Modelo epidemiológico para construção de cenários da disseminação da COVID-19 em Codó-MA

Autores

DOI:

https://doi.org/10.17058/reci.v13i1.17853

Palavras-chave:

COVID – 19. Simulações. Sub-Registro. Isolamento social. Morbidade.

Resumo

Justificativa e objetivos: devido ao aumento do número de casos do novo coronavírus na cidade de Codó-MA, viu-se a necessidade para fazer um estudo sobre a propagação da COVID-19 no município para a ter melhor conhecimento e entendimento do problema. Foi realizado um estudo sobre a disseminação da COVID-19 na cidade de Codó-MA, sendo comparados os dados quantitativos dos números de casos nos anos de 2020 e 2021 entre os meses de maio e julho e utilizando o modelo epidemiológico Suscetíveis-Infecciosos-Isolados-Recuperados (SIQR). Métodos: coletamos os dados diários dos boletins epidemiológicos disponibilizados pela Secretaria Municipal de Saúde de Codó (SEMUS-Codó), escolhemos o modelo compartimental SIQR para a realização das simulações, supomos hipóteses e estimamos os parâmetros para podermos projetar os cenários. Simulamos cenários, tais como distanciamento social dos indivíduos sadios e isolamento social dos indivíduos infectados. Resultados: no início de 2020, os casos aumentaram com mais frequência do que no início de 2021, e aproximadamente 20% dos infectados estavam em isolamento social. De acordo com as projeções, mais de 80% dos casos de COVID-19 não foram contabilizados em Codó. Em 2021, houve maior subnotificação do que em 2020, aproximadamente 82% e 85%, respectivamente.  Conclusão: a partir dos resultados, os autores concluem que o isolamento social dos infectados é um método mais eficiente para conter uma epidemia do que o bloqueio total da população e que o alto número de casos subnotificados são porque a maioria desses casos são assintomáticos.

Downloads

Não há dados estatísticos.

Referências

Ministério da Saúde (BR). Acha que está com sintomas da COVID-19?. https://www.coronavirus.ms.gov.br/?page_id=29.

G1. Governo confirma o primeiro caso do novo coronavírus no Maranhão. https://g1.globo.com/ma/maranhao/noticia/2020/03/20/governo-confirma-o-primeiro-caso-do-novo-coronavirus-no-maranhao.ghtml.

Camilo MJ, Moura DFC, Salles RM. Modelagem matemática para epidemia de COVID-19 no Brasil. Rev Mil de Ciência e Tecn. 2020; 2(37):1-12. http://ebrevistas.eb.mil.br/CT/article/view/6772.

Gomes SCP, Monteiro IO, Rocha CR. Modelagem dinâmica da COVID-19 com aplicação a algumas cidades brasileiras. Revista Thema. 2020; 18:1-25. https://periodicos.ifsul.edu.br/index.php/thema/article/view/1793.

Ma J, Dushoff J, Bolker B. et al. Estimating Initial Epidemic Growth Rates. Bull Math Biol. 2013; 76:245-260. https://doi.org/10.1007/s11538-013-9918-2.

Floquet S, Leite TN, Câmera RCP. et al. A matemática no combate à epidemia: estudo sobre a COVID-19 na região do vale do são Francisco. REVASF. 2021; 24(11):100-146. Disponível em: https://www.periodicos.univasf.edu.br/index.php/revasf/article/view/1561.

Huppert A, Katriel G. Mathematical modeling, and prediction in infectious disease epidemiology. CMI. 2013; 11(19):999-1005. https://doi.org/10.1111/1469-0691.12308.

Bertone AMA, Bassanezi RC, Jafelice RSM. Modelagem Matemática. Uberlândia, MG:UFU, 2014. https://repositorio.ufu.br/handle/123456789/25315.

Rocha DIC. Modelos matemáticos aplicados à epidemiologia. Porto. Dissertação [Mestrado em Métodos Quantitativos em Economia e Gestão] - Faculdade de Economia da Universidade do Porto; 2012. https://repositorio-aberto.up.pt/bitstream/10216/63680/2/ModelosMatematicosAplicadosaepidemiologia100485006DianaRochaMQEG.pdf.

Khan MA, Atangana A. Modeling the dynamics of novel coronavirus (2019 n Cov) with fractional derivative. Alex Eng J. 2020; 4(59):2379-2389. https://doi.org/10.1016/j.aej.2020.02.033.

IBGE. Cidades e Estados. https://www.ibge.ghgfov.br/cidades-e-estados/ma/codo.html.

Li XP, Ullah S, Zahir H. et al. Modeling the dynamics of coronavirus with super-spreader class: A fractal-fractional approach. Results Phys. 2022; 34:105179. https://doi.org/10.1016/j.rinp.2022.105179.

Bitar S, Steinmetz WA. Scenarios for the Spread of COVID-19 in Manaus, Northern Brazil. An Acad Bras Ciênc 2020; 92(4):1-12. https://doi.org/10.1590/0001-3765202020200615.

Li R, Pei S, Chen B. et al. Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV-2). Science. 2020; 6490(368):489-493. https://doi:10.1126/science.abb322.

IBGE. Síntese de indicadores sociais uma análise das condições de vida da população brasileira. https://necat.ufsc.br/sintese-de-indicadores-sociais-ibge/.

Driessche PVD, Watmough J. Reproduction numbers and sub-threshold endemic equilibria for compartmental models of disease transmission. Math Biosci. 2021; 2(180):29-48. https://doi.org/10.1016/S0025-5564(02)00108-6.

Zhan C, Shao L, Zhang X. et al. Estimating unconfirmed COVID-19 infection cases and multiple waves of pandemic progression with consideration of testing capacity and non-pharmaceutical interventions: A dynamic spreading model. Inf. Sci. 2022; 607:418-439. https://doi.org/10.1016/j.ins.2022.05.093.

Ma Y, Xu S, An Q. et al. Coronavirus disease 2019 epidemic prediction in Shanghai under the ‘‘dynamic zero-COVID policy” using time-dependent SEAIQR model. J Biosaf Biosecur. 2022; 2(4):105-113. https://doi.org/10.1016/j.jobb.2022.06.002.

Adnan, Ali A, Rahman M. Investigation of time-fractional SIQR Covid-19 mathematical model with fractal-fractional Mittage-Leffler kernel. Alex Eng J. 2022, 10(61):7771-7779. https://doi.org/10.1016/j.aej.2022.01.030.

Publicado

2023-05-26

Como Citar

Lisboa dos Santos, A., & da Silva Rodrigues , L. R. . (2023). Modelo epidemiológico para construção de cenários da disseminação da COVID-19 em Codó-MA. Revista De Epidemiologia E Controle De Infecção, 13(1). https://doi.org/10.17058/reci.v13i1.17853

Edição

Seção

ARTIGO ORIGINAL