Professional Documents
Culture Documents
ISSN: 0120-419X
integracion@matematicas.uis.ed
Universidad Industrial de Santander
Colombia
Revista Integracin
Escuela de Matemticas
Universidad Industrial de Santander
Vol. 32, No. 1, 2014, pg. 101116
Resumen. En este artculo se formula un modelo matemtico simple que describe la interaccin entre bacterias sensibles y resistentes a mltiples antibiticos
de accin bactericida y bacteriosttica de forma simultnea, en el supuesto
de que la adquisicin de resistencia bacteriana se da a travs de mutaciones
espontneas y adquiridas por la exposicin a diferentes antibiticos. El anlisis
cualitativo revela la existencia de un equilibrio libre de bacterias, un equilibrio solo con bacterias resistentes y un equilibrio endmico donde coexisten
ambas poblaciones de bacterias.
Palabras claves: Soluciones de equilibrio, resistencia bacteriana, antibiticos.
MSC2010: 34D23, 93D20, 65L05.
101
102
2.
103
En el siguiente modelo se supone que un paciente infectado recibe tratamiento con n antibiticos de accin bactericida y m de accin bacteriosttica simultneamente. Se representan por S(t) y R(t) las poblaciones de bacterias sensibles y resistentes al tratamiento
con antibiticos en el tiempo t, respectivamente, y por Ai (t) y Bj (t), con i = 1, . . . , n y
j = 1, . . . , m, las concentraciones de antibiticos de accin bactericida y bacteriosttica
en el tiempo t, respectivamente.
Con el propsito de modelar el proceso de competencia entre la poblacin bacteriana
se supone que las bacterias sensibles presentan crecimiento logstico con capacidad de
carga constante K (interpretada como el mximo nmero de bacterias que el paciente
infectado puede soportar en su organismo), con tasa de reproduccin . Las mutaciones
especficas que ocasionan resistencia a los antibiticos tienen frecuentemente un costo
biolgico inherente f , el cual puede ser manifestado a travs de la disminucin de la
capacidad reproductiva o competitiva de la bacteria [1]. En este modelo se interpretar
dicho costo como la disminucin de la tasa de reproduccin de bacterias resistentes, y
por lo tanto, la tasa de reproduccin de bacterias resistentes ser igual a 1 = f , con
0 < f < 1.
La presin selectiva en las bacterias sensibles genera resistencia natural a los antibiticos, expresada por qnat S, donde qnat representa una tasa de mutacin natural asociada
a barreras de permeabilidad. Durante el tratamiento, el contacto de las bacterias sensibles con el i-simo antibitico de accin bactericida estimula el aumento de bacterias
resistentes debido a las mutaciones; esta situacin se describe mediante el trmino qi Ai S,
donde qi representa la tasa de mutacin, mientras que una porcin de bacterias sensibles
i Ai S, i = 1, 2, . . . , n, es eliminada. Similarmente, los antibiticos de accin bacteriosttica producen resistencia a una porcin de bacterias sensibles, mediante el trmino pj Bj S,
j = 1, 2, . . . , m.
Finalmente las poblaciones de bacterias sensibles y resistentes son eliminadas por el
sistema inmune del husped a una tasa per cpita , y tienen una tasas de muerte
natural s y r con r > s , respectivamente.
Para modelar la disolucin del medicamento se usa el modelo de capas de difusin [18] en
los dos tipos de antibiticos, el cual establece que la disolucin de la concentracin del isimo medicamento Ai (t) a travs del tiempo dAi /dt es proporcional a la diferencia entre
la tasa de saturacin Ai y la concentracin existente Ai , con i = 1, 2, . . . , n en cualquier
instante t; anlogamente para el j-simo medicamento de accin bacteriosttica.
