🔢 matemáticas

Hopf bifurcation, bistability and transient grazing in apiecewise-smooth hospital-overload model

Este artículo analiza un modelo epidémico de suavidad por tramos para demostrar que la sobrecarga hospitalaria puede ocurrir durante brotes transitorios debido a la bistabilidad y las bifurcaciones de rozamiento, revelando que incluso cuando un estado endémico se encuentra dentro de la capacidad rutinaria, el sistema permanece dinámicamente inseguro.

Autores originales: Maniru Ibrahim, Bashir Alhassan, Sirajo Ibrahim, Suleiman Ibrahim

Publicado 2026-10-26

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Maniru Ibrahim, Bashir Alhassan, Sirajo Ibrahim, Suleiman Ibrahim

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Cuando una nueva enfermedad se propaga por una población, los responsables de la salud pública suelen plantearse una única pregunta crítica: ¿logrará arraigarse la infección? Durante décadas, los científicos han utilizado un número sencillo para responder a esto. Si el número es inferior a uno, el brote se desvanece; si es superior a uno, la infección crece. Esta medida nos indica si un virus puede invadir una comunidad, pero no nos dice si los hospitales de la comunidad podrán sobrevivir al aumento inicial. Un sistema sanitario puede estar perfectamente dimensionado para manejar una enfermedad una vez que esta se ha asentado en una presencia constante y a largo plazo, pero aun así puede colapsar bajo el peso de la primera y rápida ola de casos. La diferencia entre un sistema adecuado a largo plazo y uno que falla a corto plazo es la diferencia entre un estado estable y una sobrecarga temporal peligrosa. Esta distinción quedó dolorosamente clara durante la pandemia mundial, cuando los hospitales se vieron abrumados por picos repentinos de demanda, a pesar de que el número total de pacientes finalmente se estabilizó en niveles manejables.

Los investigadores saben desde hace tiempo que limitar los recursos médicos puede cambiar el comportamiento de una epidemia, provocando a veces saltos repentinos en la gravedad o ciclos inesperados de brotes. Sin embargo, la mayoría de los modelos tratan estos límites como cambios suaves y graduales. En la realidad, el ingreso hospitalario funciona más bien como un interruptor. Cuando hay suficientes camas y personal, los pacientes son ingresados tan pronto como se necesitan. Pero una vez que la capacidad disponible se ve tensionada, la velocidad a la que los nuevos pacientes pueden entrar en el hospital queda limitada por la rapidez con la que las camas pueden ser liberadas y preparadas, independientemente de cuántas personas estén esperando. Esto crea un límite brusco en el comportamiento del sistema. Un equipo de matemáticos y farmacéuticos ha construido un nuevo modelo que captura este interruptor brusco, revelando que el camino hacia la sobrecarga hospitalaria es mucho más complejo y peligroso de lo que se entendía anteriormente.

El equipo desarrolló un modelo computacional que rastrea el movimiento de una enfermedad a través de una población, dividiendo a las personas en grupos según su estado de salud: aquellos que son susceptibles, aquellos que están infectados pero aún no enfermos, aquellos que son infecciosos, aquellos que están gravemente enfermos y esperando una cama, aquellos que están actualmente en el hospital y aquellos que se han recuperado. El núcleo de su modelo es una regla para cómo los pacientes pasan de la fila de espera al hospital. Si el hospital tiene suficiente margen, el flujo es impulsado por cuántas personas están esperando. Si el hospital está tensionado, el flujo es impulsado por la rapidez con la que se pueden liberar las camas. Los investigadores descubrieron que este simple interruptor crea tres umbrales distintos que determinan el destino del sistema sanitario. El primero es el umbral de invasión básica, que nos indica si la enfermedad se propagará o no. El segundo es un umbral de capacidad que determina si el hospital puede manejar la enfermedad una vez que se haya asentado en un estado estacionario. El tercero, y más crítico, es un umbral transitorio que determina si la ola inicial del brote será demasiado grande para que el hospital pueda manejarla, incluso si el hospital es lo suficientemente grande para el largo plazo.

Utilizando un conjunto de parámetros que reflejan un escenario realista, los investigadores descubrieron que la relación entre la capacidad hospitalaria y la seguridad del paciente no es una línea recta. Encontraron que, para ciertos niveles de capacidad, el sistema puede existir en dos estados muy diferentes al mismo la vez. En un estado, el número de pacientes en el hospital se estabiliza en un nivel constante y manejable. En el otro, el número de pacientes oscila violentamente en un ciclo repetitivo de aumentos y caídas. En el que el sistema cae realmente depende de las condiciones específicas al inicio del brote. Esto significa que simplemente añadir unas cuantas camas más podría no ser suficiente para garantizar la seguridad; si el sistema se encuentra en la "zona de peligro" donde ambos estados son posibles, un pequeño cambio en el número inicial de casos podría empujar al hospital hacia un ciclo caótico de sobrecarga, incluso si el número total de camas es técnicamente suficiente para la demanda promedio.

