Resumo

Existem diversos tipos de modelagem para estudar o comportamento da Covid-19. Modelos são abstrações da realidade e contém erros devido à complexidade envolvida ser normalmente abarcada e isto contribui para que o modelo possa não refletir a totalidade da realidade. Enquanto que na modelagem determinística há um conjunto de valores fixos para as variáveis independentes do modelo e estes geram uma única saída para uma variável dependente, na modelagem estocástica, um processo aleatório permite explorar o comportamento do modelo contemplando sua evolução com o tempo. Este artigo apresenta um mo

Poucos são os modelos epidemiológicos estocásticos disponíveis na literatura para utilização com a Covid-19, portanto este trabalho torna-se relevante por apresentar uma modelagem estocástica para acompanhamento da evolução da pandemia em um município da região norte fluminense. O problema da pesquisa é como obter uma ferramenta de apoio à decisão para predição e monitoramento da taxa de incidência da Covid-19, da capacidade hospitalar e da evolução de casos confirmados? Desta forma, este trabalho tem como objetivo apresentar por meio de uma modelagem estocástica uma ferramenta para monitorame

Alguns modelos foram desenvolvidos para estudar a evolução de epidemias e entre os principais se encontram os modelos SIR, SIS, SIRS, SEIS, SEIR, SEIAR, MSIR, MSEIR, MSEIRS. Segundo Shil (2016), o modelo mais simples estudado é o modelo SIR. Ele considera uma população fixa com apenas três componentes: Sensíveis ou Suscetíveis (S), Infectados (I) e os Removidos ou Recuperados (R). Considerando que há uma tendência de crescimento exponencial tanto de casos confirmados acumulados (CC) como de Infectados (I), os erros relacionados as suas estimativas também podem ocorrer de forma exponencial, o

Os passos para execução da metodologia foram os seguintes: 1) Pesquisa bibliométrica de modelos epidemiológicos 2) Coleta e tratamento dos dados 3) Plotagem dos gráficos representativos dos ajustes da modelagem 4) Cálculo de parâmetros necessários para obtenção das faixas para a simulação 5) Simulação e validação para estimativa dos resultados. Com os dados reais apresentados do município de Macaé foi elaborada uma modelagem determinística e uma modelagem estocástica baseada em 4 cenários de prognósticos futuros. Verificou-se um gargalo na taxa de utilização de UTI em ambas as modelagens. A mo

Este trabalho evidenciou que há uma grande diferença nas estimativas dos modelos determinísticos e estocásticos. Os resultados mostram que apesar das medidas de rigidez tomadas pela Prefeitura Municipal de Macaé em relação ao isolamento social, estas poderão não ser suficientes para garantir um atendimento satisfatório em relação à utilização das UTI. Em conformidade com a literatura, sugere-se que seja feito um acompanhamento dos casos confirmados, hospitalizados e internações na UTI com base nas últimas 20 ocorrências registradas e prospectadas com a modelagem estocástica em uma janela tempo

ALMEIDA, R.C. Estudo preliminar sobre a evolução de casos da Covid-19 no Brasil: análises e projeções. UFPR, 2020. KIRKEBY, C., et al. Methods for Estimating Disease Transmission Rates: Evaluating the Precision of Poisson Regression and Two Novel Methods, 2017. Scientific Reports, 7:9496. LI et al. Propagation analysis and prediction of the COVID-19, 2020. Infectious Disease Modelling v.5, pp. 282-292. SCARABEL, F. et al.Canada needs to rapidly escalate public health interventions for its COVID-19 mitigation strategies. Infectious Disease Modelling. In Press. SHIL, P.. Mathematical Modeling