Bajo las hiptesis anteriores se formula el siguiente sistema no lineal ecuaciones diferenciales ordinarias:
S+R
K
n
m
dS
dt
dR
dt
n
m
S+R
1 R 1
+ qnat S +
qi Ai S +
pj Bj S ( + r )R,
K
j=1
i=1
i Ai ),
ki (A
i = 1, . . . , n,
j Bj ),
lj (B
j = 1, . . . , m.
dAi
dt
dBj
dt
qnat S
i=1
(
qi +
i )Ai S
pj Bj S ( + s )S,
j=1
(1)
104
R
Ai
Bj
S
, r = , ai = y b j = ,
K
K
Ai
Bj
(2)
ds
dt
= s [1 (s + r)] qnat s
dr
dt
= 1 r [1 (s + r)] + qnat s +
dai
dt
dbj
dt
(qi + i )ai s
i=1
n
i = 1, . . . , n,
= lj (1 bj ),
j = 1, . . . , m,
donde
pj bj s ( + s )s,
j=1
qi ai s +
i=1
= ki (1 ai ),
m
m
pj bj s ( + r )r,
j=1
(3)
i .
qi = qi Ai , i =
i Ai , y pi = pi B
La regin de inters biolgico del sistema (3) est definida a travs del siguiente conjunto:
= {x Rn+m+2 : 0 s 1, 0 r 1, 0 s + r 1, 0 ai 1, 0 bj 1}.
(4)
Es importante resaltar que a travs del cambio de variables (2) la regin definida en (4)
se transforma en R4+ , lo cual garantiza el sentido biolgico de las soluciones admisibles.
El siguiente lema asegura que el sistema (3) est bien planteado; es decir, soluciones que
comienzan en permanecen all para todo t 0.
Lema 2.1. El conjunto definido en (4) es positivamente invariante para las soluciones
del sistema (3).
Demostracin. A partir de las dos primeras ecuaciones de (3) se obtiene
d(s + r)
dt
(s + 1 r) [1 (s + r)]
n
i ai s ( + s )s ( + r )r
i=1
(s + 1 r) [1 (s + r)]
c(s + r) [1 (s + r)] ,
donde
c=
(5)
, si s + r 1;
1 , si s + r > 1.
105
Soluciones de equilibrio
Los estados de equilibrio del sistema (3) se obtienen al resolver el siguiente sistema de
ecuaciones algebraicas:
s [1 (s + r)] qnat s
n
(qi + i )ai s
i=1
1 r [1 (s + r)] + qnat s +
n
qi ai s +
i=1
m
pj bj s ( + s )s
= 0,
j=1
m
pj bj s ( + r )r
= 0,
j=1
ki (1 ai ) = 0,
lj (1 bj ) = 0.
(6)
De la tercera y cuarta ecuacin del sistema (6) se tiene que ai = 1 y bj = 1, respectivamente. Reemplazando estos valores en las dos primeras ecuaciones se obtiene:
s [1 (s + r)] qnat s
n
(qi + i )s
i=1
1 r [1 (s + r)] + qnat s +
n
qi s +
i=1
m
pj s ( + s )s
= 0,
j=1
m
pj s ( + r )r
= 0,
(7)
j=1
j=1
n
(qi + i )
i=1
m
pj ( + s ) = 0.
(8)
j=1
(9)
Rr 1
,
Rr
(10)
106
donde
Rr =
1
.
+ r
A partir de (10) se establece que Rr > 1 es una condicin necesaria para que r sea
positivo. De esta manera, para s = 0 se obtienen las siguientes soluciones de equilibrio:
R 1
r
P0 = (0, 0, 1, . . . , 1) y P1 = 0,
, 1, . . . , 1 .
Rr
Ahora se van a determinar las soluciones de equilibrio para las cuales s = 0. Obsrvese
que la ecuacin (8) es equivalente a
s+r =
S0 1
,
S0
(11)
qnat +
m
.
(q
+
i) +
i=1 i
j=1 pj + + s
(12)
De la ecuacin (11) se establece que una condicin necesaria para que s y r sean positivos
es que S0 > 1. Despejando s de la ecuacin (11) se tiene que
s=
S0 1
r.