El estudio también analizó qué sucede cuando un hospital es apenas lo suficientemente grande para evitar una crisis permanente, pero demasiado pequeño para manejar el pico inicial. Los investigadores descubrieron que, cuando la capacidad hospitalaria está justo por debajo del nivel necesario para manejar el pico del brote, el sistema experimenta un tipo específico de contacto de "rozamiento" con sus límites. Esto no es un choque repentino, sino un roce momentáneo contra el borde de la capacidad. La matemática de este evento reveló un patrón preciso: la duración del periodo de sobrecarga crece con la raíz cuadrada de la escasez, mientras que el número total de pacientes que no pueden ser admitidos crece con una potencia de uno y medio. Esto significa que, a medida que el hospital se acerca a su límite, el tiempo que pasa en crisis crece lentamente al principio, pero la lista de espera de pacientes no admitidos crece mucho más rápido. Esta ley matemática proporciona una forma de predecir exactamente qué tan grave será una oleada basándose en cuánto queda el hospital por debajo de la demanda máxima.

Para probar sus hallazgos, los investigadores aplicaron su modelo a datos reales del Servicio Nacional de Salud (NHS) de Inglaterra durante el invierno de 2020 y 2021. Utilizaron los datos para comprobar si la relación simple entre los ingresos de pacientes y las camas ocupadas se mantenía cierta. El modelo predijo con éxito la trayectoria de las camas ocupadas durante una gran ola, confirmando que la mecánica básica del flujo de pacientes era correcta. Sin embargo, los datos del mundo real no incluían información sobre el número de personas esperando una cama, que es la variable oculta que impulsa la sobrecarga en su modelo. Debido a que esta fila de espera no fue registrada, los investigadores no pudieron calcular los límites exactos de capacidad para el sistema real, pero el ejercicio demostró que la lógica subyacente de su modelo coincide con la realidad. El estudio concluye que un hospital puede estar perfectamente dimensionado para el promedio a largo plazo de una enfermedad y aun así fallar catastróficamente durante la ola inicial. La seguridad no depende solo del número de camas, sino de la capacidad para manejar la presión transitoria de la primera oleada y de la compleja dinámica no lineal que puede atrapar a un sistema en un ciclo de sobrecarga, incluso cuando la demanda promedio parece baja.

Resumen Técnico: Bifurcación de Hopf, Bistabilidad y Rozamiento Transitorio en un Modelo de Hospitalización de Segmentos de Funciones Continuas

Planteamiento del Problema
El artículo aborda una brecha operativa crítica en la modelización epidémica: la distinción entre si una infección puede invadir una población (gobernada por el número básico de reproducción, $R_0$ ) y si un sistema sanitario puede absorber los casos graves generados durante una ola epidémica transitoria. Los modelos clásicos suelen asumir que, si el equilibrio endémico es compatible con las admisiones rutinarias, el sistema es seguro. Sin embargo, durante las olas epidémicas rápidas, los casos graves pueden acumularse en un estado de espera antes de la admisión, causando una sobrecarga temporal incluso si el equilibrio a largo plazo es sostenible. Los autores pretenden analizar la estructura dinámica no lineal generada por la admisión hospitalaria limitada por capacidad, centrándose específicamente en la transición entre los regímenes de admisión impulsados por la demanda y los impulsados por la capacidad.

Metodología
El estudio emplea un modelo epidémico de funciones continuas por tramos (SEIQRH) donde el flujo de admisión se define como el mínimo de un flujo impulsado por la demanda ($aq$) y un flujo impulsado por la capacidad ( $c(b-h)_+$ ). Esta formulación crea una superficie de conmutación $\Sigma$ donde el campo vectorial es continuo, pero el Jacobiano es discontinuo.

Los componentes metodológicos clave incluyen:

Formulación Adimensional: El modelo se escala para reducir los parámetros a grupos adimensionales, aislando la capacidad hospitalaria $b$ como el principal parámetro de bifurcación.
Reducción Espectral: Los autores identifican un par de autovalores exacto e independiente del régimen, compartido por los Jacobianos de un solo lado ( $J_N$ para cuidados normales y $J_C$ para cuidados limitados por capacidad). Esto reduce los polinomios característicos de sexto grado de ambos regímenes a un polinomio de quinto grado, facilitando un análisis de estabilidad de Routh–Hurwitz explícito.
Análisis de Bifurcación Local y Global:
- Local: Cálculo del primer coeficiente de Lyapunov para determinar la criticidad de las bifurcaciones de Hopf.
- Global: Continuación numérica de órbitas periódicas utilizando una formulación de disparo único (single-shooting) con multiplicadores de Floquet para trazar la conexión entre las ramas de Hopf locales y los atractores de amplitud finita.
- Análisis Transitorio: Análisis asintótico de eventos de "rozamiento" (grazing) donde la trayectoria de un brote de cuidados normales toca tangencialmente la superficie de conmutación.
Límites Rigurosos: El uso de un sistema de comparación de Metzler para derivar un límite inferior globalmente válido para el primer tiempo de conmutación (el momento en que se alcanzan por primera vez los límites de capacidad).
Validación: Reproducción independiente de los resultados utilizando computación simbólica (SymPy) y aritmética de alta precisión (mpmath) para verificar los coeficientes de Hopf y las propiedades de los atractores.

