Modelagem probabilística do tempo para a primeira infecção da Covid-19 de uma cidade conectada à outra em crescimento exponencial de infectados
DOI:
https://doi.org/10.59681/2175-4411.v15.iEspecial.2023.1089Palavras-chave:
Covid-19, Transmissão de Doença Infecciosa, Ponto Quente da DoençaResumo
Após a chegada da Covid-19 ao Brasil, em que os primeiros casos aconteceram em centros populacionais e comerciais, sua propagação regional continuou para cidades marginais conectadas a esses centros, num processo de interiorização das infecções. Modelos que explicam esse fenômeno podem ajudar na preparação das medidas necessárias para contenção dos novos casos. Em vista disso, o presente trabalho propõe uma nova variável aleatória que modela a probabilidade de atraso, em dias, da primeira infecção numa cidade marginal acoplada a um centro já infectado, uma cidade polo com transmissão comunitária da infecção. A nova variável e sua distribuição de probabilidade são formuladas sob premissas teóricas gerais, ao passo que uma metodologia de uso é exemplificada no cenário real das cidades do Espírito Santo, em que os resultados corroboram a utilidade da nova variável na avaliação de risco da primeira infecção por importação.
Referências
Hethcote HW. Qualitative analyses of communicable disease models. Math Biosci. 1976;28(3–4):335–56.
Kermack WO, McKendrick AG. Contributions to the mathematical theory of epidemics–I. 1927. Bull Math Biol. 1991;53(1–2):33–55.
Pollicott M, Wang H, Weiss H. Recovering the time-dependent transmission rate from infection data. Available ArXiv. 2009;9073529.
Marinov TT, Marinova RS. Dynamics of COVID-19 using inverse problem for coefficient identification in SIR epidemic models. Chaos Solitons Fractals X. 2020;5:100041.
Reiner R et al. Modeling COVID-19 scenarios for the United States. Nat Med. 2020;
Costa GS, Cota W, Ferreira SC. Metapopulation modeling of covid-19 advancing into the countryside: an analysis of mitigation strategies for Brazil. medRxiv. 2020;
Kraemer MU, Yang CH, Gutierrez B, Wu CH, Klein B, Pigott DM, et al. The effect of human mobility and control measures on the COVID-19 epidemic in China. Science. 2020;368(6490):493–7.
Ferreira S. Sobre a eficiência de barreiras sanitárias restritivas para conter o avanço da COVID-19: Uma modelagem matemática simples. 2020;
Instituto Brasileiro de Geografia e Estatística. Arranjos Populacionais e Concentrações Urbanas do Brasil | IBGE [Internet]. [citado 4 de agosto de 2022]. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/divisao-regional/15782-arranjos-populacionais-e-concentracoes-urbanas-do-brasil.html?edicao=15944&t=acesso-ao-produto
Painel Coronavírus. Coronavírus Brasil [Internet]. [citado 29 de julho de 2022]. Disponível em: https://covid.saude.gov.br/
Alimohamadi Y, Taghdir M, Sepandi M. Estimate of the basic reproduction number for COVID-19: a systematic review and meta-analysis. J Prev Med Pub Health. 2020;53(3):151.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Thiago Santos Silva, Patrick Ciarelli, Jugurta Montalvão, Evandro Salles
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