S0
(13)
Observemos que s 1; por otro lado, a partir de (13) se establece que una condicin
suficiente y necesaria para que s definido en (13) sea positivo es que r < r, donde
r =
S0 1
.
S0
(14)
n
m
qnat + i=1 (qi + i ) + j=1 pj (S0 1)
S0 1
m
n
S0
Rr ( + r )
S0
(q
+
)
+
p
+
i
i
j
r
i=1
j=1
n
m
qnat + i=1 (qi + i ) + j=1 pj
S0 1
m
1 n
S0
i=1 (qi + i ) +
j=1 pj + + r (Rr /S0 )( + r )
r
( + r ) 1 R
S0
S0 1
.
n
m
S0
qnat +
(qi + i ) +
pj + ( + r ) 1 Rr
j=1
j=1
(16)
S0
[Revista Integracin
107
Finalmente se determinarn las condiciones para las cuales s y r satisfacen las condiciones
de . En primer lugar, de (15) se observa que r > 0 cuando
S0 >
qnat +
+ r
Rr .
(q
+
i ) + m
i
i=1
j=1 (pj ) + + r
(17)
Por otro lado, reemplazando r definido en (15) en la desigualdad (14) se verifica que
(18)
S0 > Rr .
A partir de (17) y (18) se concluye que una condicion necesaria para la existencia de
soluciones de equilibrio no triviales est dada por (18). Adems de (11) y (14) se verifica
que r < 1 y que
s+r =
S0 1
1
=1
1.
S0
S0
(19)
Los resultados anteriores sobre existencia de soluciones de equilibrio del sistema (3) se
resumen en la siguiente proposicin.
Proposicin 2.1. El sistema (3) siempre tiene el
equilibrio trivialP0 = (0, 0, 1, . . . , 1). Si
r 1
, 1, . . . , 1 . Si S0 > 1 y S0 > Rr ,
Rr > 1, adems de P0 existe un equilibrio P1 = 0, RR
r
2.2.
En esta seccin se analiza la estabilidad asinttica local de las soluciones de equilibrio del
sistema (1). Se empieza con el estudio de la estabilidad local de la solucin de equilibrio
trivial P0 = (0, 0, 1, . . . , 1) en la regin , a travs de la linealizacin del sistema (1)
= J(P )X, donde
alrededor de una solucin de equilibrio P , la cual est dada por X
T
X = (s, r, a1 , . . . , an , b1 , . . . , bm ) y la matriz jacobiana J evaluada en P es
J(P ) =
j11 (P )
s
j13 (P )
j21 (P ) j22 (P )
q1 s
0
0
k1
..
..
..
.
.
.
0
0
0
0
0
0
..
..
..
.
.
.
0
0
0
j1(n+2) (P )
qn s
0
..
..
.
.
kn
0
..
.
0
p1 s pm s
p1 s pm s
..
..
.
.
0
0
0
l1
0
0
..
..
..
.
.
.
0
0
lm
m+n+2
(20)
108
donde
j11 (P ) =
(qi + i )ai +
i=1
j=1
j21 (P ) =
para i = 1, . . . , n,
n
m
1 r + qnat +
qi ai +
pj b j ,
j22 (P ) =
1 [1 (s + 2r)] ( + r ).
j1(i+2) (P ) =
pj bj + + s ,
(qi + i )s
i=1
j=1
s
j11 (P )
j21 (P ) j22 (P )
(21)
0
j11 (P0 )
j21 (P0 ) j22 (P0 )
donde
j11 (P0 ) =
j21 (P0 ) =
qnat +
qnat +
(qi + i ) +
i=1
j22 (P0 ) =
j=1
qi +
i=1
pj + + s (S0 1),
pj ,
j=1
( + r )(Rr 1).
Dado que j11 (P0 ) y j22 (P0 ) son negativos cuando S0 < 1 y Rr < 1, respectivamente, entonces P0 es localmente asintticamente estable. Este resultado se resume en la siguiente
proposicin.
