Simulação computacional do covid19 por meio do modelo SEIR: efeito do isolamento social

Authors

  • Kelser de Souza Kock Doutor em Ciências Médicas. Professor da Universidade do Sul de Santa Catarina (UNISUL), Campus Tubarão, SC, Brasil
  • Gustavo Chiaradia Ribeiro Duarte Acadêmico do curso de medicina da Universidade do Sul de Santa Catarina (UNISUL), Campus Tubarão, SC, Brasil

DOI:

https://doi.org/10.18310/2446-4813.2021v7n1Supp23-34

Keywords:

Vírus SARS. Infecções por coronavírus. Simulação por computador. Isolamento social. Número básico de reprodução

Abstract

Objetivos: Simular a evolução da epidemia do COVID19 em uma população hipotética utilizando o modelo SEIR. Métodos: realizou-se uma simulação computacional por meio do modelo SEIR considerando 4 cenários: o isolamento social (Ro=1,5), sem medidas de isolamento (Ro=2,5), aglomeração social (Ro=3,5) e isolamento social durante 90 dias (Ro=1,5) e após sem medidas de isolamento (Ro=2,5). As simulações foram realizadas em um período de 240 dias. Resultados: cenário 1 apresenta 4,57% de infectados; cenário 2 obteve-se 15,4% de infectados; cenário 3 representa 22,9% de infectados; cenário 4, nos primeiros 90 dias obteve-se 4,11% de infectados e após 90 dias, aumentou para 10,71% de infectados. Conclusão: o isolamento social é uma ferramenta imprescindível para o combate a pandemia, não só por diminuir o pico de infectados, como também para achatar a curva de infecções ao longo do tempo.

References

Tang Z, Xianbin L, Li H. Prediction of New Coronavirus Infection Based on a Modified SEIR Model. MedRxiv. 2020. http://dx.doi.org/10.1101/2020.03.03.20030858

Zhu N, Zhang D, Wang W, Xingwang L, Yang B, Jingdong S, et al. A Novel Coronavirus from Patients with Pneumonia in China, 2019. N Engl J Med 2020; 382:727-33. http://dx.doi.org/10.1056/NEJMoa2001017

Organização Mundial da Saúde (OMS). Doença de coronavírus 2019 (COVID-19). Situation Report-36; 2020.

Jiang F, Deng L, Zhang L, Cai Y, Cheung CW, Xia Zl. Review of the Clinical Characteristics of CoronavirusDisease 2019 (COVID-19). J Gen Intern Med 2020; 35(5):1545–9. https://doi.org/10.1007/s11606-020-05762-w

Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020; 395(10223):497-506. https://doi.org/10.1016/S0140-6736(20)30183-5

Wang D, Hu B, Hu C, Zhu F, Liu X, Zhang J, et al. Clinical Characteristics of 138 Hospitalized Patients With 2019 Novel Coronavirus–Infected Pneumonia in Wuhan, China. JAMA. 2020;323(11):1061-9. http://dx.doi.org/10.1001/jama.2020.1585

Li Q, Guan X, Wu P, Wang X, Zhou L, Tong Y, et al. Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia. N Engl J Med 2020; 382:1199-207. http://dx.doi.org/10.1056/NEJMoa2001316

Shil P. Mathematical Modeling of Viral Epidemics: A Review. Biomed Res J 2016;3(2):195–215. http://dx.doi.org/10.4103/2349-3666.240612

Ferguson NM, Laydon D, Nedjati-Gilani G, Imai N, Ainslie K, Baguelin M, Bhatia S, Boonyasiri A, Cucunubá Z, Cuomo-Dannenburg G, Dighe A (2020) Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. Imperial College COVID-19 Response Team, London. 2020. https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-College-COVID19-NPI-modelling-16-03-2020.pdf

Liu Y, Gayle AA, Wilder-Smith A, Rocklöv J. The reproductive number of COVID-19 is higher compared to SARS coronavirus. J Travel Med. 2020;27(2):taaa021. http://dx.doi.org/10.1093/jtm/taaa021

Wilder-Smith A, Freedman DO. Isolation, quarantine, social distancing and community containment: pivotal role for old-style public health measures in the novel coronavirus (2019-nCoV) outbreak. J of Travel M. 2020; 27(2):1-4. http://dx.doi.org/10.1093/jtm/taaa020

Lauer SA, Grantz KH, Bi Q, Jones FK, Zheng FQ, Meredith HS, et al. The Incubation Period of Coronavirus Disease 2019 (COVID-19) From Publicly Reported Confirmed Cases: Estimation and Application. Ann Intern Med. 2020. 172(9):577-82. https://doi.org/10.7326/M20-0504

Mendes J, Costa IF, Sousa CMSG. O uso do software Modellus na integração entre conhecimentos teóricos e atividades experimentais de tópicos de mecânica. Rev Bras de Ens de Fís. 2012; 34(2):1-9. https://doi.org/10.1590/S1806-11172012000200011.

