Influenza is a disease that spreads rapidly among the population and cause health and economic damage. Because of the mutation of the virus every year is not possible to develop a cure to immunize permanently the population. A method that can help to control the spread is the computational modelling. Modelling the epidemiological behaviour of the virus we can find factors that reduce the incidence of the virus. This paper presents and evaluates the potential of two types of models used in the epidemiological field: compartmental models and models based on individuals. They have been constructed from the data available in the literature on the natural history of influenza. Both models have been calibrated with epidemiological data of the city of Barcelona corresponding to the periods 2012-2013, 2013-2014 and 2014-2015. We analysed the behaviour of the two models, as well as the effect of the parameters involved, and determined that the models created properly matched to the actual data. However it appears that the lack of bibliographic information prevents a better fit to the initial phase of the epidemic. Likewise, it is determined that parameters such as transmission ratio and the percentage of the total population susceptible are relevant in our models.

La grip comú és una malaltia que es propaga ràpidament entre la població i comporta perjudici tant de salut pública com econòmic. Degut a que el virus muta any rere any no s'ha pogut desenvolupar una cura que immunitzi a la població de manera permanent. Un mètode que pot ajudar en el control de la propagació de aquesta malaltia és la modelització computacional. Modelitzant el comportament epidemiològic del virus es pot trobar factors que redueixin la seva incidència. Aquest treball mostra i avalua la potencialitat de dos tipus de models utilitzats en l'àmbit epidemiològic: models compartimentats i models basat en l'individu. S'han construït a partit de les dades disponibles en la literatura sobre la història natural de la grip. Tots dos models han sigut calibrats amb dades epidemiològiques de la ciutat de Barcelona corresponents a les temporades 2012-2013, 2013-2014 i 2014-2015. A partir de la bibliografia existent sobre la grip es pretén avaluar el paràmetre que intervenen en el contagi de la grip. S'ha analitzat el comportament dels dos models, així com l'efecte dels paràmetres implicats, i s'ha determinat que els models creats s'ajusten correctament a les dades reals. No obstant s'observa que la manca d'informació bibliogràfica impedeix un millor ajust a la fase inicial de la epidèmia. Així mateix, es determina que paràmetres com el rati de contagi i el percentatge de susceptibles de la població total són rellevant en els nostres models.

La gripe común es una enfermedad que se propaga rápidamente entre la población y conlleva perjuicios tanto de salud pública como económicos. Debido a que este virus muta año tras año no se ha podido desarrollar una cura que inmunice a la población de forma permanente. Un método que podría ayudar en el control de la propagación de esta enfermedad es la modelización computacional. Modelizando el comportamiento epidemiológico del virus se puede hallar factores que reduzcan su incidencia. Este trabajo muestra y evalúa la potencialidad de dos tipos de modelos usado en el ámbito epidemiológico: modelos compartimentados y modelos basados en el individuo. Se han construido a partir de los datos disponibles en la literatura acerca de la historia natural de la gripe. Ambos modelos han sido calibrados con datos epidemiológicos de la ciudad de Barcelona correspondientes a las temporadas 2012-2013, 2013-2014 y 2014-2015. Se ha analizado el comportamiento de los dos modelos, así como el efecto de los parámetros implicados, y se ha determinado que los modelos creados se ajustan correctamente a los datos reales. No obstante se observa que la falta de información bibliográfica impide un mejor ajuste a la fase inicial de la epidemia. Así mismo, se determina que parámetros como el ratio de contagio y el porcentaje de susceptibles de la población total son relevantes en nuestros modelos.