Proposicin 2.2. Si S0 < 1 y Rr < 1, la solucin de equilibrio trivial E0 es localmente
asintticamente estable en . Si S0 > 1 o Rr > 1, E0 es inestable.
r 1
Para Rr > 1 aparece el equilibrio P1 = 0, RR
, 1, . . . , 1 en ; en este caso se tiene
r
J22 (P1 ) =
0
j11 (P1 )
j21 (P1 ) j22 (P1 )
,
[Revista Integracin
donde
(qi + i ) +
i=1
Rr 1
Rr
j=1
+ qnat +
pj + + s
qi +
i=1
109
S0
1 ,
Rr
pj ,
j=1
s
j11 (P2 )
J22 (P ) =
.
j21 (P2 ) j22 (P2 )
A partir de (8) se sigue que
s + r)] qnat +
j11 (P2 ) = [1 (2
(qi + i ) +
i=1
j=1
pj + + s = s,
1 [1 (
s + 2
r)] ( + r )
n
m
s
1 r + qnat +
qi +
pj .
r
i=1
j=1
s
qi +
pj < 0
T raza(J22 (P2 )) = s + 1 r + qnat +
r
j=1
i=1
n
y
det(J22 (P2 )) =
=
>
n
m
s
s qnat +
qi +
pj 1 +
r
i=1
j=1
0,
los valores propios de J22 (P2 ) tienen parte real negativa. El resultado anterior se resume
en la siguiente proposicin.
Proposicin 2.4. Bajo sus condiciones de existencia, la solucin de equilibrio P2 es
localmente asintticamente estable en . Si S0 < 1 o S0 < Rr , P2 es inestable.
Vol. 32, No. 1, 2014]
110
2.3.
ds
dt
= s [1 (s + r)] qnat s
dr
dt
= 1 r [1 (s + r)] + qnat s +
(qi + i )s
i=1
n
i=1
m
pj s ( + s )s,
j=1
qi s +
m
pj s ( + r )r.
(22)
j=1
La estabilidad global de las soluciones de equilibrio de (22) pueden ser probadas usando dos resultados fundamentales de sistemas planares: el Criterio de Dulac y el Teorema de Poincar-Bendixon (ver [21]). El criterio de Dulac afirma que si existe una
funcin (s, r) real y continuamente diferenciable tal que [(s, r)X(s, r)], donde
X(s, r) = (f1 (s, r), f2 (s, r)) es el lado derecho del sistema (22), entonces no existen
Sea
rbitas peridicas contenidas enteramente en .
(s, r) =
1
para s > 0 y r > 0;
sr
entonces
[(s, r)X(s, r)] =
=
(f2 )
(f1 )
+
s
r
m
s [1 (s + r)] qnat s n
j=1 pj s ( + s )s
i=1 (qi + i )s
sr
n
1 r [1 (s + r)] + qnat s + i=1 qi s + m
j=1 pj s ( + r )r
+
r
sr
n
m
1
[1 (s + r)] qnat
(qi + i )
pj ( + s )
=
r s
i=1
j=1
n
m
s
1
( + r )
qi +
pj
+
1 r [1 (s + r)] + qnat +
s r
r
i=1
j=1
m
qnat + n
1
i=1 qi +
j=1 pj
+
+
=
< 0, para todo s > 0 y r > 0.
r
s
r2
111
Equilibrio
Existencia
Estabilidad
P0
Siempre existe
Rr < 1 y S0 < 1
P1
Rr > 1
S0 < Rr
P2
S0 > Rr y S0 > 1
S0 > Rr y S0 > 1
Tabla 1. Condiciones de existencia y estabilidad de los estados de equilibrio del sistema (3).
3.
