Projeções da demanda hospitalar do COVID-19 em relação às medidas de distanciamento social

Ivan Zimmermann
Universidade de Brasília

SOBRE O MODELO

As estimativas foram obtidas com a construção de um modelo de transição compartimental de tempos discretos, semelhante ao proposto por outros autores [1–4] que considera a relação entre os indivíduos Suscetíveis (S), Expostos (E), infectados (I), recuperados (R).

Como ilustrado, no modelo compartimental SEIR proposto, cada indivíduo pode passar por quatro grandes fases distintas da infecção:            

1) Primeiro, um indivíduo é considerado suscetível ao patógeno (status S);

2) Uma vez infectado, o indivíduo se torna exposto por um período de latência (status E);

3) Passado o período de latência, o indivíduo se torna infeccioso e propaga a infecção (status I). Neste estado, é possível ainda progredir de um quadro leve ou assintomático (I1) para um quadro grave (I2) e crítico (I3);

4) Após a recuperação, o indivíduo é imunizado e não pode ser infectado novamente (status R).

Para os indivíduos com quadro crítico (I3), o modelo também prevê os possíveis óbitos em decorrência da infecção, buscando aproximar-se da taxa de letalidade de infecção esperada para a estrutura etária da população do Distrito Federal (próxima de 0,83%). A transição entre compartimentos é tratada matematicamente com um sistema de equações diferenciais ordinárias (EDO) do tamanho do compartimento em relação ao tempo.

Devido ao grau de incerteza sobre os detalhes da infecção por COVID-19, transmissão e a eficácia das medidas de distanciamento social, as projeções de longo prazo feitas com esse modelo de progressão SEIR devem ser tratadas com cautela.

Última atualização em: 13/04/2020

REFERÊNCIAS

1. Rocha Filho TM, dos Santos FSG, Gomes VB, Rocha TAH, Croda JHR, Ramalho WM, et al. Expected impact of COVID-19 outbreak in a major metropolitan area in Brazil. medRxiv Prepr [Internet]. 2020; Available from: https://doi.org/10.1101/2020.03.14.20035873

2. Hill A. Modeling COVID-19 Spread vs Healthcare Capacity [Internet]. 2020. Available from: https://alhill.shinyapps.io/COVID19seir/

3. Vynnycky E, White RG, Fine P. An introduction to infectious disease modelling. Oxford: Oxford University Press; 2010. 

4. Penn University. CHIME model: Discrete-time SIR modeling of infections/recovery [Internet]. Available from: https://code-for-philly.gitbook.io/chime/what-is-chime/sir-modeling