Explore os diferentes parâmetros que governam a progressão de uma epidemia viral em uma população inicialmente 100% suscetível (vírus novo). Identifique como esses parâmetros afetam o número de infectados ao longo do tempo. Experimente com diferentes medidas de contenção da epidemia, para verificar quais são mais efetivas. Os gráficos são interativos, aumente o zoom para ver as dinâmicas em detalhe. Valores iniciais dos parâmetros são compatíveis com a COVID19, e as projeções iniciam com o aparecimento do primeiro indivíduo infectado.
Dia | Infecciosos | % da População | Novos Casos Detectados | Total de casos detectados |
"Essentially, all models are wrong, but some are useful." - George Box
Instituto de Matemática e Estatística - UFRGS
Escolha um país ou um estado brasileiro e ajuste o modelo aos dados reais para os primeiros dias da pandemia. Os dados são apresentados a partir do dia em que são registrados 50 ou mais casos. Os gráficos são interativos, aumente o zoom para ver as dinâmicas em detalhe.
Para investigar projeções, aumente o "Número de dias da projeção". Mas CUIDADO na hora de interpretar os reultados por há incertezas associadas à escolha dos parâmetros, simplificações do modelo e qualidade dos dados.
Para modelar o curso inteiro da epidemia, precisaríamos de um modelo com mais flexibilidade para contemplar as variações nas intervenções ao longo do tempo.
Data | Infecciosos | % da População | Novos Casos Detectados | Total de casos detectados |
Total de Casos | Novos Casos |
"Essentially, all models are wrong, but some are useful." - George Box
Instituto de Matemática e Estatística - UFRGS
Dados internacionais coletados em https://github.com/CSSEGISandData/COVID-19
Dados nacionais coletados em https://github.com/wcota/covid19br
Este aplicativo contém um simulador de epidemias utilizando uma versão alterada do tradicional modelo SIR. Com ele você pode simular cenários para a epidemia considerando diferentes formas de intervenção para seu manejo e diferentes combinações para os parâmetros que regem sua evolução. Adicionalmente, na aba "COVID19" você pode avaliar o ajuste destas projeções aos números de casos registrados nos estados brasileiros e em diversos países.
O modelo estuda a evolução de uma epidemia em uma população homogênea. Os Indivíduos dessa população estão divididos em 5 grupos:
Para possibilitar a comparação das projeções do modelo com os dados oficiais de número de casos, notamos que devido a limitações na disponibilidade de testes apenas uma fração dos casos são de fato detectados. Assim, definimos mais um compartimento:
Os parâmetros que regem a dinâmica viral são:
Um outro conceito importante é o de intervalo serial, que representa o tempo médio entre o momento em que uma pessoa é infectada e o momento em que a pessoa que a infectou foi infectada. O intervalo serial corresponde à soma do tempo de latência e o tempo de infecção. Esse valor pode ser estimado independentemente, acompanhando casos individuais da doença. As primeiras estimativas colocavam o intervalo serial entre 7-8 (valores próximos ao SARS), entretanto estudos mais recentes têm utilizado 5-6.
São consideradas 4 classes de intervenções para controlar a progressão da epidemia
Intervenção social na qual a taxa de contágio é reduzida de modo constante. Você deve determinar a data de início e término da intervenção e a taxa de redução de contágio obtida.
Intervenção social na qual períodos de redução de contágio são intercalados com períodos de atividade normal. Você deve determinar a data de início, número, duração dos períodos de intervenção e seus intervalos, e a taxa de redução de contágio obtida nos períodos de restrição.
Intervenção intermitente na qual início e fim dos períodos de restrição são determinados pelo número de casos. Você deve determinar acima de quantos casos inicia-se a restrição e abaixo de quantos casos inicia-se um período de intervalo. Além disso, deve determinar a data de início da ação e a taxa de redução de contágio obtida nos períodos de restrição.
A vacinação confere imunidade às pessoas, transformando indivíduos Suscetíveis em Removidos. Assumimos que a vacina leva 14 dias para gerar imunidade (compatível com Influenza). Todos os indivíduos que ainda não foram vacinados ou detectados como infectados podem receber a vacina, entretanto apenas os suscetíveis se tornam imunes devido à vacinação. Você deve determinar a data de início da ação, o número total de vacinas disponíveis, o número de vacinas que podem ser administradas em um dia e a eficácia da vacina (proporção da população na qual ela gera proteção).
Os números de casos observados de COVID19 são fortemente influenciados pelas políticas de teste adotadas em cada local. Além disso, limitações na capacidade de realizar testes podem gerar dinâmicas muito mais complexas do que a simples identificação de uma fração fixa dos casos (como assumido na versão atual do aplicativo), afetando o formato da curva epidemiológica. Assim, é necessário muito cuidado com projeções realizadas com base nesses dados, pois estas podem ser afetadas pela dinâmica desconhecida de testes.
A versão atual do aplicativo é limitada em termos da modelagem do tempo entre o início de uma intervenção e seu efeito. Para reproduzir isso de forma mais fidedigna, uma próxima versão trará modelo aprimorado para o compartimento dos Expostos.
A versão atual do aplicativo foi montada para modelar o número de casos observados e não taxas de mortalidade ou hospitalizações. Para reproduzir essas dinâmicas de forma adequada, uma próxima versão trará modelo aprimorado para o compartimento dos Infectados. Notamos que modelar hospitalizações como simples proporção dos infectados não é apropriado por causa das diferenças nos tempos característicos de casos graves em relação aos outros casos, e da relação com estrutura etária da população
Este aplicativo considera um modelo fechado de equações diferenciais para a evolução da epidemia. O modelo é adequado para capturar o comportamento médio do processo nas grandes populações que consideramos. Entretanto, ele é limitado quando tratamos de pequenos números de casos em que importações e efeitos aleatórios são importantes para a dinâmica da epidemia. Além disso, ele não é adequado para representar intervenções que não atuam de forma homogênea na sociedade.
"Essentially, all models are wrong, but some are useful." - George Box
Instituto de Matemática e Estatística - UFRGS