Soluciones numricas
Parmetro
Descripcin
Valor
Referencia
0.8/da
[13]
0.48/da
[1]
0.6
[1]
qnat
mutaciones naturales
10
[15]
q1
106 mut/gen
[8]
q2
10
mut/gen
[8]
q3
10
mut/gen
[16]
10
mut/gen
[16]
8
3
p1
0,0039/da
[27]
0,00375/da
[10]
0,0001625/da
[1]
0,3/da
[6]
0,012/da
[27]
0,012/da
[20]
1
k
0,48
Est. [25]
2
k
0,96
Est. [25]
3
k
3,2
Est. [25]
l1
0,088
Est. [25]
1
A
300 mg/kg/dia
[25]
2
A
600 mg/kg/dia
[25]
3
A
2000 mg/kg/dia
[25]
1
B
55 mg/kg/dia
[25]
113
Tabla 2. Las constantes de difusin de los antibitico se estimaron utilizando la formula k = DA/V ,
donde D es el coeficiente de difusin de la sustancia, es la capa lmite efectiva de difusin del espesor
adyacente a la superficie de disolucin, A es el rea superficial especfica y V es el volumen del medio de
disolucin. Estos parmetros se obtuvieron del Vademecum [25].
Conclusiones
En este artculo se formula un modelo matemtico simple sobre resistencia bacteriana
hacia antibiticos, tanto de accin bactericida como bacteriosttica, considerando los
cambios especficos en la secuencia del ADN bacteriano (mutaciones naturales y espontneas) como los nicos mecanismos de adquisicin de la resistencia bacteriana, con el
fin de evaluar la eficacia de los tratamientos con antibiticos y el sistema inmune con
respeto a los mecanismos anteriores. Los resultados del modelo sugieren en trminos de
los parmetros S0 y Rr los siguientes escenarios:
Vol. 32, No. 1, 2014]
114
4.
Agradecimientos
Expresamos nuestros agradecimientos a los evaluadores annimos por sus valiosas sugerencias y comentarios, los cuales contribuyeron a mejorar el artculo. J. Romero
agradece a la Direccin de Regionalizacin de la Universidad de Antioquia, en especial a su Seccional en Bajo Cauca; E. Ibargen agradece el apoyo del proyecto aprobado
por la VIPRI-UDENAR bajo el Acuerdo No 121 del 27 de agosto de 2012.
Referencias
[1] Alavez J., Avenda R., Esteva L., Fuente J., Garcia G. and Gmez G., Withinhost
population dynamics of antibiotic-resistant M. tuberculosis, Math. Med. Biol. 24
(2006), 3556.
[2] Austin D. and Anderson R., Studies of antibiotic resistance within the patient,
hospitals and the community using simple mathematical models, Phil. Trans. R.
Soc. Lond. B. 354 (1999), 721738.
[3] Bonhoeffer S., Lipsitch M. and Levin B.R., Evaluating treatment protocols to prevent antibiotic resistance, Proc. Natl. Acad. Sci. 94 (1997), 1106.
[4] Bonten M., Austin J., Daren J. and Lipsitch M., Understanding the spread of
antibiotic resistant pathogens in hospitals: mathematical models as tools for control,
Math. Med. Biol. 24 (2007), 3556.
[5] Bootsma M.C.J., Van Der Horrst M.A., Guryeva T., Ter Kuile B. and Diekmann
O., Modeling non-inherited antibiotic resistance, Bull. Math. Biol. 74 (2012), 1691
1705.
[Revista Integracin
115
[6] Carvalho R.V., Kleijn J., Meijer A.H. and Verbeek F.J., Modeling innate immune
response to early mycobacterium infection, Comput. Math. Methods Med. 12 (2012),
112.
[7] Castillo-Chvez C. and Thieme T., Asymptotically autonomous epidemic models,
mathematical population dynamics: Analysis of Heterogeneity, Theory of Epidemics
1 (1995), 3350.
[8] Coll P., Frmacos con actividad frente a mycobacterium tuberculosis, Enferm.
Infecc. Microbiol. Clin. 27 (2009), 474480.
