indivduos que, de infecciosos, passam a nao
mais participar da dinamica epidemica, no instante t.
Ao modelar a propagacao de uma epidemia numa populacao, em funcao do tempo,
a populacao e tomada como constante, isto e, N = S(t) + I(t) + R(t) nao varia com o
tempo. Assume-se que nao existem emigracao, imigracao nem perodo latente no grupo
considerado. Este fato e caracterstico de doencas cujo perodo de incubacao do parasita
e relativamente pequeno.
Para cada tipo de doenca podemos modelar sua velocidade de propagacao atraves
das interacoes entre as variaveis S, I e R. O processo epidemiologico do modelo SIR
e esquematizado pelo sistema compartimental ilustrado na Figura 2.1, onde S e a proporcao de indivduos suscetveis, I e a proporcao de indivduos infectados, e a taxa de
transmissao e e a taxa de recuperacao, considerando as seguintes hipoteses:
1. Cada compartimento e composto por indivduos homogeneos.
2. Cada indivduo infeccioso tem a mesma probabilidade de se encontrar com um
suscetvel.
3. Nao ocorre nascimento no grupo e a morte somente e causada pela doenca, ou seja,
e um modelo sem dinamica vital.
sujeito a uma transferencia de suscetvel (S) para infectado (I), e desse para recuperado
(R).
A formulacao matematica do modelo SIR, em se tratando de uma populacao supostamente homogenea, no sentido de que nao descreve o aspecto de um indivduo segundo
a sua localizacao espacial, idade ou segundo qualquer outra medida contnua, e um problema de valor inicial, que pode ser representado, entre outras ferramentas matematicas,
pelo sistema (2.1) nao-linear de Equacoes Diferenciais Ordinarias (EDO).
dS
= SI
dt
dI
= SI I
dt
dR = I
dt
com t 0, satisfazendo as condicoes iniciais: S(0) = S0 ,
I(0) = I0 ,
(2.1)
R(0) = 0.
S0
e o n
umero medio de
2.3.1
An
alise do Modelo
12
suscetvel
infectado
recuperado
10
populao
10
20
30
tempo
40
50
60
Figura 2.2: Evolucao dos contingentes populacionais descrita por um modelo compartimental do tipo
SIR, representado por um sistema de EDO, considerando S0 = 10, I0 = 1, R0 = 0, = 0, 05 e = 0, 1.
(2.2)
para qualquer instante de tempo t. Assim, todas as populacoes S, I e R sao limitadas superiormente por N . Naturalmente, somos interessados somente em solucoes nao negativas
para S, I e R.
Podemos entao, focar nossos estudos nas duas primeiras equacoes de (2.1), uma vez
que, apos conhecer S(t) e I(t), podemos calcular,
R(t) = N S(t) I(t).
(2.3)
(2.4)
ln S + c,
I = S +
(2.5)
ln S(t) S(t) + N
ln S0 ,
(2.6)
dI
> 0 I0 ( S0 ) > 0 S0 >
dt t=0
(2.7)
,o
S0
que fornece R0 =
> 1. E o n
umero de infectados sera decrescente quando S0 < ,
S0
ou seja, R0 =
< 1.
assim, um tamanho mnimo da populacao para que a epidemia possa ocorrer. Como o
n
umero maximo de suscetveis e o tamanho total da populacao N , conclumos que, para
ocorrer uma epidemia devemos ter N > e, o valor denominado limiar epidemico, e o
22
Captulo 3
Aplicac
ao: Um modelo SIRS para o
estudo da dispers
ao da Influenza
A(H1N1) em uma populac
ao
Neste Captulo, com o proposito de consolidar o estudo das teorias estudadas (equacoes diferenciais ordinarias e modelos epidemiologicos), utilizamos um modelo compartimental tipo SIRS para estudar a evolucao temporal da Influenza A(H1N1) em uma
populacao.
3.1
Referencial te
orico da Influenza A(H1N1)
O novo vrus A (H1N1), que teve origem comum: suna, aviaria e humana, deter-
minou a primeira pandemia de gripe do seculo XXI. A pandemia de gripe causada pelo
vrus da influenza A, subtipo H1N 1, culminou em Marco de 2009, com a notificacao dos
primeiros casos no Mexico (Sao Lus do Potosi e Oaxaca), que ja observavam um n
umero
elevado de casos, aumento das internacoes por pneumonia grave, casos internados em
faixas etarias atpicas, obitos de pacientes jovens e sem comorbidades previas, [5].
23
3.2
O modelo
Com base no modelo SIR (Suscetvel - Infectado - Resistente), proposto por Kermack
Com base em [6, 11, 15], descrevemos o modelo utilizando o sistema (3.1), em que
todas as classes S(t), I(t) e R(t) da populacao, variam em relacao ao tempo.
dS
= SI + R + (S + I + R)
dt
dI
= SI ( + )I
dt
dR = I R.
dt
(3.1)
26
3.3
Implementac
ao computacional
Nesta Secao, apresentamos simulacoes numericas que possibilitam observar a dina-
9
8
Populaao
7
6
5
4
3
2
1
0
10
Tempo (semanas)
15
20
Figura 3.2: Graficos indicando a variacao das populacoes de Suscetveis, Infectados e recuperados (eixo
vertical) em relacao ao tempo dado em semanas (eixo horizontal).
