Since the appearance in China of the first cases, the entire world has been deeply affected by the flagellum of the Coronavirus Disease (COVID-19) pandemic. There have been many mathematical approaches trying to characterize the data collected about this serious issue. One of the most important aspects for attacking a problem is knowing what information is really available. We investigate here the information contained in the COVID-19 data of infected and deceased people in all countries, using informational quantifiers such as entropy and statistical complexity. For the evaluation of these quantities, we use the Bandt–Pompe permutation methodology, as well as the wavelet transform, to obtain the corresponding probability distributions from the available series of data. The period analyzed covers from the appearance of the disease up to the massive use of anti-COVID vaccines.

Myocardial ischaemia is a decompensation of the oxygen supply and demand ratio, often caused by coronary atherosclerosis. During the initial stage of ischaemia, the electrical activity of the heart is disrupted, increasing the risk of malignant arrhythmias. The aim of this study is to understand the differential behaviour of the ECG during occlusion of both the left anterior descending (LAD) and right anterior coronary artery (RCA), respectively, using spatio-temporal quantifiers from information theory. A standard 12-lead ECG was recorded for each patient in the database. The control condition was obtained initially. Then, a percutaneous transluminal coronary angioplasty procedure (PTCA), which encompassed the occlusion/reperfusion period, was performed. To evaluate information quantifiers, the Bandt and Pompe permutation method was used to estimate the probability distribution associated with the electrocardiographic vector modulus. Subsequently, we analysed the positioning in the $\mathcal{H}\times \mathcal{C}$ causal plane for the control and ischaemia. In LAD occlusion, decreased entropy and increased complexity can be seen, i.e., the behaviour is more predictable with an increase in the degree of complexity of the system. RCA occlusion had the opposite effects, i.e., the phenomenon is less predictable and exhibits a lower degree of organisation. Finally, both entropy and complexity decrease during the reperfusion phase in LAD and RCA cases.

Este artículo presenta un estudio que utiliza los datos proporcionados por el Ministerio de Salud de Argentina sobre el número de personas infectadas, fallecidas y recuperadas por la enfermedad de Coronavirus 2019 (COVID-2019). El modelo estándar Susceptible-Infected-Removed (SIR) se usa para simular la población infectada de esta epidemia en Argentina. El modelo SIR, desarrollado por Ronald Ross, William Hamer y otros, es una representación matemática de cómo una infección se propaga en una población en el tiempo. Este modelo tiene dos parámetros, la tasa de transmisión por cápita, β, y la tasa de recuperación, , siendo 1/ el tiempo medio que el individuo permanece infectado. En este trabajo, el parámetro  se considera constante y el parámetro β se ajusta con el tiempo con datos reales, de tres formas distintas, que luego se comparan simulando la evolución epidémica mediante el modelo SIR. Se muestran los resultados obtenidos con datos reales del inicio de la pandemia, del 3 de marzo de 2020 al 21 de julio de 2020. Finalmente se concluye que el modelo se ajusta satisfactoriamente a los datos de Argentina como consecuencia de la variación temporal propuesta de β en corto y mediano plazo.

Aplicamos diferentes cuantificadores de informacion al estudio de series temporales de COVID-19. En primer lugar, analizamos como el hecho de suavizar las curvas altera el contenido de informacion de la serie, aplicando la entropia de permutaciones y la entropia wavelet a la serie de casos diarios nuevos mediante un metodo de ventana movil. Ademas, para estudiar que tan acopladas estan las curvas asociadas con los nuevos casos diarios de infecciones y muertes, calculamos la coherencia wavelet. Nuestros resultados muestran como se pueden utilizar cuantificadores de información para analizar el comportamiento impredecible de esta pandemia en el corto y mediano plazo.