Modellus Versão 4.01. [acesso em 2017 Ago 23]. Disponível em: <http://modellus.co/index.php?lang=pt >.

Luiz MHR. Modelos Matemáticos em Epidemiologia [dissertação] [internet]. São Paulo (SP): Universidade Estadual de São Paulo; 2012. [acesso em 2020 Mar 13]. Disponível em: https://repositorio.unesp.br/bitstream/handle/11449/94348/luiz%20mhr%20mercla.pdf?sequence=1&isAllowed=y .

Schimit, PHT. Modelagem e controle de propagação de epidemias usando autômatos celular e teoria de jogos [tese]. São Paulo: Universidade de São Paulo; 2010. [acesso em 2020 Mar 13]. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-05122011-153541/publico/PedroHTSchimit_Tese.pdf

Villela DAM. O valor da redução dos picos epidêmicos do COVID-19 para respostas mais efetivas à saúde pública. Rev. Soc. Bras. Med. Trop. 2020; 53: e20200135. https://doi.org/10.1590/0037-8682-0135-2020.

D'Arienzo M, Coniglio A. Assessment of the SARS-CoV-2 basic reproduction number, R0, based on the early phase of COVID-19 outbreak in Italy. Biosaf Health. 2020;2(2):57-59. http://dx.doi.org/10.1016/j.bsheal.2020.03.004

Breban R, Riou J, Fontanet A. Interhuman transmissibility of Middle East respiratory syndrome coronavirus: estimation of pandemic risk. Lancet. 2013;382(9893):694-9. https://doi.org/10.1016/S0140-6736(13)61492-0.

Bauch CT, Oraby T. Assessing the pandemic potential of MERS-CoV. Lancet. 2013; ;382(9893):662-4. https://doi.org/10.1016/S0140-6736(13)61504-4.

Nicho J. The SIR Epidemiology Model in Predicting Herd Immunity. Undergraduate Journal of Mathematical Modeling: One + Two. 2010; (2)2. http://dx.doi.org/10.5038/2326-3652.2.2.8

Peak CM, Childs LM, Grad YH, Buckee CO. Comparing nonpharmaceutical interventions for containing emerging epidemics. Proc Natl Acad Sci USA. 2017; 114(15):4023-8. http://dx.doi.org/10.1073/pnas.1616438114

Hellewell J, Abbott S, Gimma A, Bosse NI, Jarvis CI, Russel TW, et al. Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts. Lancet Glob Health. 2020;8(4):488-96 http://dx.doi.org/10.1016/S2214-109X(20)30074-7

Fraser C, Riley S, Anderson RM, Ferguson NM. Factors that make an infectious disease outbreak controllable. Proc Natl Acad Sci USA. 2004; 101(16):6146 -51. http://dx.doi.org/10.1073/pnas.0307506101

Koo JR, Cook AR, Park M, Sun Y, Sun H, Lim JT, et al. Interventions to mitigate early spread of SARS-CoV-2 in Singapore: a modelling study. The Lancet Infec Dis. 2020; 20(6):678-88. https://doi.org/10.1016/S1473-3099(20)30162-6

Downloads

Published

2021-07-23

How to Cite

Kock, K. de S., & Duarte, G. C. R. (2021). Simulação computacional do covid19 por meio do modelo SEIR: efeito do isolamento social. aúde m edes, 7(1Sup), 23–34. https://doi.org/10.18310/2446-4813.2021v7n1Supp23-34

Issue

Vol. 7 No. 1Sup (2021): Suplemento - O território COnVIDa a reexistir: ensaios e narrativas sobre respostas à pandemia nos pontos de atenção nos territórios onde a vida acontece

Section

Artigos Originais

License

Os direitos autorais para artigos publicados neste periódico são do autor, com os direitos de publicação para o periódico. Este periódico é de acesso público, os artigos são de uso gratuito, com atribuições próprias, desde que citada a fonte (por favor, veja a Licença Creative Commons no link a seguir https://creativecommons.org/licenses/by/4.0/deed.pt_BR).