Nesta simulacao, podemos observar que a classe dos suscetveis decresce atingindo
um pico mnimo entre a terceira e quarta semanas apos o incio da epidemia. Concomi27
tantemente a classe dos infectados cresce ate atingir o valor maximo em torno da segunda
semana. Tendo em vista o baixo n
umero de suscetveis e o incio da recuperacao, a curva
dos infectados apresenta um declnio acompanhado de um crescimento consideravel dos
recuperados.
Diferentemente do modelo tipo SIR, em que os suscetveis tendem a zero cessando a
epidemia com o passar do tempo, este modelo tipo SIRS apresenta o retorno dos suscetveis
impedindo extincao da epidemia, desde que a taxa de reprodutividade basal R0 > 1. Isso
porque o modelo considera que uma parcela dos indivduos recuperados da doenca pode
perder a imunidade voltando a ser suscetvel. Alem disso, consideramos a dinamica vital,
ou seja, admitimos nascimentos de novos indivduos suscetveis.
A partir de aproximadamente dez semanas o quadro se estabiliza, mantem-se a
epidemia com um pequeno n
umero de indivduos infectados.
3.4
Conclus
ao do modelo
Certamente o modelo proposto e as diversas hipoteses simplificadoras admitidas
28
Considerac
oes Finais
por permitir a transcendencia da ideia de uma ciencia isolada para uma ideia mais
abrangente, relacionando questoes mais amplas e refletindo sobre diversas situacoes cotidianas.
Ao concluir este trabalho, ficamos a vontade em afirmar que a modelagem pressupoe
multidisciplinaridade e, nesse sentido, vai ao encontro das novas tendencias pedagogicas
que apontam para a remocao de fronteiras entre as diversas areas do saber. Portanto, e
na esteira das contribuicoes da modelagem matematica que este trabalho se insere.
30
Refer
encias Bibliogr
aficas
[1] BARROS, L.C. e BASSANEZI. R.C. T
opicos de L
ogica Fuzzy e Biomatem
atica. Colecao IMECC - Textos didaticos. v.5. Campinas. UNICAMP IMECC, 2006.
[2] BASSANEZI, R. C. Ensino-aprendizagem com Modelagem Matem
atica,
Contexto. Sao Paulo, 2002.
[3] BASSANEZI, R. C. e FERREIRA JR W. C. Equaco
es diferenciais com
aplicaco
es. Sao Paulo, 1988.
[4] BOYCE, W. E. e DIPRIMA, R. C. Equa
c
oes diferenciais elementares e problemas de valores de contorno. 6a edicao. Rio de Janeiro, 1998.
[5] CARNEIRO, M. Influenza H1N1 2009: revis
ao da primeira pandemia do
s
eculo XXI; artico cientfico. Porto Alegre,2010.
[6] EDELSTEIN, K. Mathematical Models in Biology. Mc-Graw-Hill, 1988.
[7] KERMACK, W.O. e MCKENDRICK, G.A. A contribution to the mathematical
theory of epidemics. In: Proceedings of the Royal Society of London, Series A,
115, 700-721.
[8] Ministerio
da
Sa
ude.
//portal.saude.gov.br/
Influenza
A(H1N1).
Disponvel
em:
http
31
:
=
[9] Ministerio da Sa
ude, Estrat
egia Nacional de Vacina
c
ao contra o Vrus Influenza Pand
emico (H1N1) 2009, informe tecnico.
[10] MISSIO, M. Modelos de EDP integrados `
a l
ogica fuzzy e m
etodos probabilsticos no tratamento de incertezas: uma aplicac
ao `
a febre aftosa em
bovinos. Tese de Doutorado. IMECC/Unicamp. Campinas, 2008.
[11] MURRAY, J.D. Mathematical Biology I. An Introduction. Springer-Verlag.
Berlin, 2001.
[12] NEUMANN, C.R.; AZAMBUJA, M.I.R.; OLIVEIRA, F.A. e FALK, J.W. Pandemia de Influenza A(N1H1): O que aprender com Ela?. Disponvel em:
http : //www.seer.uf rgs. br/index.php/hcpa/article/viewF ile/9926/5790. Acesso
em: 18/04/2010.
[13] QUARTIERI, M.T. Estudo de modelos epidemiol
ogicos determinsticos
b
asicos em doencas causadas por microparasitas, tese de mestrado. Porto
Alegre, 2004.
[14] RIBEIRO, F. T. e SOARES, M. Curso preparat
orio ENEM. Sao Paulo, 2010.
e GOMEZ
A.G. Virus de la nfluenza Humana A(H1N1) de origen porcino.
SOLABIMA. Mexico, 2009.
[16] YANG, H.M. Epidemiologia matem
atica: estudo dos efeitos da vacina
c
ao
em doencas de transmiss
ao direta. Editora da Unicamp. Campinas, 2001.
[17] YANG, H. M. Modelagem Matem
atica Aplicada `
a Sa
ude P
ublica.
Disponvel em: http://www.comciencia.br/reportagens/framedest.htm. Acesso em:
14/09/2010.
[18] ZILL, D. G. Equaco
es Diferenciais com Aplicaco
es em Modelagem. Sao Paulo,
2003.
32