[9] DAgata E., Magal P., Olivier D., Ruan S. and Webb G.F., Modeling antibiotic
resistance in hospitals: the impact of minimizing treatment duration, J. Theoret.
Biol. 249 (2007), 487499.
[10] Dye Ch. and Espinal M.A., Will tuberculosis become resistant to all antibiotics?,
Proc. R. Soc. Lond. B. 268 (2001), 4552.
[11] Gelder L., Ponciano J.M., Abdo Z., Paul J., Larry J.F. and Eva M.T., Combining
mathematical models and statistical methods to understand and predict the dynamics of antibiotic-sensitive mutants in a population of resistant bacteria during
experimental evolution, Genet. 168 (2004), 11311144.
[12] Guilfoile P.G., Deadly Diseases and Epidemics: Antibiotic-Resistant Bacteria,
Chelsea House Publishers, London, 2007.
[13] Gumbo T., Louie A., Deziel M.R., Parsons L.M., Salfinger M. and Drusano G.L.,
Selection of a moxifloxacin dose that suppresses drug resistance in Mycobacterium
tuberculosis, by use of an in vitro pharmacodynamic infection model and mathematical modeling, J. Infectious Diseases, 190 (2004), 16421651.
[14] Hellweger F., Ruan X. and Snchez S., A Simple Model of Tetracycline Antibiotic
Resistance in the Aquatic Environment (with Application to the Poudre River),
Int. J. Environ. Res. 8 (2011), 480497.
[15] Ibargen-Mondragn E. and Esteva L., On the interactions of sensitive and resistant
Mycobacterium tuberculosis to antibiotics, Math. Biosci., 246 (2013), 8493.
[16] Inggraham J., Wheelis M., Painte P. and Stanier R., Microbiologa, New Jersey, Vol.
II, Revert, 1992.
[17] Linares J. and Martnez J., Resistencia a los antimicrobianos y virulencia bacteriana, Enferm. Infecc. Microbiol. Clin., 23 (2005), 8693.
[18] Macheras P. and Iliadis A., Modeling in Biopharmaceutics, Pharmacokinetics, and
Pharmacodynamics: Homogeneous and Heterogeneous Approaches, Springer, New
York, 2006.
[19] Massad E., Nascimiento M. and Bezerr F., An optimization model for antibiotic
use, Appl. Math. Comput. 201 (2008), 161167.
Vol. 32, No. 1, 2014]
116
[20] Ozcaglar C., Shabbeer A., Vandenberg S.L., Yener B., Bennett K.P., Zhang Y.,
Dhandayuthapani S. and Deretic V., Epidemiological models of Mycobacterium
tuberculosis complex infections, Math. Biosci. 236 (2012), 7796.
[21] Perko L., Differential Equations and Dynamical Systems, Springer-Verla, ed 3, New
York, 2000.
[22] Romero J., Ibargen E. and Esteva L., Un modelo matemtico sobre bacterias
sensibles y resistentes a antibiticos, Mat. Ense. Univ. 20 (2011), 5573.
[23] Solrzano F. and Novales G., Resistencia a bacterias respiratorias y entricas a
antibiticos, Revista Salud Pblica, 30 (1998), 481483.
[24] Sun H.R., Lu X. and Ruan S., Qualitative analysis of models with different treatment protocols to prevent antibiotic resistance, Math. Biosci. 227 (2010), 5667.
[25] PLM-Colombia, Diccionario de Especialidades Farmacuticas, PLM, ed 39, 2011.
www.vademecum.com/co/.
[26] World Health Organization, The evolving threat of antimicrobial resistance. Opcions
for action, WHO. 2012.
[27] Zhang Y., Dhandayuthapani Y. and Deretic S., Molecular basis for the exquisite
sensitivity of Mycobacterium tuberculosis to isoniazid, Proc. Natl. Acad. Sci. 93
(1996), 1321213216.
[Revista Integracin