Contribuciones Clave y Resultados

Reducción Espectral y Estabilidad:
El artículo demuestra que los dos Jacobianos de un solo lado comparten un par de autovalores exactos correspondientes a la tasa de rotación demográfica ( $-m$ ). Esto permite que el análisis de estabilidad se reduzca a un polinomio de quinto grado. Para los parámetros base, el equilibrio limitado por capacidad experimenta una bifurcación de Hopf subcrítica en un umbral de capacidad $b_H \approx 0.2263 b_{crit}$ . El coeficiente de Lyapunov primero positivo ( $\ell_1 \approx 42.44$ ) confirma que la órbita periódica local emergente es inestable.
Bistabilidad y Dinámica Global:
La continuación numérica revela que la rama de Hopf local inestable se conecta con una rama periódica estable de amplitud finita y de funciones continuas por tramos mediante un pliegue inferior de ciclos ( $b^-_{LPC}$ ). Existe un segundo pliegue ( $b^+_{LPC}$ ) más allá del umbral de capacidad endémica ( $b_{crit}$ ). Esta estructura crea dos intervalos distintos de bistabilidad:
- $b^-_{LPC} < b < b_H$ : Coexistencia de un equilibrio estable y un atractor periódico estable.
- $b_{crit} < b < b^+_{LPC}$ : Coexistencia de un equilibrio estable y un atractor periódico estable.
  Esto implica que la adecuación hospitalaria en el equilibrio no garantiza la seguridad dinámica; el estado del sistema depende fuertemente de las condiciones iniciales y las perturbaciones.
Rozamiento Transitorio y Leyes de Escala:
Los autores definen un umbral transitorio $b_{trans}$ , que representa la presión máxima de admisión generada por una trayectoria de brote de cuidados normales. Cuando $b < b_{trans}$ , la trayectoria roza la superficie de conmutación. Bajo la suposición de un máximo único y no degenerado, el artículo deriva leyes de escala específicas para la duración de la sobrecarga ( $\Delta \tau$ ) y el déficit de admisión acumulado:
- La duración de la sobrecarga escala como $(b_{trans} - b)^{1/2}$ .
- El déficit de admisión acumulado escala como $(b_{trans} - b)^{3/2}$ .
  Estos resultados destacan que la respuesta del sistema a la escasez de capacidad cerca del umbral transitorio es singular y no lineal.
Límites Rigurosos del Tiempo de Conmutación:
Un argumento de comparación de Metzler proporciona un límite inferior riguroso y globalmente válido sobre el tiempo hasta la primera limitación de capacidad. Aunque es útil, el artículo señala que la brecha relativa entre este límite y el verdadero tiempo de conmutación aumenta a medida que se agota la población susceptible.
Aplicación Empírica (NHS England):
El artículo aplica una versión simplificada de flujo-stock del modelo a los datos del NHS England de la ola del invierno 2020/21. Si bien el modelo rastrea con éxito el retraso entre las admisiones y la ocupación de camas (validando el mecanismo de flujo-stock), los autores declaran explícitamente que la clase de espera latente y los umbrales de capacidad específicos ( $b_{crit}, b_{trans}$ ) no pueden identificarse únicamente con los datos disponibles.

Significado y Reivindicaciones
El artículo afirma que su principal significación radica en separar tres preguntas dinámicamente distintas: invasión, adecuación endémica y sobrecarga transitoria. Argumenta que la adecuación hospitalaria en el equilibrio no garantiza la seguridad transitoria o dinámica.

Complejidad No Lineal: El modelo revela que la admisión limitada por capacidad puede generar dinámicas complejas, incluyendo bifurcaciones de Hopf subcríticas y bistabilidad, que no son capturadas por aproximaciones suaves no lineales o modelos de umbral simples.
Implicaciones Operativas: La existencia de un umbral transitorio $b_{trans}$ , que puede ser significativamente mayor que el umbral endémico $b_{crit}$ (en el caso base, $b_{trans} \approx 53.5 b_{crit}$ ), sugiere que la planificación basada únicamente en cálculos de equilibrio endémico es insuficiente. La capacidad de respuesta ante aumentos repentinos debe considerar la presión máxima transitoria.
Rigor Técnico: El trabajo proporciona una clasificación rigurosa de la transición de frontera-equilibrio (tipo de persistencia) y establece leyes de escala asintóticas precisas para eventos de rozamiento en sistemas de funciones continuas por tramos, distinguiéndolos del escalamiento de raíz cuadrada de los sistemas de impacto (Filippov).

Los autores mantienen la modestia respecto a las recomendaciones de política, señalando que los parámetros base son ilustrativos y que una calibración completa requiere datos vinculados sobre admisiones, ocupación, altas y tiempos de espera, que no estaban disponibles para la comprobación empírica. Los resultados sirven como una demostración estructural de cómo las restricciones de capacidad alteran la dinámica epidémica, más que como un pronóstico calibrado para una región específica.

Más como este